2025年1月，总部位于杭州的中国人工智能公司深度求索发布了其开放权重推理模型DeepSeek-R1。此次发布引发了全球股市的大规模抛售，尤其影响了科技股，并促使人们对人工智能行业的竞争格局和投资假设进行广泛重新评估。这一事件凸显了中国人工智能实验室的快速进步，以及开发更高效、更低成本模型的潜力。
深度求索由梁文锋于2023年7月创立，由中国对冲基金幻方量化所有并提供资金。该公司专注于开发开放权重的大型语言模型（LLM），公开共享模型参数，同时保留训练数据的专有性。DeepSeek-R1与同名的聊天机器人一同推出，展示了与西方领先模型相当的先进推理能力，但据报道其训练成本仅为一小部分。这一成就挑战了尖端人工智能需要大规模计算资源和巨额资本支出的普遍观念。
市场影响
2025年1月27日，DeepSeek-R1的发布导致全球科技股大幅下跌。领先的GPU制造商英伟达股价下跌约17%，市值蒸发约5890亿美元，创下美国股市历史上任何公司单日最大损失纪录。其他芯片制造商和人工智能相关公司，包括 超威半导体、博通 和 台积电，也经历了显著下跌。抛售蔓延至欧洲和亚洲市场，日经225指数和以科技股为主的纳斯达克综合指数等指数明显下挫。
市场反应源于投资者担忧深度求索的高效训练方法可能会减少对昂贵人工智能硬件（尤其是高端GPU）的需求。据报道，深度求索使用约2048块英伟达H800 GPU耗时两个月训练了R1，成本约为560万美元，仅为西方实验室如 OpenAI 和 谷歌深度思维 花费的数亿美元的一小部分。这引发了人们对主要云服务提供商和人工智能公司大规模资本支出可持续性的质疑。
行业重新评估
此次发布促使整个行业对人工智能开发策略进行重新评估。主要科技公司的高管，包括 微软 和 Alphabet，公开承认了深度求索的成就及其对人工智能效率的影响。一些分析师认为，这一事件可能加速开放权重模型的采用，并推动模型优化创新，而非单纯依赖计算规模扩展。
深度求索的成功归因于多项技术创新，包括使用 强化学习（RL）来增强推理能力，以及实施 混合专家（MoE）架构，该架构仅激活每个词元的部分参数，从而减少计算负担。该公司还优化了训练算法，以在老一代硬件上实现最大效率，部分原因是美国对华先进芯片出口限制所致。
深度求索的背景
深度求索于2023年7月17日作为独立公司成立，从幻方量化的人工通用智能（AGI）研究实验室中分拆出来，该实验室于2023年4月14日宣布。幻方量化由梁文锋于2015年6月联合创立，自2016年10月21日起使用基于GPU的深度学习进行股票交易。该公司于2019年建造了其首个计算集群“萤火一号”，随后于2021年建成了拥有5000块英伟达A100 GPU的更大集群“萤火二号”。
深度求索的招聘策略强调技能优先于经验，招募了许多应届毕业生和非计算机科学领域的人员，以拓宽模型的知识面。该公司表示其专注于研究，没有立即商业化的计划，这使其能够在中国某些监管豁免下运营。
技术创新
DeepSeek-R1是一个使用多阶段训练流程的推理模型。它采用 强化学习（RL）来改进思维链推理，并使用带精选数据的监督微调（SFT）。该模型的架构包含 多头注意力 和 混合专家 层，从而实现高效扩展。深度求索还引入了一种新颖的RL方法，避免了单独奖励模型的需要，对具有可验证答案的任务使用基于规则的奖励。
训练基础设施被称为“萤火二号”，由软硬件协同设计的架构组成。它使用具有200 Gbps互连的英伟达GPU，并采用双胖树网络拓扑以获得高对分带宽。软件栈包括3FS（萤火文件系统），一种为异步随机读取优化的分布式并行文件系统，以及hfreduce，一个用于异步通信的库。
竞争格局
DeepSeek-R1的发布加剧了人工智能行业的竞争，尤其是中美公司之间的竞争。它表明，尽管存在硬件限制，中国实验室仍能取得最先进的成果。深度求索的开放权重方法与 OpenAI 和 Anthropic 的封闭模型形成对比，并因其透明性和可定制性而受到一些西方开发者的欢迎。
主要云服务提供商，包括 microsoft-azure 和 Perplexity AI，开始原生托管深度求索模型，进一步将其整合到全球人工智能生态系统中。这一事件还引发了关于人工智能安全和出口管制的讨论，一些政策制定者呼吁对开放权重模型实施更严格的监管。
长期影响
此次市场冲击为投资者和科技公司敲响了警钟，凸显了来自意外来源的颠覆性创新的潜力。它强调了算法效率的重要性，以及以更少资源实现高性能的可能性。截至2025年初，对人工智能硬件需求和行业结构的长期影响仍不确定，但这一事件标志着全球人工智能竞赛的转折点。
深度求索的崛起也引发了地缘政治问题，因为该公司的研究人员与中国军事实验室有关联，其聊天机器人自2025年3月起已被中国人民解放军采用用于非作战角色。这些发展给国际人工智能格局增添了复杂性。
结论
DeepSeek-R1的发布及随后的市场冲击代表了人工智能历史上的一个关键时刻。它表明开放权重模型可以与专有系统相媲美，挑战了大规模计算必要性的假设，并重塑了投资者的预期。这一事件加速了关于人工智能效率、开源协作和全球人工智能力量平衡的讨论，其影响在2025年全年持续展开。