摩根士丹利指出,DeepSeek通过改进模型架构和优化数据质量,显著降低了训练成本,其模型成本仅为OpenAI等竞争对手的十分之一,且性能接近顶尖闭源模型。这证明“更大并不等于更聪明”,高效工程设计和算法优化可能比单纯算力投入更具竞争力。
摩根大通认为这代表AI技术的阶跃式进步,采用“专家混合”(MoE)系统,使模型在参数运行机制上更为高效,在较弱硬件和较低内存带宽下通过重度优化也能产生显著效果,降低能源需求和总体成本,为AI技术发展提供新思路。
高盛则强调,DeepSeek的低成本将降低AI应用开发门槛,可能颠覆现有竞争格局,使初创企业能够挑战互联网巨头在AI领域的垄断地位。
云服务与AI应用:成本下降驱动商业化加速
技术局限性:DeepSeek在多模态处理、长上下文窗口等方面仍落后于GPT-4o和Gemini。
地缘政治风险:中美技术竞争可能影响DeepSeek的全球供应链合作。
商业可持续性:开源模式可能压缩企业利润空间,需探索差异化服务实现盈利。