本文來源：中國企業家雜誌 作者：孔月昕

AI Infra公司在宣佈接入DeepSeek-R1後，會有很多中小企業前來聯繫，希望獲得部署了R1模型的產品，清程極智就遇到了類似情形。

“你們的DeepSeek是不是‘滿血版’？”清程極智CEO湯雄超曾被客戶這麼問。

注：DeepSeek滿血版即DeepSeek-R1模型的頂級版本，模型參數達671B（6710億），是普通版（14B/32B）的20倍以上，滿血版支援本地/API部署及複雜科研計算，能力上限更高，且對硬體要求也更高。

收到太多此類問詢後，清程極智團隊決定用工程解決這個問題——在官網上線一個“滿血版”鑒別小程式，並精心挑選了幾道比較有區分度的題目，使用者可以用這些題目去提問，如果系統回答得對，基本上就是“滿血版”；如果回答不出來，可能就不是“滿血版”。

該小程序上線後，其訪問量超出了清程極智的預期。

實際上，清程極智的經歷只是近期AI行業的一個縮影。“整個AI行業這一個多月應該都過得很充實。”有業內人士表示。DeepSeek的火爆，讓整個AI賽道的從業人員處於一種“痛並快樂著”的狀態。

一方面，DeepSeek的出現激發了普通使用者使用AI工具的意識和需求，推動了AI的普及。DeepSeek也成為有史以來增速最快的AI應用，據AI產品榜統計，DeepSeek 2月份活躍使用者1.57億，已接近ChatGPT 7.49億的20%。過多用戶的湧入，也讓DeepSeek對話機器人常常陷入“伺服器繁忙”的狀態。

另一方面，DeepSeek的快速反覆運算和開源，讓本來就“卷”的AI行業進入了新一輪的“軍備競賽”，從模型層至應用層的很多公司，在今年春節期間幾乎沒有休息。眾多企業宣佈接入DeepSeek，既有雲服務提供者、晶片製造商等B端公司，也有各類C端應用公司。據正和島統計，已有超200家企業完成DeepSeek技術介面的集成部署。

接入的企業也迎來了一波“潑天流量”——騰訊元寶APP在接入DeepSeek之後，下載量迅速攀升，並在3月3日登頂中國區蘋果應用商店免費APP下載排行榜TOP1；作為AI基礎設施公司，矽基流動在全網最快接入DeepSeek-R1，訪問量激增40倍，2月訪問量高達1719萬人次。

DeepSeek-R1的出現，也進一步提高了各方對AIGC應用加速發展的期待。當3月6日Monica.im發佈AI智慧體產品Manus時，再次引發了一場“邀請碼搶購”狂潮。

無論是各大模型廠商還是AI產業鏈上下游的公司，都在興奮地等待通往未來AI世界的關鍵路徑。

如何接入DeepSeek

早在2024年DeepSeek-V2模型發佈時，業內已經關注到這家公司及旗下的開源模型。

美圖設計室技術負責人郭晨暉表示，為了在美圖的AI應用場景中給使用者更好的效果體驗，在自研的基礎上，美圖也一直對國內外優秀的大模型保持關注。DeepSeek-V2發佈時，美圖的外采AI團隊就關注到了該模型，與DeepSeek團隊接觸嘗試合作。不過為了尋求穩定性，美圖當時主要通過第三方AI Infra服務商調用DeepSeek模型API。2024年9月，美圖設計室接入了V2模型，輔助文案擴寫，V3、R1模型發佈後，他們也陸續進行了更新。“我們產品和業務團隊看到一些適合結合的模型，就會去做效果評估，合適的可能就會引入到我們自己的應用場景里。”郭晨暉說。

DeepSeek官方提供了兩個接入方法，一是模型跑起來後，通過一些程式設計方式去調用它的API介面；二是用戶在手機上裝一個APP或打開官網的聊天視窗，直接跟它對話，聊天視窗的背後就在調用API。

不過，由於目前DeepSeek的流量過高，又存在伺服器、人手不足等情況，導致DeepSeek自己的API會出現超時等問題。郭晨暉表示，美圖旗下產品有著大體量的用戶基數，一些功能推廣開來後流量可能會激增數十倍、上百倍，這種情況下，公有雲的服務保障能力相對更強。

不僅如此，DeepSeek的模型比較大，尤其是“滿血版”模型對硬體有一定要求；基於性價比層面的考慮，美圖的業務場景存在很顯著的（使用）高峰、低峰效應，雲廠商可以抹平各家調用API高低峰期的差異。“如果我們自己進行部署，低峰期資源利用率可能比較低，會有比較大的資源浪費。”郭晨暉說。

