作者｜宋思杭
编辑｜苗正卿
头图｜视觉中国
5 月前后，DeepSeek 的动作倒是频繁，却都不是大家期待的 R2。不过，一系列前菜已经给 R2 做足了铺垫。
5 月 14 日，一篇 DeepSeek V3 论文，揭示了梁文峰是如何做到 " 极致降本 " 的。这篇论文也让业界得以一窥这家以技术立身的公司，其 " 内功 " 究竟修炼到了何种火候。
与此前发布的 V3 技术报告不同，这篇论文详细阐述了 DeepSeek 如何做到在硬件资源的的 " 紧箍咒 " 下，通过精妙的 " 软硬一体 " 协同设计，将成本效益这笔账算到极致。（虎嗅注：DeepSeek-V3 仅使用了 2048 块英伟达 H800 GPU）
在 AI 大模型这条烧钱的赛道上，算力即权力，但也可能是压垮骆驼的最后一根稻草。DeepSeek V3 论文的核心，恰恰点出了一个行业痛点：如何让大模型不再是少数巨头的专属游戏？
论文中，DeepSeek 毫不吝啬地分享了其 " 降本增效 " 的几大秘籍，这些技术细节，字里行间都透露出对现有硬件潜能的极致压榨，也预示着未来 DeepSeek 系列模型在性能与效率上的野心：
其一，是给模型的 " 记忆系统 " 瘦身。AI 处理长文本、多轮对话时，需要记住海量的上下文信息，这部分 " 记忆 "（即 KV Cache）对显存的消耗极为惊人。DeepSeek V3 祭出了 " 多头隐注意力机制 "（MLA），好比给模型的记忆装上了一个高效压缩软件，能将冗长的信息浓缩成精华，大幅降低显存占用。这意味着，即便是处理越来越长的上下文，模型也能更加从容不迫，这对于解锁更多复杂应用场景至关重要。
其二，是打造 " 专家各司其职 " 的团队。面对大模型天文数字般的参数量，传统的 " 一人生万物 " 模式难免力不从心。DeepSeek V3 沿用并优化了 " 混合专家模型 "（MoE）架构。想象一下，一个庞大的项目被分解给一群各有所长的专家，遇到具体问题时，系统会自动 " 摇人 "，只激活最相关的几位专家协同作战。这样一来，不仅运算效率提升，模型的 " 有效规模 " 也能在控制之下，避免了不必要的资源浪费。DeepSeek 的优化，让这些 " 专家 " 间的沟通更顺畅，协作成本更低。
其三，是大胆拥抱 " 差不多就行 " 的数字精度。在 AI 训练中，数字的精确度并非越高越好。FP8，一种低精度数字格式，就像我们日常生活中算账，有时精确到 " 角 " 甚至 " 元 " 就已足够，不必非要到 " 分 "。DeepSeek V3 在训练中引入 FP8 混合精度，在对精度不那么敏感的环节 " 粗略 " 计算，直接效果就是计算量和内存占用大幅下降，训练速度更快、更省电。关键在于，论文证明了这种 " 偷懒 " 并不会明显牺牲模型的最终性能。
其四，是铺设更畅通的 " 信息高速公路 "。大规模训练离不开 GPU 集群的协同作战，GPU 之间的数据交换效率，直接决定了训练的整体速度。DeepSeek V3 采用了 " 多平面网络拓扑结构 "，优化了集群内部的数据传输路径，减少了拥堵和瓶颈，确保信息流转如丝般顺滑。
可以说，DeepSeek V3 的最新论文，更像是一次技术自信的展示。它传递出一个清晰的信号：即便没有最顶级的硬件配置，通过极致的工程优化和算法创新，依然可以打造出具备行业领先潜力的大模型。这无疑为那些在算力焦虑中挣扎的追赶者们，提供了一条更具可行性的攀登路径。
实际上，4 月 30 日，DeepSeek 还上了另一道 " 前菜 "。
当时，DeepSeek Prover V2 以 671B 的参数重磅亮相，要知道，DeepSeek 上一次发布 V2 模型的时候仅有 7B。对于 DeepSeek Prover V2，行业观察者们普遍认为，这是 AI 在辅助科学发现，特别是挑战人类智力极限的数学领域迈出的重要一步。
而 DeepSeek 近期的系列动作，放置于当前 AI 大模型产业的宏观背景下，更耐人寻味。
一方面，我们看到的是头部厂商在模型参数、多模态能力、应用生态上的全方位 " 内卷 "，技术迭代的速度令人目不暇接，资本的热情也持续高涨。但另一方面，算力成本的持续攀升、商业化路径的尚不清晰、以及 " 智能涌现 " 之后如何实现真正的价值创造，这些都是悬在所有从业者头顶的达摩克利斯之剑。
在这样的背景下，DeepSeek V3 论文所强调的 " 成本效益 " 和 " 软硬件协同 "，以及 Prover V2 所代表的在特定高壁垒领域的深耕，似乎在传递一种不同的信号：在追求更大、更强的同时，对效率的极致追求和对特定价值场景的深度挖掘，可能成为 AI 下半场竞争的关键变量。
当 " 大力出奇迹 " 的边际效应开始递减，当市场开始从对技术本身的狂热转向对实际应用价值的考量，那些能够更聪明地利用现有资源、更精准地切入真实需求、更深入地理解并解决复杂问题的玩家，或许才能在喧嚣过后，笑到最后。
DeepSeek 的这些 " 前菜 "，无疑吊足了市场的胃口。人们期待的，不仅仅是一个性能更强的 R2 模型，更是一个能够为行业带来新思路、新变量的 DeepSeek。在 AI 的牌桌上，这家以技术为底色的公司，显然还想打出更多意想不到的牌。
