中國公司 DeepSeek（深度求索）開發類似於 OpenAI ChatGPT 的 AI 聊天機器人，據 CNBC 報導自 1月在美國發布後，迅速超越 ChatGPT 成為蘋果 App Store下載次數第一的免費應用程式。同時，DeepSeek 也號稱其背後的 AI 模型花費不到 600 萬美元，對於目前市場上推崇 AI 發展需要龐大的預算，和頂級的晶片帶來顛覆性衝擊，更讓 AI 晶片大廠輝達（Nvidia）的股市下跌達16.86%，市值蒸發近 6000 億美元。
本文將分享 DeepSeek 在市場的突破性關鍵為何？帶給 NVIDIA 的影響，以及DeepSeek 模型應用場景與 OpenAI、Google Gemini 模型的差異比較。
DeepSeek 是什麼？
DeepSeek 是一家中國新興的 AI 公司，在 1 月 10 日推出類似於 ChatGPT 的 AI 聊天機器人，目前提供網頁版與手機 App 版。不過為人稱道的是聊天機器人背後最新推出的模型 DeepSeek-V3 在價格、效能和數學推理能力上足以與 OpenAI、Anthropic 等國際 AI 領導者匹敵。
更特別的是，相較於 OpenAI 採取的封閉式模型策略，DeepSeek 以低成本、高效率、開源技術為核心，吸引了全球開發者與企業的關注。連主導 Meta AI 研究的首席科學家楊立昆（Yann LeCun）也指出「開源模型正超越專有模型」。
✦延伸閱讀：iKala CEO Sega 分析：DeepSeek 開源策略將如何改變 AI 產業鏈
DeepSeek 為何讓 NVIDIA 股市受到衝擊？
DeepSeek 的成功顛覆了人們對於 AI 發展的傳統認知，也為高性能晶片市場帶來不確定性，證明了高效 AI 模型不一定需要巨額預算與高規格 GPU。特別是在全球 AI 產業仍然高度依賴 NVIDIA GPU（如 H100、A100） 進行模型訓練的背景下，若 DeepSeek-V3 能以開源、低成本、高效能為核心，在數學與推理應用領域進行優化，可能降低企業對昂貴 GPU 伺服器的需求，影響 NVIDIA 的市場佔有率。
並且，隨著美國對中國 AI 晶片出口的限制，中國企業加速研發自己的 AI 基礎設施，DeepSeek 作為開源 AI 領導者，促使企業轉向國產 AI 晶片，如華為昇騰、寒武紀，也可能進一步削弱 NVIDIA 在中國市場的競爭優勢，隨著 DeepSeek 技術的不斷進步，AI 晶片市場的格局可能被重新定義。
DeepSeek R1、V3 模型差異，適合哪些應用場景？
DeepSeek 近期推出了兩款大型語言模型：DeepSeek-V3 和 DeepSeek-R1，它們在架構設計、訓練方法和應用場景上各有特色。
DeepSeek-V3：高效能開源基礎模型，優化 NLP 應用的 AI 訓練與推理成本
DeepSeek-V3 採用了專家混合（Mixture-of-Experts, MoE） 架構，擁有 6710 億個參數，但在實際運行中僅啟用約 370 億個參數，實現了高效能與低成本的平衡。DeepSeek-V3 模型專注於自然語言處理（NLP）任務，具備優秀的文本生成、多語言支持和對話理解能力，適用於需要大規模語言處理的應用場景。
DeepSeek-R1：專注推理能力，透過強化學習提升 AI 效能
DeepSeek-R1 基於 DeepSeek-V3 架構，進一步強化了推理能力，特別在數學問題求解、程式碼生成和邏輯推理方面表現突出。該模型透過強化學習進行訓練，專為需要高級推理的任務而設計，如研究、學術應用和複雜問題求解。
總體而言，DeepSeek-V3 以其可擴展性和高效能，適合廣泛的 NLP 任務，而 DeepSeek-R1 則針對專業領域的推理需求，提供卓越的問題解決能力。選擇哪個模型取決於您的特定應用場景和需求。
✦延伸閱讀：DeepSeek 與 OpenAI、Gemini、Claude AI 模型比較：效能、價格、應用場景解析
DeepSeek 模型為何便宜？他們如何降低 AI 開發成本？
Deepseek 最受人關注的突破在於：AI 聊天機器人可與 OpenAI 媲美，但價格僅為其一小部分。他們是如何做到的？
一、公司背景與靈活組織結構
