作者：京东零售 姜海

DeepSeek 无疑是春节档最火爆的话题，上线不足一月，其全球累计下载量已达 4000 万，反超 ChatGPT 成为全球增长最快的 AI 应用，并且完全开源。那么究竟 DeepSeek 有什么魔力，能够让大家趋之若鹜，他又将怎样改变世界 AI 格局和我们的生活，本篇文章将进行简要解析。

DeepSeek 与 ChatGPT 对比

说到人工智能就不得不提 OpenAI 和 ChatGPT，这是绕不开的话题，要分析 DeepSeek 的实力，最简单的方式就是跟 ChatGPT 进行对比。

模型分类

ChatGPT 目前有两种大模型，分别是面向普通用户，解决日常应用问题的 4-OMNI，以及面向专业用户，处理深度思考问题的 O1，DeepSeek 与之对标的分别是 V3 模型以及 R1 模型。

实用效果

据我目前的使用体验下来，DeepSeek 的实际体验效果完全不输 ChatGPT，甚至在解决数学、物理和推理问题方面表现出色，响应速度比 ChatGPT 还要快，且能够完整地展示其思考和给出答案的过程，例如最经典的，让绝大多数 AI 翻车的“1.11 和 1.9 谁大？”的问题，ChatGPT 给出的回答是：

前言不搭后语，而反观 DeepSeek：

可以看到 DeepSeek 不仅给出了正确答案，而且展示了详细的解题思路，甚至有最后的验证。我也测试了许多其他的问题，DeepSeek 完全不拉垮，相对于 ChatGPT，他在中文领域的问题理解和处理更加到位，使用体验非常好。

这无疑也使得苹果公司柳暗花明又一村，为弥补 apple intelligence 上在中国区无法使用 ChatGPT 提供了完美的解决方案。

成本

成本分为两部分：硬件成本和训练成本。AI 大模型构建算法绝大部分都是基于公开的论文，所以市场上的大模型，底层逻辑都大同小异，训练数据也来自于互联网，所以主要的成本体现在硬件上，也就是提供 AI 算力的芯片，自从 AI 大爆发以来，大家的共识就是堆砌的芯片越多，大模型的表现就越优秀。我先简单介绍一下为什么提升 AI 的性能就要堆砌大量的芯片。

AI 算力的芯片领域是英伟达（Nvidia）一家独大，芯片价格非常昂贵，目前该公司最先进的 B200 芯片单张的价格就高达 4 万美金，而且对于 AI 公司来说你还必须买，因为芯片的产能有限，如果你不抢就会被竞争对手买走，导致你的大模型算力不如他的。

英伟达公司为自家的芯片研发了一种叫 CUDA 的核心的技术，其全名叫做 Compute Unified Device Architecture（统一计算设备架构）。

这是一种并行计算平台和编程模型。开发者通过它，可以间接利用 GPU 的处理能力，大幅提升计算性能。简单的说，CUDA 核心就像是一间间的海水提纯工厂，它可以把如海洋般的 GPU 算力转换成 AI 开发者可以直接使用的 AI 算力，越多的 CUDA 核心数量就意味着更大的 AI 算力。

这也就是为什么 AI 行业越发展，芯片的需求量越大，英伟达的市值就越高。美国也多次通过英伟达“锁算力”以及限制芯片出口，阻碍中国的 AI 发展。AI 行业的发展被一家公司扼住喉咙的现象显然极度不合理，英伟达可谓是真正的万恶之源。

OpenAI 不受限制，所以囤积了大量的英伟达芯片，训练 ChatGPT 据传用到了 5 万张英伟达的芯片，而 DeepSeek 作为中国公司，在这方面相比自然相去甚远。

DeepSeek 冲击

由于 CUDA 技术被英伟达牢牢掌握，所以间接提高了所有 AI 大模型的使用成本，阻碍了 AI 的发展。以 ChatGPT 为例，4-OMNI 和 O1 两个大模型的研发成本高达数十亿美金，免费用户使用有诸多限制，付费用户每月 20 美金，专业用户每月 200 美金，如果企业想要接入 OpenAI 的人工智能服务，调用 API 做客服等用途，则更是按字符收费，虽然比人工客服省钱，但也是一笔不小的开销。这些收入中，绝大多数都是用来平衡购买芯片带来的巨大成本。

DeepSeek 之所以引起全球瞩目，就是因为他在“芯片”受限的前提下，达到了与 ChatGPT 近似的使用体验，甚至在某些领域还远远超过了。OpenAI 和它的母公司微软囤积了大量的高端芯片，而 DeepSeek 手里的芯片，不论从数量还是质量上都不占优势，甚至可以说远远落后。

在深度解析 DeepSeek 开源的模型代码之后，研究人员发现，DeepSeek 之所以能够绝地反击，秘诀就在于他绕过了 CUDA 核心的限制，使用了完全创新的技术训练大模型，直接利用英伟达的底层技术调用了 GPU 的算力，相当于能直接使用如大海般的 GPU 资源，所以才能使用低端的芯片，在极短的时间内完成了模型的训练，达到了与 ChatGPT 近似的效果。

而且此技术成功解除了 AI 模型对英伟达芯片的依赖，使 DeepSeek 可以使用华为的芯片进行训练。DeepSeek 服务调用的费用只有 ChatGPT 的十分之一，具有非常高的性价比和广阔的应用前景。

整体来说，DeepSeek 用了很少的钱，很低端的工具，就把美国投入上百亿美元的事给办了。自从 DeepSeek 爆火之后，市场普遍认为英伟达的芯片估值过高，要实现高性能的 AI 并不需要如此之贵的芯片，最高端的芯片也并不值那个价钱，这直接导致英伟达的股价当天就暴跌 17%，创造了美国股市历史上单日最大跌幅，截至目前英伟达市值蒸发近 6000 亿美元。

技术曝光的第二天，英伟达，微软和亚马逊的计算平台都宣布接入 DeepSeek 模型，堪称 AI 界的“斯普特尼克时刻”，就如同当年苏联率先成功发射人造卫星时一样，让一直以为自己在技术上遥遥领先的西方世界陷入了一片混乱，世界 AI 市场的格局就此改变。

本地化部署 R1 模型

DeepSeek 虽然好，但是用过的同学都知道他有个致命的问题，就是万恶的资本主义经常组织针对 DeepSeek 的网络攻击，导致使用时出现“服务器繁忙的问题”。

为了避免被攻击，降低延迟和卡顿，规避共享敏感信息的风险，同时更灵活的进行微调和实验，我们可以把 R1 模型部署到本地。

安装 Ollama

首先登陆 Ollama 官网：https://ollama.com/。打开官网，然后点击下载，之后安装到本地。

拉取 DeepSeek R1 模型

然后打开 Ollama 的模型列表： https://ollama.com/library/deepseek-r1 ，搜索到 DeepSeek R1：

显卡需求

各个模型版本需求的显卡档次大致如下表：

我们普通的电脑安装 1.5B，7B 就可以使用，然后在【右上角的的代码】复制，打开终端，输入上述下载命令回车后，会出现模型下载进度，当进度为 100%就说明该模型已经下载到本地了。

输入 ollama list 可以查看安装的模型。

此时已经可以在控制台使用 R1 模型进行问答了。

包装 GUI

只能在命令行中使用既不美观也特别的不方便，所以我们可以使用现成的 GUI 进行包装，相当于包上图形用户界面。这里以 Cherry Studio 为例，下载对应版本后打开。

在设置中选择模型服务，选中 Ollama

填入对应的本地模型信息：

然后就可以使用了！希望本篇文章能够帮到大家！