深度解析：关于DeepSeek的五大争议与真相

来源：腾讯科技

自春节以来，DeepSeek的热度持续攀升，但伴随而来的还有诸多误解与争议。有人称其为“吊打OpenAI的国货之光”，也有人认为它不过是“抄袭国外大模型的小聪明”。本文将针对围绕DeepSeek的五大核心争议进行深入解读。

一、过度神话与无脑贬低：DeepSeek是否属于底层创新？

互联网从业者caoz指出，DeepSeek对行业发展的促进价值值得肯定，但将其称为颠覆性革命还为时尚早。一些专业测评显示，DeepSeek在某些关键问题上的表现尚未超越ChatGPT。

不要过度神话，也不要无脑贬低。

目前，关于DeepSeek的技术成就存在两种极端观点：一种认为它是“颠覆性革命”，另一种则认为它只是模仿国外模型，甚至有传言称其通过蒸馏OpenAI模型取得进展。

微软曾提到DeepSeek蒸馏了ChatGPT的结果，这一说法被部分人借题发挥，贬低其价值。然而，这两种观点都过于片面。

更准确地说，DeepSeek的突破是一次面向产业痛点的工程范式升级，为AI推理开辟了“少即是多”的新路径。

DeepSeek主要在以下三个层面实现了创新：

• 通过训练架构瘦身（如GRPO算法省去传统强化学习中的Critic模型），简化复杂算法为可落地执行的工程方案；
• 采用简评估标准（如代码生成场景中用编译结果和单元测试通过率替代人工评分），破解AI训练中的主观偏差难题；
• 在数据策略上找到精妙平衡点，结合纯算法自主进化的Zero模式与仅需数千条人工标注数据的R1模式，既保留模型自主进化能力又保障人类可解释性。

这些改进并未突破深度学习的理论边界，而是通过系统级优化解决了产业痛点。DeepSeek完全开源并详细记录了这些创新点。

Stability AI前研究主管Tanishq Mathew Abraham总结了DeepSeek的三大技术亮点：

1. 多头注意力机制：开发了一种更高效且性能更好的MHA机制变体；
2. 可验证奖励的GRPO：证明了一种简单RL流程可达到类似GPT-4的效果，并开发了高效性能的GRPO算法；
3. DualPipe：设计了一种效率和速度显著提高的多GPU训练方法。

关于蒸馏ChatGPT的说法，传统意义上的“蒸馏”指的是对token概率的训练，而ChatGPT并未开放此类数据，因此基本不可能实现“蒸馏”。此外，DeepSeek可能利用了一些蒸馏语料信息，但这对其整体质量影响有限。

最终，所有大模型都在迭代前进，你中有我，我中有你。

二、DeepSeek的成本仅为550万美元？

550万美元成本这一结论既正确也错误，因为它未明确具体指代什么成本。

Tanishq Mathew Abraham客观估算了DeepSeek的成本：

首先，这个数字最早出现在DeepSeek-V3论文中，而DeepSeek-R1是在V3基础上进行了额外的强化学习训练，这部分额外成本约为几十万美元。

图：DeepSeek-V3论文中关于成本的论述

DeepSeek-V3论文中声称的550万美元成本基于GPU成本、数据集大小和模型规模的多项分析得出。值得注意的是，虽然DeepSeek V3/R1拥有6710亿参数，但它采用了专家混合系统架构，实际训练时仅使用约370亿参数。

此外，DeepSeek报告的成本是基于当前市场价格估算的，实际购买GPU集群的成本可能更低。

然而，这仅仅是最终训练运行的成本，不包括小规模实验、消融研究及研究人员薪资等其他成本。

Semianalysis给出的AI TCO分析显示，按四年周期计算，60,000块GPU的总成本为25.73亿美元。

总结来说，如果将所有设备、服务器、运营等成本全部算入，远超550万美元，但净算力成本已十分高效。

三、巨额资本支出投资算力只是浪费？

这是一个广为流传但片面的观点。DeepSeek确实在训练效率上展现了优势，但这并不意味着更多计算资源是一件坏事。

从Scaling Laws角度来看，更多计算能力始终意味着更好性能。尽管DeepSeek找到了更高效的路径，规模定律依然有效。

四、DeepSeek是否采用了PTX绕开了对NVIDIA CUDA的依赖？

DeepSeek论文提到其采用PTX编程以优化通信互联效率。网络上对此有两种解读：一是为了“绕开CUDA垄断”，二是因芯片受限而不得已为之。

上海交通大学副教授戴国浩认为这两种说法都不准确。PTX指令位于CUDA驱动层内部，仍然依赖于CUDA生态系统，因此无法绕开CUDA。

PPT系上海交通大学副教授戴国浩制作

DeepSeek的优化方案并非不得已为之，而是主动优化，无论使用H800还是H100芯片，都能提升通信互联效率。

五、DeepSeek会被国外禁用吗？

DeepSeek爆火后，英伟达、微软、英特尔、AMD、AWS五大云巨头均上架或集成了DeepSeek，国内华为、腾讯、百度、阿里、火山引擎也支持部署。

然而，网络上存在两种情绪化言论：一种认为国外云巨头上架DeepSeek是“被打服了”；另一种则担心因地缘政治原因，国外会陆续禁止DeepSeek。

caoz对此给出了清晰解读：我们所说的DeepSeek实际上包括两个产品——一个是风靡世界的App，另一个是GitHub上的开源代码库。前者是后者的Demo，而后者可能成长为蓬勃的开源生态。

被限制使用的将是DeepSeek App，而巨头接入和提供的则是DeepSeek开源软件的部署。

DeepSeek以“中国大模型”的姿态闯入全球AI竞技场，采用MIT License开源协议，允许商用。对它的讨论已超越技术创新范畴，但技术进步从来不是非黑即白的对错之争。

与其陷入过度吹捧或全盘否定，不如让时间和市场检验其真实价值。毕竟，在AI这场马拉松中，真正的竞争才刚刚开始。

参考资料：

《关于deepseek的一些普遍误读》 作者：caoz

https://mp.weixin.qq.com/s/Uc4mo5U9CxVuZ0AaaNNi5g

《DeepSeek最强专业拆解来了，清交复教授超硬核解读》 作者：ZeR0

https://mp.weixin.qq.com/s/LsMOIgQinPZBnsga0imcvA 

Debunking DeepSeek Delusions 作者：Stability AI 前研究主管 Tanishq Mathew Abraham

https://www.tanishq.ai/blog/posts/deepseek-delusions.html