ITBear旗下自媒体矩阵:

DeepSeek登顶中美应用榜,国产AI大模型开启新时代?

   时间:2025-01-27 12:52:23 来源:ITBEAR编辑:快讯团队 发表评论无障碍通道

在人工智能领域,一场前所未有的热潮正席卷全球。1月27日,一款名为DeepSeek的应用成功登上苹果中国与美国地区应用商店免费APP下载排行榜榜首,这一壮举不仅超越了ChatGPT在美区的地位,也力压豆包、抖音等国内热门应用,成为业界瞩目的焦点。

对于AI行业而言,DeepSeek的登顶无疑是一个历史性的时刻。它标志着首款AI助手类产品成功超越了ChatGPT,同时也意味着中国企业研发的生成式AI应用产品首次登顶美区苹果App Store。DeepSeek由国产大模型公司深度求索推出,隶属于量化巨头幻方量化旗下。自1月20日深度求索正式发布推理大模型DeepSeek-R1以来,凭借其高性价比的特性,在海外开发者社区中引发了巨大轰动。

DeepSeek-R1作为一款开源模型,其性能在数学、代码、自然语言推理等任务上能够比肩OpenAI的GPT系列模型,并采用MIT许可协议,支持免费商用、任意修改和衍生开发等。在国外大模型排名榜Chatbot Arena上,DeepSeek-R1的基准测试排名迅速攀升至全类别大模型第三,与OpenAI的ChatGPT-4并列,同时在风格控制类模型分类中与OpenAI的GPT系列模型并列第一。更令人惊讶的是,DeepSeek-R1的预训练费用仅为557.6万美元,在2048块英伟达H800 GPU集群上运行55天完成,这一成本仅为OpenAI GPT-4模型训练成本的十分之一左右。

DeepSeek的高效背后,离不开其核心技术因素的支持,包括低精度计算、小参数量和高质量数据等。据DeepSeek的技术文档透露,该模型使用数据蒸馏技术生成的高质量数据,极大地提升了训练效率。数据蒸馏通过一系列算法和策略,将原始的、复杂的数据进行去噪、降维、提炼等操作,从而得到更为精炼、有用的数据。

目前,DeepSeek R1模型每百万个token的查询成本仅为0.14美元,而OpenAI的成本则高达7.50美元,便宜了98%。这一巨大的价格优势,让华尔街算力板块的投资人感受到了前所未有的压力。然而,就在DeepSeek风头正劲之时,其网页/API却出现了不可用的情况,目前正在调查原因。此前,DeepSeek也曾出现过短时闪崩现象,公司回应称可能与服务维护、请求限制等因素有关。

对于同时登顶中美App Store应用榜单这一壮举,DeepSeek团队表达了无比的振奋和感激。他们表示,这一成就不仅是对技术实力的认可,更是全球用户和开发者社区对他们的信任与支持的直接体现。DeepSeek团队的感言中提到了三个核心触动:技术民主化的胜利、用户信任的托举以及开放生态的裂变。他们坚信,当技术突破与人文关怀共振时,冰冷的代码也能绽放温暖的价值。

业内专家对DeepSeek的登顶也给予了高度评价。金沙江创业投资基金主管合伙人朱啸虎认为,DeepSeek的胜利是技术理想主义者的胜利,专注于技术和创新远胜于投放买流量和公关。英伟达高级研究科学家Jim Fan则表示,DeepSeek-R1可能是首个展示了强化学习飞轮可以发挥作用且能带来持续增长的开源软件项目。AI科技初创公司Scale AI创始人亚历山大·王则强调,DeepSeek的AI大模型发布可能会改变美国一直领先于中国的人工智能竞赛的格局。

DeepSeek的开源模型还引发了一股“复现热潮”。例如,HuggingFace在GitHub上发起的Open R1项目,完全复制和开源了DeepSeek R1,包括训练数据、训练脚本等。面对DeepSeek的挑战,meta也迅速采取行动,组建了多个小组来研究DeepSeek的技术细节,并希望在其即将发布的Llama 4中实现技术突破。

然而,DeepSeek的冲击也引发了全球算力市场的动荡。A股寒武纪股价持续走低,日本半导体股也出现下挫,美股纳指期货更是领跌。业内人士表示,DeepSeek可能引发科技股下跌,因为大型科技公司在AI上投入了大量资金,但一直存在投资回报能否匹配的问题。分析师也指出,中国的DeepSeek可能代表了对美国股市最大的威胁,因为其以极低的价格建立了一个突破性的人工智能模型,而无需依赖最先进的芯片。

尽管如此,DeepSeek的成就仍然让业界看到了技术平权与知识信息平权的曙光。正如DeepSeek团队所言,他们正在见证一个新时代的开端——这里没有孤勇的英雄,只有无数双手共同推开未来之门。

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  RSS订阅  |  开放转载  |  滚动资讯  |  争议稿件处理  |  English Version