根據獨立科技新聞記者高燦鳴（Tim Culpan）分享，DeepSeek 的成功並不只是技術突破，而是來自於減少不必要的運算資源消耗，以最少的運算量達成與其他大型 AI 模型相近的效能。這與量化避險基金（Quantitative Hedge Funds）在金融市場中的策略如出一轍—篩選出最具價值的資訊，再透過自有演算法推導出市場趨勢，以提高效率，降低營運成本。
DeepSeek 團隊的核心策略正是刪除不必要的數據、優化運算過程，並利用開源技術降低開發成本。這使其能夠在較低的運算資源需求下，提供強大的 NLP 與推理能力。同時，DeepSeek 不像 Google 等公司有龐大繁瑣的體制流程，能夠快速推進想法。
二、AI 開發技術創新
除了公司文化外，關鍵更在於其獨特的技術創新與資源優化策略。DeepSeek 透過架構設計優化運算效率，降低 GPU 資源需求，從而實現更具成本效益的 AI 訓練與推理。以下是其核心技術突破點：
1. 多頭潛在注意力（MLA, Multi-Head Latent Attention）：
DeepSeek V3 採用 MLA 技術，能夠有效減少每次查詢（Query）所需的 KV 快取（KV Cache），減少推理過程中的運算資源消耗。根據研究，MLA 降低了 93.3% 的 KV 快取需求，這讓 DeepSeek 模型在相同的運算資源下，能夠處理更長的上下文，並提高推理速度。
2. 混合專家模型（MoE, Mixture-of-Experts）：
DeepSeek V3 採用混合專家模型（MoE），該架構允許模型將不同的 token 自動路由到最合適的專家模型，減少無謂的運算資源浪費。MoE 讓 DeepSeek V3 只需啟用一部分專家網路，而非整個模型參數運算，這使得推理過程更高效，比傳統 Transformer 模型降低了運算成本。
3. 多 Token 預測（MTP, Multi-Token Prediction） ：
DeepSeek 在 AI 模型訓練過程中導入 多 Token 預測技術，這種方法允許 AI 在訓練時預測多個 token，而非一次僅預測單個 token。使 DeepSeek 大幅提高了訓練效率，能在較短的時間內達成與 GPT-4o 相近的性能，同時降低 GPU 運算需求與能源消耗。
✦延伸閱讀：DeepSeek 技術為何能在全球迅速竄紅？隱私安全有哪些注意事項？iKala 統整企業對於 DeepSeek 的 FAQ
DeepSeek 與 OpenAI 比較：從技術蒸餾到開源戰略轉變
隨著 DeepSeek 在 AI 領域的崛起，市場普遍將其與 OpenAI 進行比較。不過，路透社報導 DeepSeek 可能採用技術蒸餾（Distillation） 方法，使較小的 AI 模型能夠透過模仿大型模型的行為與決策模式來學習，提高運算效率並降低成本，這一策略讓 DeepSeek 在推理能力與成本控制上取得優勢。
然而，面對 DeepSeek 帶來的競爭壓力，OpenAI 執行長山姆・奧特曼（Sam Altman） 也於近期報導中坦承，OpenAI 的封閉策略已站在歷史錯誤的一邊，並將重新思考開源策略，以維持技術競爭力。同時，OpenAI 也於 2 月 1 日正式推出 o3-mini 這款輕量級 AI 模型，並首次向用戶免費開放推理功能，顯示 OpenAI 正積極回應 DeepSeek 帶來的市場變革，試圖在 AI 競爭格局中保持領先地位。
以下整理 DeepSeek 與 OpenAI 的比較表格
| 比較項目 | DeepSeek | OpenAI |
|---|---|---|
| 技術架構 | 開源模型（DeepSeek-V3、R1），允許開發者自由部署與微調 | 封閉模型（GPT-4o），僅能透過 API 存取 |
| 核心技術 | 採用混合專家模型（MoE），減少不必要運算，提高推理效率 | 使用封閉式 Transformer 架構，整合多模態能力（文字、語音、圖像） |
| 語言與數據訓練 | 主要基於中文語言與開源數據，針對亞洲市場優化 | 訓練數據更廣泛，英語與多語言理解能力較強 |
| 推理與運算成本 | 多頭潛在注意力（MLA）技術減少 KV 快取需求，降低推理運算量 | 效能強大但運行成本高，需要高運算資源支援 |
