DeepSeek火爆全網(wǎng)，“神秘東方力量”沖擊美股！

當?shù)貢r間1月27日，受中國人工智能初創(chuàng)公司——深度求索公司（DeepSeek）沖擊，美國人工智能主題股票遭拋售，美國芯片巨頭英偉達（NVIDIA）股價歷史性暴跌，納斯達克綜合指數(shù)大幅下跌。

截至當天收盤，英偉達公司股價下跌16.97%，市值一日內(nèi)蒸發(fā)近6000億美元，創(chuàng)美國歷史上任何一家公司的單日最大市值損失。

DeepSeek沖擊美股

英偉達的暴跌對整個市場造成了沖擊，博通公司股價下跌17%，超威半導(dǎo)體公司（AMD）股價下跌6%，微軟股價下跌2%。此外，人工智能領(lǐng)域的衍生品，如電力供應(yīng)商也受到重創(chuàng)。美國聯(lián)合能源公司股價下跌21%，Vistra的股價下跌29%。

市場分析認為，此次美國股市震蕩的核心原因是DeepSeek的最新突破，動搖了美國科技行業(yè)的地位。2024年底，DeepSeek發(fā)布了新一代大語言模型V3，并宣布開源。測試結(jié)果顯示，該模型在多項評測中表現(xiàn)優(yōu)于主流開源模型，且具有成本優(yōu)勢。

本月，DeepSeek在世界經(jīng)濟論壇2025年年會開幕當天發(fā)布了最新開源模型R1，再次引發(fā)全球關(guān)注。

據(jù)介紹，R1模型在技術(shù)上實現(xiàn)了重要突破——用純深度學(xué)習(xí)方法讓AI自發(fā)涌現(xiàn)出推理能力，在數(shù)學(xué)、代碼、自然語言推理等任務(wù)上，性能比肩OpenAI的o1模型正式版，且訓(xùn)練成本僅為560萬美元，遠低于美國科技巨頭的數(shù)億美元乃至數(shù)十億美元投入。

市場分析師認為，DeepSeek的模型推出如同一顆“震撼彈”，令市場對美國科技行業(yè)的競爭力產(chǎn)生疑慮，導(dǎo)致人工智能主題股票遭拋售。

安內(nèi)克斯理財公司首席經(jīng)濟學(xué)家雅各布森表示，人們真正感到詫異的是，像英偉達這樣的公司，被認為幾乎壟斷了人工智能生態(tài)系統(tǒng)中的所有芯片，但也許“護城河”并不像人們想象的那么強大，這可能是其股價下跌的原因。

目前，DeepSeek開發(fā)的移動應(yīng)用程序已超越OpenAI的ChatGPT，登頂蘋果手機應(yīng)用商店美國區(qū)免費應(yīng)用榜單。

DeepSeek：性能卓越，用戶體驗佳

DeepSeek是一款由國內(nèi)人工智能公司研發(fā)的大型語言模型，擁有強大的自然語言處理能力，能夠理解并回答問題，還能輔助寫代碼、整理資料和解決復(fù)雜的數(shù)學(xué)問題。

與OpenAI開發(fā)的ChatGPT相比，DeepSeek不僅率先實現(xiàn)了媲美OpenAI-o1模型的效果，還大幅降低了推理模型的成本。其新模型DeepSeek-R1以十分之一的成本達到了GPT-o1級別的表現(xiàn)，引發(fā)海外AI圈的廣泛討論。

北京郵電大學(xué)人工智能學(xué)院人機交互與認知工程實驗室主任劉偉介紹，DeepSeek最大的優(yōu)勢在于算法的改進和優(yōu)化，節(jié)省了算力和數(shù)據(jù)量。以前如果說OpenAI是“大力出奇跡”，如今DeepSeek則是“小力也可以出奇跡”——小的算力用新的方法也能創(chuàng)造奇跡。

南京大學(xué)人工智能學(xué)院教授俞揚表示，DeepSeek在算法上進行了相應(yīng)的優(yōu)化，使得訓(xùn)練成本大幅降低。

開源：未來的發(fā)展方向？

DeepSeek采用了完全開源策略，不僅降低了用戶的使用門檻，還促進了AI開發(fā)者社區(qū)的協(xié)作生態(tài)。通過開源，DeepSeek吸引了大量開發(fā)者和研究人員的關(guān)注，推動了AI技術(shù)的發(fā)展。英偉達AI科學(xué)家Jim Fan稱贊DeepSeek是“真正開放的前沿研究，賦能所有人”。

當然，開源也面臨著保護知識產(chǎn)權(quán)和開源社區(qū)秩序維護等挑戰(zhàn)。

俞揚表示，開源只是一種商業(yè)模式，即便開源項目也擁有版權(quán)。開源與閉源之爭，實質(zhì)上是不同商業(yè)模式在特定場景和時代背景下的有效性對比。

DeepSeek的成功被一些人視為中國技術(shù)理想主義的體現(xiàn)，甚至被外國人比喻為神秘的東方力量。

但從整個AI大模型產(chǎn)業(yè)來看，DeepSeek的成功或許代表了一種全新的發(fā)展方向——通過算法優(yōu)化而非單純依賴算力和數(shù)據(jù)量來提升模型性能。這一方向也為AI大模型產(chǎn)業(yè)的發(fā)展提供了新的思路。