一言以蔽之：DeepSeek被認為是打響了全球人工智慧競賽的第一槍。
DeepSeek橫空出世
2025年的趨勢真的是AI，蛇年除夕最大的新聞就是DeepSeek（深度求索）橫空出世，其效能可媲美OpenAI，但訓練成本卻遠低於OpenAI（公司宣稱只花了550萬美元），造成費城半導體指數跳水大跌9%，其中台積電ADR跌了13%、輝達跌了17%、博通跌了17%，晶片相關股票無一倖免。
以往這類的新聞往往會被視為是造假，不會造成股票市場的波動，但這次不一樣的是，由於DeepSeek是部分開源的（模型參數權重是公開的，但訓練數據和完整程式並未公開），所以其效能已可複現，也被證實的確是不錯。
由於美國政府限制高階算力晶片出口到中國，然而DeepSeek顛覆了傳統算力至上的邏輯，因而造成華爾街的恐慌。當然還是有很多人懷疑，深度求索公司低報了訓練成本，而是利用非法走私取得的大量晶片來訓練模型。
不過股票市場的崩跌，顯然是過度反應了，歷史上已經多次證明，硬體成本的降低並不會縮小市場，反而會鼓勵軟體的大量開發，因而擴大市場並造成AI的普及，個人電腦就是最好的例子。
DeepSeek站在巨人的肩膀上
傳統上認為，AI模型的參數越多，性能就會越好，但DeepSeek打破了這個限制，用小參數模型打敗了大參數模型，DeepSeek是如何做到便宜又好用的呢？
以前ChatGPT，要自己去爬GitHub、Wikipedia等網站，得到很多資料，再從這些原始資料開始學習。DeepSeek-V3其實也和ChatGPT一樣是大型語言模型，但DeepSeek-R1就不一樣了，它利用DeepSeek-V3產生的資料來訓練，首次就省去了許多搜集資料的時間，其次是這些生成的資料本身就是高品質的（例如ChatGPT的回應總是很有條理），更適合於模型的優化。
DeepSeek-R1能有更好表現的原因就是是它使用了更高品質的數據來訓練，這種做法稱之為「Distillation」，就像「蒸餾」一般，清除掉noise，分離出所要的物質。
簡單地說，就是DeepSeek-R1站在巨人的肩膀上，自然能比較輕鬆。新聞報導，對此，OpenAI就氣得牙癢癢的。不過話說回來，歷史上文明的進步，不都是站在別人肩膀上嗎？（事實上ChatGPT問世後，也有許多創作者控告OpenAI，在未經同意下，將其作品用於AI訓練。）
早年的AI是監督學習，需要使用人類先標記好的資料集才能訓練，後來出現了無監督學習，不再需要給定人類事先標記過的資料集。現在則更厲害了，連資料集都可以換成其他AI模型提供的，以後AI模型之間互相學來學去，就像武俠小說中的輕功「左腳踩右腳、右腳又踩左腳，如此互踩，凌身而上」，AI一飛沖天。
DeepSeek的名字
之前有提過ChatGPT的發音取得不順，這次來看看DeepSeek（深度求索）。
英文『DeepSeek』這個字裡面有兩處連續的ee，都是長母音，所以並不好念。而中文『深度求索』四個字太長了，縮寫成『求索』則是很彆扭，縮寫成『深索』則像眉頭深鎖不吉利，縮寫成『深求』也許會好一點。
明初大儒方孝孺說：「從人講説乎仁義道德之旨而深求之。」（聆聽他人對於仁義道德的講解，並努力理解深層含義。）『深求』的意思就是深入探究，蠻吻合DeepSeek的意境。另外，『深求』音似『Central』，也有站在中央Ｃ位主導AI引擎的霸氣。