DeepSeek洞察与大模型应用-人工智能技术发展与应用实践+DeepSeek私有化部署和一体机分析.pptx

DeepSeek洞察与大模型应用

人工智能技术发展与应用实践;

中美在Al领域的现状及对比;

幻方/DeepSeek时间线

幻方AI

R1

2021

V3

量化破千亿规模

跻身量化“四大天王”

v?

deepseek

仅1元

20192019

成立幻方AI萤火一号集群

幻方人工智能基础500卡

研究有限公司后增加1100加速卡

2亿投资;

DeepSeek-V3(对标GPT-4o)于2024年12月

26日推出，因其显著的性能，用户迅速开始增长

·Deepseek-V3仍是基于Transformer架构的模型，是一个强大的混合专家(MoE)模型，总共有671B个参数，生成每个token时激活37B参数

·训练成本比Llama405B低一个量级

·DeepSeek-V3所采用的技术：

·MLA多头潜在注意力机制(降低显存占用)

·MTP多token预测(提升效果、提升推理速度)

·FP8混合精度训练、DualPipe流水线、MoE负载均衡(提升训练效率，降低训练成本);

DeepSeek-R1(对标GPT-o1)于2025年1月

20日推出，随后DeepSeek进一步出圈

·R1推出后，追平GPT-o1,迅速出圈海外。从

DeepSeek在美国下载排名从1月22日的201名，迅速在1月27日登顶第一名；截止1月30日，DeepSeek在168个国家位居下载榜第一名

·DeepSeek-R1-Zero:一种通过大规模强化学习(RL

)训练的模型，没有监督微调(SFT)作为初步步骤，展示了卓越的推理能力。通过强化学习，R1-Zero自然而然地出现了许多强大而有趣的推理行为；但是，遇到了可读性差和语言混合等挑战

·DeepSeek-R1:为了解决这些问题并进一步提高推理性能，DeepSeek团队引入了R1,它在RL之前结合了多阶段训练和少量冷启动数据。R1在推理任务上实现了与OpenAI-o1-1217相当的性能;

Rank*

(UB)

1

1

1

4

4

4

7

7

9

9

9

9

9;

DeepSeek模型效果(2/2)

■DeepSeek-V3和R1相对于700亿以下开源模型(以干问720亿为代表),多项能力明显提升，扩充了其能力边界

■DeepSeek-R1引入深度推理能力，在代码、数学、复杂规划等方面的能力显著增强，使得对于新场景的支持成为可能;

模型;

训练耗时

单元：万GPU小时

40-

30.8下降一个量级

20-

0

Uama3.14058DeepSeekV3671B

MMLU得分

90

Cksude-3.5-Sonnet

●GPT-4o

●Uama31-4058

·Qwen25-72B

82*DeepSoek-23

●GPT-40mini

API价格￥/Mtokens

10

)100;;

DS开源策略全面冲击基础模型商业模式，将大厂在C端、B端过去一年构建的技术优势拉回同一起跑线,市场竞争从一阶段比拼模型能力，进入比拼应用、数据、工程化交付能力的第二阶段

C端AI应用市场格局重构，新入局者迎来机遇B端客户全面评估DS影响，重新论证基础模型选型;

中美在Al领域的现状及对比;

全球数字科技人才总量H-index20以上人才数量

■12758a724

M7,146

3520

3492

3325

1+27

768111+12219

758311204686工工1266

s422湖=212;

中美在