AI Infra公司迎来DeepSeek-R1接入潮
自AI Infra公司宣布接入DeepSeek-R1模型以来，众多中小企业纷纷寻求合作，清程极智便遇到了类似的情形。客户最关心的问题是：“你们的DeepSeek是不是‘满血版’？”
注：DeepSeek“满血版”指的是参数高达671B的顶级版本，是普通版（14B/32B）的20倍以上。它支持本地/API部署及复杂科研计算，能力更强，对硬件要求也更高。
为了解决客户的疑虑，清程极智团队巧妙地利用工程手段，在官网上线了一个“满血版”鉴别小程序。该小程序通过精心挑选的题目来判断模型版本，回答准确则为“满血版”，否则可能不是。
这个小程序的访问量远超清程极智的预期。
清程极智的经历是AI行业近期发展的一个缩影。“整个AI行业最近一个多月都过得很充实。”业内人士表示，DeepSeek的火爆，让整个AI赛道“痛并快乐着”。
一方面，DeepSeek激发了用户对AI工具的需求，推动了AI普及。它也成为了增速最快的AI应用。但用户涌入也导致DeepSeek对话机器人频繁出现“服务器繁忙”的情况。
另一方面，DeepSeek的快速迭代和开源，让AI行业进入了新一轮的“军备竞赛”。云服务商、芯片制造商以及各类应用公司纷纷宣布接入DeepSeek。据统计，已有超过200家企业完成了DeepSeek技术接口的集成部署。
接入的企业也获得了巨大的流量。例如，腾讯元宝APP在接入DeepSeek后，下载量迅速攀升，登顶中国区苹果应用商店免费APP下载排行榜；硅基流动在全网最快接入DeepSeek-R1，访问量激增40倍，2月访问量高达1719万人次。
DeepSeek-R1的出现，提高了各方对AIGC应用发展的期待。Monica.im发布AI智能体产品Manus时，再次引发了“邀请码抢购”热潮。
无论是模型厂商还是AI产业链上下游公司，都在期待通往未来AI世界的关键路径。
DeepSeek的接入方式
早在2024年DeepSeek-V2模型发布时，业内已经关注到这家公司及其开源模型。
美图设计室技术负责人郭晨晖表示，为了提升AI应用的用户体验，美图一直关注国内外优秀的大模型。DeepSeek-V2发布后，美图的外采AI团队就与DeepSeek团队接触，尝试合作。为了寻求稳定性，美图当时主要通过第三方AI Infra服务商调用DeepSeek模型API。2024年9月，美图设计室接入了V2模型，辅助文案扩写，V3、R1模型发布后，他们也陆续进行了更新。
DeepSeek官方提供了两种接入方法：一是通过编程调用API接口；二是直接在APP或官网聊天窗口与AI对话，背后也是调用API。
但由于DeepSeek流量过高，存在服务器、人手不足等问题，API会出现超时等问题。郭晨晖表示，美图产品有着庞大的用户基数，流量可能激增数十倍，公有云的服务保障能力相对更强。
此外，“满血版”模型对硬件有一定要求；基于性价比考虑，美图的业务场景存在明显的高峰、低峰效应，云厂商可以抹平API调用高峰期的差异。“如果我们自己部署，低峰期资源利用率可能较低，造成资源浪费。”郭晨晖说。
因此，美图目前主要通过调用云厂商的API来接入DeepSeek-R1模型，并进行一定的私有化部署。
与美图类似，部署端侧芯片的此芯科技也关注着新发布的大模型，尤其是适合在端侧本地化部署的模型。此芯科技生态战略总经理周杰表示，对于开源的大模型，他们会第一时间投入资源进行异构适配。因此在DeepSeek发布V2以及R1后，此芯科技都第一时间尝试适配。
周杰认为，DeepSeek-V2模型的主要创新点在于：通过MLA架构降低KV缓存开销；以及通过MoE模型，让更大参数的模型在资源有限的情况下被使用。
当时，此芯科技很快适配了V2模型的light版本，即16B大小的模型。“虽然16B参数看起来很大，但实际运行时只会激活2.4B参数。我们觉得这样的模型非常适合在端侧运行，此芯科技的P1芯片也可以给2.4B参数规模的模型提供较好的支持。”周杰说。
周杰解释道：“用户使用DeepSeek等应用，需要调用云端算力，相当于DeepSeek或云厂商提供API给终端侧应用调用。但是部分端侧场景对数据隐私有较高要求，需要在本地运算。在端侧部署后，用户可以在断网情况下运行DeepSeek等模型。”
在满足算力和系统要求后，此芯科技就可以结合客户项目需求，与DeepSeek等模型厂商进行商业化合作，对模型进行微调优化，落地项目。
V2推出后，清程极智也尝试接入，但当时市场需求较少。R1出来后，他们决定接入并大规模推广。
清程极智提供基于系统软件的推理服务，他们为客户提供一套专属的DeepSeek的API用于应用服务。“我们接入的方式是把DeepSeek的开源模型下载下来，在我们的算力系统上用系统软件把服务部署起来。”汤雄超说。