| 應用場景 | 適合開發者、企業內部 AI 訓練、數學推理、程式輔助 | 適合企業級 AI 服務、對話 AI、創意生成、多模態應用 |
| 產品與整合 | 開源權重，適合開發者自行訓練與本地部署，但缺乏完整應用生態 | ChatGPT 商業化完整，整合 Microsoft Azure AI，適用於 B2B |
| 市場定位 | 中國市場為主，開源策略吸引開發者 | 全球市場領導者，與 Microsoft、企業 IT 深度整合 |
| 政府與法規影響 | 中國政府支持，開源策略提升市場接受度 | 品牌影響力大，但受 AI 監管與數據合規挑戰 |
DeepSeek vs. OpenAI，企業如何挑選？
- DeepSeek：適合希望本地部署、低成本 AI 訓練、開發可定制 AI 方案的企業，尤其適合數學、推理、中文 NLP 應用。
- OpenAI：適合 需要完整 AI 產品、企業級 API 整合、強大多語言能力的企業，特別適合全球市場和多模態應用場景。
DeepSeek R1 與 Google Gemini 比較，研調報告分析 Google 具備競爭力
儘管目前市場多數將 DeepSeek R1 與 OpenAI o1 進行比較，但在 Semianalysis 報告中分析，Google Gemini Flash 2.0 Thinking 在推理能力與成本控制上同樣具備競爭力。Google 在 R1 發布前一個月已推出該模型，並在多個基準測試中表現優於 R1，證明其在 AI 推理技術上的優勢。
儘管 R1 透過推理優化技術快速趕上 OpenAI o1，但在基準測試選擇上可能存在偏頗，僅呈現其領先的結果，而 Google Gemini Flash 2.0 Thinking 在更長的上下文處理能力下，仍能以更低的運算成本運行，顯示 Google 在推理成本方面具備優勢。
DeepSeek 竄紅引發的關注與爭議
1. 技術來源與知識產權
路透社報導 DeepSeek 可能採用技術蒸餾（Distillation） 方法，在訓練模型時使用了 OpenAI 的數據，進而快速提升自身能力，此舉也違反了 OpenAI 的服務條款，並可能影響未來數據蒸餾的政策。
✦延伸閱讀：iKala CEO Sega 分析：DeepSeek 是真開源還是假開源
2. 內容審查與言論自由
根據彭博（Bloomberg News）報導，DeepSeek 對於中國敏感的議題會進行自我審查，它會迴避對於六四天安門事件或中國入侵台灣可能性等地緣政治問題的詢問，研究人員警告，這種審查模式可能會傳播錯誤訊息並塑造國際輿論。
3. 數據隱私與資安問題
網路安全專家警告，DeepSeek 收集用戶聊天記錄、IP 地址與擊鍵模式，這些數據可能用於釣魚攻擊或操縱活動，對個人與企業的資安構成風險。此外，有報導指出 DeepSeek 將美國用戶數據傳輸至中國伺服器，引發外界對中國國家安全法監管的擔憂。
4. 各國限制與調查
隨著 DeepSeek 在全球爆紅，部分國家政府與企業已對其使用保持警戒，甚至考慮限制該技術的應用，以降低潛在的資安風險。據中央社報導，美國海軍已基於安全，要求人員避免使用DeepSeek模型；台灣數發部也發布，公務機關限制使用 DeepSeek AI 產品；其餘英、法、德等國也都針 DeepSeek 進行調查。
結論
DeepSeek 的快速崛起，顛覆了市場對 AI 模型發展的認知，憑藉開源策略、低成本推理與高效能訓練，成功挑戰 OpenAI、Google 等國際巨頭。其 R1、V3 模型 展現出卓越的推理與運算能力，讓 AI 技術更具普及性，同時也對 NVIDIA 的市場價值與 AI 晶片需求產生衝擊。
然而，DeepSeek 的興起也伴隨數據隱私、內容審查與國際市場競爭等爭議，特別是在 AI 監管趨嚴的背景下，未來的發展仍值得關注。隨著 Google Gemini Flash 2.0 Thinking、OpenAI o3-mini 等競爭對手入場，AI 推理市場將進一步加速變革。
DeepSeek 技術創新已為業界帶來新的可能性，企業與開發者應抱持開放態度觀察其應用發展，探索 AI 在低成本運算、推理能力提升與企業應用方面的新機遇。聯絡 iKala 了解更多 AI 應用！
✦延伸閱讀：AI Agent 是什麼？與 AI 助理、Chatbot 差異比較和應用場景解析
