🐯虎嗅•最新收集於 11m
DeepSeek 登上全球 AI 使用量第一
💡DeepSeek 每週 7.22 兆個 token，可能預示真實世界的模型採用格局正在改變。
⚡ 30-Second TL;DR
有什麼變化
DeepSeek 在全球 AI 模型每週使用量排名中登上第一。
為什麼重要
對 AI 建置者而言，DeepSeek 的使用規模顯示模型採用情況可能正快速轉向具備高效能、易取得性或成本優勢的供應商。開發者應評估實際工作負載的經濟效益，而不只依賴品牌知名度或基準測試標題。
下一步行動
以 DeepSeek 與目前使用的模型供應商進行一週工作負載比較，追蹤 token 成本、延遲、品質與失敗率。
誰應關注：Developers & AI Engineers
關鍵要點
- •DeepSeek 在全球 AI 模型每週使用量排名中登上第一。
- •其每週使用量達到 7.22 兆個 token。
- •據報導，這一規模已超越包括 OpenAI 在內的主要老牌業者。
- •這項里程碑凸顯推理量正成為 AI 業者競爭的重要指標。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •DeepSeek 的推理成本優勢主要源於其創新的『混合專家模型』（MoE）架構，該架構大幅降低了單次推理所需的計算資源。
- •該模型在開源社群中獲得極高採用率，許多開發者將其作為 OpenAI API 的高性價比替代方案，推動了其推理量的爆發式成長。
- •DeepSeek 採取了極致的工程優化策略，包括自研的通信庫與高效的算子優化，使其在有限的 GPU 資源下能處理更大規模的並發請求。
- •市場分析指出，DeepSeek 的崛起標誌著 AI 產業從單純追求參數規模（Scaling Laws）轉向追求推理效率與單位成本效益（Inference Efficiency）。
- •DeepSeek 的高使用量不僅來自於其模型性能，還得益於其對 API 價格的激進定價策略，迫使全球 AI 模型供應商重新評估定價模型。
📊 競品分析▸ Show
| 特性 | DeepSeek (V3/R1) | OpenAI (GPT-4o) | Anthropic (Claude 3.5) |
|---|---|---|---|
| 架構 | 混合專家模型 (MoE) | 稠密/混合架構 | 稠密架構 |
| 推理成本 | 極低 (具價格破壞力) | 高 | 中高 |
| 開源狀態 | 部分開源/權重開放 | 閉源 | 閉源 |
| 強項 | 高性價比、推理效率 | 生態系統、多模態整合 | 程式碼能力、長文本 |
🛠️ 技術深入
- 採用 DeepSeek-V3/R1 架構，利用 Multi-head Latent Attention (MLA) 技術顯著減少 KV Cache 的記憶體佔用。
- 實施了 DeepSeekMoE 架構，透過細粒度專家劃分與共享專家機制，在保持模型容量的同時降低激活參數數量。
- 訓練過程採用了大規模強化學習（RL）與長思維鏈（Chain-of-Thought）技術，提升了模型在複雜邏輯推理任務中的表現。
- 基礎設施層面優化了 FP8 混合精度訓練與推理，進一步提升了在 NVIDIA H800/H100 等硬體上的吞吐量。
🔮 前景展望AI analysis grounded in cited sources
全球 AI 推理市場將進入『價格戰』階段
DeepSeek 的低成本模式已證明推理效率是獲取市佔率的關鍵，迫使競爭對手必須降低 API 價格以維持競爭力。
MoE 架構將成為未來大型語言模型的主流設計標準
DeepSeek 在推理量上的成功驗證了 MoE 在處理大規模請求時的卓越性能與成本效益。
⏳ 時間線
2023-07
DeepSeek 成立並發布首個開源模型系列
2024-01
發布 DeepSeek-V2，首次引入高效的 MoE 架構
2024-12
發布 DeepSeek-V3，推理性能與成本效益大幅提升
2025-01
發布 DeepSeek-R1，強化推理能力並引發全球關注
2026-08
DeepSeek 推理量達到全球第一
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