简单来说，R1模型是一个几百G大小的文件，下载后无法直接使用。“它只是一个文件，不是一个可用的服务。我们需要将它运行起来，对外提供服务接口。用户通过API接口与模型对话。”汤雄超解释道。
基于前期积累，清程极智在下载模型文件后，一天内迭代出第一个版本，并针对R1模型结构进行优化，一周内正式上线“满血版”。
在汤雄超看来，技术环节比较顺利，更大的挑战来自商务侧和市场侧。客户的需求各不相同，包括算力平台、芯片型号、服务器规格等，需要针对不同基础做针对性调优。
API成本降低推动大模型普及
DeepSeek在2024年5月发布V2模型后，以极致性价比获得“AI界拼多多”的称号，并带动了国内大模型价格战。
价格战降低了API费用。以美图“AI商品图”为例，郭晨晖认为，美图在AI图像处理上拥有强大技术优势，DeepSeek模型的接入带来了用户体验和转化的正向反馈，且大语言模型API的调用成本占比很低，与美图的业务场景形成了优势互补，因此美图会加大对大语言模型应用的关注。
DeepSeek停止了V3模型为期45天的优惠价格体验期，API恢复原价。R1的百万tokens输入价格（缓存命中）为1元，百万tokens输入价格（缓存未命中）为4元，输出价格为16元。
而OpenAI的GPT-4o价格更高。最新发布的GPT-4.5的价格更是高达75美元/百万输入tokens，150美元/百万输出tokens，远高于GPT-4o。
郭晨晖认为，一方面DeepSeek模型调用费用在美图AI研投的整体成本占比不高；另一方面，DeepSeek恢复原价后依然处于比较便宜的价格区间，且美图接入DeepSeek后，在用户转化及反馈上是正向的，因此他们会加大在大语言模型方面的投入。
周杰也认为，DeepSeek的API价格比OpenAI低很多倍，大大降低了企业和用户的token购买费用。在端侧模型层面，现在一个3B的模型可能就能做到以前7B以上规模的模型效果，内存等成本也相对降低。
“这是个软硬件协同的过程。同样的硬件条件下，现在能实现以前更大参数规模的模型效果，或者要达到同样的模型效果，对硬件的要求变低了。”周杰说。
3月初，DeepSeek团队首次对外公布了模型的优化技术细节、成本利润率等关键信息。按DeepSeek测算，其成本利润率理论上能达到545%。
大模型成本的快速降低以及能力的提升，带来了to B和to C领域用户的高速增长。汤雄超透露，现在有很多的中小企业会主动联系到他们，希望获得基于R1模型的产品。
AI应用将加速爆发
百度创始人李彦宏表示，大模型的推理成本每12个月就降低90%以上，远超“摩尔定律”。随着大模型技术的迭代和成本的直线下降，人工智能应用将大爆发。
目前，AI市场处于高速增长阶段，汤雄超认为，DeepSeek的理论利润率对于整个行业意义重大，给市场科普了算力系统软件的重要性。
“过去大家并不是非常重视软件的能力，DeepSeek让大家认识到，花钱买软件不是浪费钱，而是为了更好地省钱。”汤雄超表示，在受过教育的市场环境下，核心系统软件的优势能被更大地发挥出来；短期来看，DeepSeek的开源也能让各方降低产品交付的商业成本。
随着越来越多企业接入DeepSeek，在其开源生态上做“建设”反馈，DeepSeek的发展进程也在加速。
郭晨晖认为，这也是DeepSeek开源生态最大的优势——接入的企业在各自应用场景上打造差异化能力产品，应用场景也能推动DeepSeek等基座大模型的发展。“各家公司在开源生态的差异化部署不仅能加速AI的创新，大模型的低成本化也有助于大模型在垂直细分领域的可用性，给AI的应用带来更大的想象空间。”郭晨晖说。
在周杰看来，除了云端应用爆发外，在DeepSeek的推动下，端侧AI应用也会在2025年实现井喷式发展。
“未来的AI是一个混合式的人工智能，不是所有东西都在云端跑，也不是所有东西都在端侧跑，因为各有各的优势。如端侧只能跑相对小规模参数的模型，但对于某些任务来说，对精度有更高要求，还是要用云端算力；而为了保证数据安全和隐私，就需要使用端侧能力实现以前更大参数规模的模型效果，这就形成一个混合式的部署方案。”周杰说，此芯科技也在跟云厂商进行这方面的应用探索。
“AI应用元年”已经不是一个新概念，但截至目前，AI行业从业者以及投资人，还在寻找更适合AI应用的落地场景。在周杰看来，这只是时间问题，“一个新生态的发展肯定需要一定时间，所有的东西不会突然完善，需要软件和硬件不断迭代。目前来看，芯片侧、模型侧等已经为AI的大规模应用打下了坚实的基础，后面需要更多的开发者来开发AI应用，满足实际的场景需求。”