因此，美圖目前接入DeepSeek-R1模型的方式，主要是調用雲廠商的API，在此基礎上進行一定的私有化部署。

與美圖類似，部署端側晶元的此芯科技，也一直對新發佈的各種大模型保持關注，尤其是比較適合在端側進行當地語系化部署的模型。此芯科技生態戰略總經理周傑表示，對於一些開源的大模型，尤其是SOTA模型（State of the Art，在某一領域或任務中表現最佳的模型），他們會第一時間投入資源進行相應的異構適配。因此在DeepSeek去年發佈V2以及今年發佈R1后，此芯科技都第一時間嘗試適配這些模型。

在周傑看來，DeepSeek-V2模型的主要創新點有兩個，一是通過MLA（多頭潛在注意力）架構有效地降低了KV緩存（Transformer模型在自回歸解碼過程中使用的一種優化技術）的開銷，因為大語言模型對於記憶體頻寬和容量的要求很高，一旦能夠降低KV緩存，可以給算力平臺帶來很大説明；二是DeepSeek發佈的MoE（混合專家）模型，對傳統MoE架構進行了優化改造，這個架構可以讓一個（參數）更大的模型在資源有限的情況下被使用。

當時，此芯科技很快適配了V2模型的light版本，即16B大小的模型。“雖然16B參數看起來也很大，但實際運行時，它只會啟動2.4B參數。我們覺得這樣的模型非常適合在端側運行，此芯科技的P1晶片也可以給2.4B參數規模的模型提供比較好的支援。”周傑告訴《中國企業家》。

對於此芯科技如何“接入”DeepSeek，周傑解釋道：“用戶現在使用DeepSeek等應用，很多需要調用雲端的算力，相當於DeepSeek自己的數據中心或雲廠商，提供了一些API給終端側應用調用，使用者使用DeepSeek APP時，就可以調用雲端的AI能力。但是部分端側場景可能對數據隱私等方面有很高的要求，這種情況下就需要在本地進行運算，在端側部署后，用戶可以在斷網的情況下運行DeepSeek等模型。”

從算力和系統層面滿足了運行一個大語言模型的基本要求后，此芯科技就可以結合客戶項目的實際需求，跟DeepSeek等模型廠商進行商業化合作，對模型進行微調優化，把具體專案落地。

V2推出後，清程極智內部也嘗試接入該模型，但當時的市場需求較少，他們就沒有推廣使用。今年R1出來後，他們覺得這是一個非常好的機會，決定接入DeepSeek並大規模向客戶推廣。

清程極智是做系統軟體的，對外基於系統軟體提供推理服務，因此不是像部分應用公司那樣直接接入DeepSeek的API，而是為客戶提供一套專屬的DeepSeek的API用於應用服務。“我們接入的方式是把DeepSeek的開源模型下載下來，在我們的算力系統上用系統軟體把服務部署起來。”湯雄超說。

通俗來講，R1模型是一個幾百G大小的文件，但下載后無法直接使用。“它只是一個檔，不是一個可用的服務，我們要做的是把這個模型運行起來，讓它去對外提供服務的介面。通過API的服務介面，使用者就可以跟模型進行對話了。”湯雄超解釋道。

基於前期技術積累，清程極智在把模型檔下載下來后，一天內就反覆運算出了第一個版本，隨後針對R1模型結構進行了優化，正式“滿血版”官宣上線只用了一周。

在湯雄超看來，技術環節的工作都比較順利，接入DeepSeek后，更多的挑戰來自於商務側或市場側。具體來說，DeepSeek的流量給公司帶來了非常多來諮詢的客戶，但每個客戶的需求都不太一樣。“包括算力平臺、晶片型號、伺服器規格等都不一樣，我們需要針對不同的算力等基礎，做針對性的調優。”湯雄超說。

API成本降低推動大模型普及

在2024年5月發佈V2模型後，因其極致性價比，DeepSeek獲得“AI界拼多多”的稱號，並帶動國內大廠打起了大模型價格戰。

價格戰降低了API費用。以美圖“AI商品圖”為例，在郭晨暉看來，一方面，美圖在AI圖像處理上擁有強大技術優勢，而DeepSeek模型的接入帶來了用戶體驗和轉化的正向反饋，且大語言模型API的調用成本佔比很低，這與美圖的業務場景形成了很好的優勢互補，因此美圖也會加大對大語言模型應用的關注。

2月9日，DeepSeek停止了V3模型為期45天的優惠價格體驗期，API恢復原價，每百萬輸入tokens 0.5元（緩存命中）/2元（緩存未命中），每百萬輸出tokens 8元。R1的百萬tokens輸入價格（緩存命中）為1元，百萬tokens輸入價格（緩存未命中）為4元，輸出價格為16元。

但OpenAI官網顯示，GPT-4o的2.5美元/百萬輸入tokens，10美元/百萬輸出tokens；最新發佈的GPT-4.5的百萬輸入/輸出tokens更是高達75美元/150美元，僅較GPT-4o就上漲了15~30倍。

在郭晨暉看來，一方面DeepSeek模型調用費用在美圖AI研投的整體成本佔比不高；另一方面，DeepSeek恢復原價后依然處於比較便宜的價格區間，且美圖接入DeepSeek后，在用戶轉化及反饋上是正向的，因此他們會加大在大語言模型方面的投入。

周傑也認為，DeepSeek的API價格比OpenAI低了很多倍，對於企業和使用者而言，買token的費用大大降低。在端側模型層面，現在一個3B的模型可能就能做到以前7B以上規模的模型效果，記憶體等成本也相對降低了。

“這是個軟硬體協同的過程。同樣的硬體條件下，現在相當於能實現以前更大參數規模的模型效果，或者要達到同樣的模型效果，對硬體的要求變低了。”周傑說。

3月初，持續五天的“DeepSeek開源周”結束後，DeepSeek團隊首次對外公佈了模型的優化技術細節、成本獲利率等關鍵資訊。按DeepSeek測算，其成本獲利率理論上能達到545%。

大模型成本的快速降低以及能力的提升，也帶來了to B和to C領域使用者的高速增長。湯雄超透露，現在有很多的中小企業會主動聯繫到他們，希望獲得基於R1模型的產品。

AI應用將加速爆發

百度創始人、董事長兼CEO李彥巨集在《緊抓AI智慧體爆發元年機遇，推動新質生產力加快發展》一文中寫道，大模型的推理成本，每12個月就降低90%以上，遠超“摩爾定律”。隨著大模型技術的反覆運算和成本的直線下降，人工智慧應用將大爆發。

目前，AI市場處於高速增長階段，湯雄超認為，DeepSeek的理論獲利率高達545%，對於整個行業的意義和影響非常積極，給市場科普了算力系統軟體的重要性。

“過去大家並不是非常重視軟體的能力，DeepSeek讓大家認識到，花錢買軟體不是浪費錢，而是為了更好地省錢。”湯雄超表示，在受過教育的市場環境下，核心系統軟體的優勢能被更大地發揮出來；短期來看，DeepSeek的開源也能讓各方降低產品交付的商業成本。

隨著越來越多企業接入DeepSeek，在其開源生態上做“建設”反饋，DeepSeek的發展進程也在加速。

郭晨暉認為，這也是DeepSeek的開源生態最大的優勢——接入的企業在各自應用場景上打造差異化能力產品的同時，應用場景也能推動DeepSeek等基座大模型的發展。“各家公司在開源生態的差異化部署不僅能加速AI的創新，大模型的低成本化也有助於大模型在垂直細分領域的可用性，給AI的應用帶來更大的想像空間。”郭晨暉說。

在周傑看來，除了雲端應用爆發外，在DeepSeek的推動下，端側AI應用也會在2025年實現井噴式發展。

“未來的AI其實是一個混合式的人工智慧，不是所有的東西都在雲端跑，也不是所有東西都在端側跑，因為各有各的優勢。如端側只能跑相對小規模參數的模型，但對於某些任務來說，對精度有更高要求，還是要用雲端算力；而為了保證數據安全和隱私，就需要使用端側能力實現以前更大參數規模的模型效果，這就形成一個混合式的部署方案。”周傑說，此芯科技也在跟雲廠商進行這方面的應用探索。

“AI應用元年”已經不是一個新概念，但截至目前，AI行業從業者以及投資人，還在尋找更適合AI應用的落地場景。在周傑看來，這隻是時間問題，“一個新生態的發展肯定需要一定時間，所有的東西不會突然完善，需要軟體和硬體不斷反覆運算。目前來看，晶片側、模型側等已經為AI的大規模應用打下了堅實的基礎，後面需要更多的開發者來開發AI應用，滿足實際的場景需求。”