豆包能搜索、能生图，千问接入了淘宝和高德，元宝有实时语音对话和微信公众号的内容生态；更不用说海外的 ChatGPT、Gemini 等 SOTA 模型产品。 在一众恨不得把全能、多模态、AI 搜索写在脸上的竞品里，DeepSeek 显得格格不入，51.7 MB 的极简安装包，不追热点，不卷宣发，甚至连视觉推理和多模态功能都还没上。 而当我试图总结 DeepSeek 过去这一年的动作，把视线从这个单一的下载榜单移开，去看全球的 AI 发展，了解为什么它如此地不慌不忙，以及即将发布的 V4，又准备给这个行业带来什么新的震动；我发现这个「第七名」对 DeepSeek 来说毫无含金量，它一直是那个让巨头们真正睡不着觉的「幽灵」。 当全球的 AI 巨头都在被资本裹挟着，通过商业化来换取利润时，DeepSeek 活得像是一个唯一的自由球员。看看它的竞争对手们，无论是国内刚刚港股上市的智谱和 MiniMax，还是国外疯狂卷投资的 OpenAI 和 Anthropic。 没有资方的指手画脚。没有大公司病，许多拿了巨额融资的实验室，陷入了纸面富贵的虚荣和内耗，就像最近频频爆出有员工离职的 Thinking Machine Lab；还有小扎的 Meta AI 实验室各种绯闻。只对技术负责， 因为没有外部估值压力，DeepSeek 不需要为了财报好看而急于推出全能 App，也不需要为了迎合市场热点去卷多模态。它只需要对技术负责，而不是对财务报表负责。 App Store 的下载量排名，对于一家需要向 VC 证明「日活增长」的创业公司来说是命门。但对于一家只对 AI 发展负责、不仅不缺钱还不想被钱通过 KPI 控制的实验室来说，这些有关市场的排名掉队，或许正是它得以保持专注、免受外界噪音干扰的最佳保护色。 即便 DeepSeek 可能根本不在意，我们是否已经选择了其他更好用的 AI 应用，但它过去这一年带来的影响，可以说各行各业都没有错过。 最开始的 DeepSeek，不仅仅是一个好用的工具，更像是一个风向标，用一种极其高效且低成本的方式，打碎了硅谷巨头们精心编织的高门槛神话。 如果说一年前的 AI 竞赛是比谁的显卡多、谁的模型参数大，那么 DeepSeek 的出现，硬生生把这场竞赛的规则改写了。在 OpenAI 及其内部团队（The Prompt） 的最近发布总结回顾中，他们不得不承认， 根据 ICIS 情报服务公司最近的分析，DeepSeek 的崛起完全打破了算力决定论。它向世界展示了，即使在芯片受到限制、成本极其有限的情况下，依然可以训练出性能比肩美国顶尖系统的模型。 非洲使用率高：因为 DeepSeek 的免费策略和开源属性，消除了昂贵的订阅费和信用卡门槛。它在非洲的使用率是其他地区的 2 到 4 倍。占领受限市场： 在那些美国科技巨头难以触达或服务受限的地区，DeepSeek 几乎成了唯一的选择。数据显示，它国内的市场份额高达 89%，在白俄罗斯达到 56%，在古巴也有 49%。 欧洲一直是被动地使用美国的 AI，虽然也有自己的模型 Mistral，但一直不温不火。DeepSeek 的成功让欧洲人看到了一条新路，既然一家资源有限的中国实验室能做到，欧洲为什么不行？ 据连线杂志最近的一篇报道，欧洲科技界正在掀起一场「打造欧洲版 DeepSeek」的竞赛。不少来自欧洲的开发者，开始打造开源大模型，其中一个叫 SOOFI 的欧洲开源项目更是明确表示，「我们将成为欧洲的 DeepSeek。」 DeepSeek 过去这一年的影响，也加剧了欧洲对于「AI 主权」的焦虑。他们开始意识到，过度依赖美国的闭源模型是一种风险，而 DeepSeek 这种高效、开源的模式，正是他们需要的参照。 DeepSeek 似乎偏爱在农历新年这个时间节点搞事情。有消息透露，DeepSeek 计划在 2 月中旬（农历新年前后）发布新一代旗舰模型 V4。去年的 R1 也是在这个时间节点发布，随后在春节假期引爆了全球关注。 不得不说，这种时机选择避开了欧美科技圈的常规发布拥堵期，还充分用到了长假期间用户的尝鲜心理，确实能为病毒式的传播埋下种子。 据接近 DeepSeek 的人士透露，V4 并没有止步于 V3.2 在基准测试上的优异表现，而是在内部测试中，让其代码生成和处理能力，直接超出了 Anthropic 的 Claude 和 OpenAI 的 GPT 系列。 更关键的是，V4 试图解决当前编程 AI 的一大痛点：「超长代码提示词」的处理。这意味着 V4 不再只是一个帮我们写两行脚本的助手，它试图具备理解复杂软件项目、处理大规模代码库的能力。 计算与记忆解耦： 现有的模型为了获取基本信息，往往需要消耗大量昂贵的计算力来进行检索。Engram 技术能让模型高效地查阅这些信息，而不需要每次都浪费算力去计算 。省下来的宝贵算力，被专门用于处理更复杂的高层推理。研究人员称，这种技术可以绕过显存限制，支持模型进行激进的参数扩张，模型的参数规模可能进一步扩大。 它一年进账 50 亿，能够用来训练出上千个 DeepSeek R1，却没有一味卷算力，卷显卡，也没有传出要上市，要融资的消息，反而开始去研究怎么用便宜内存替代昂贵的 HBM。 过去一年，它几乎是完全放弃了全能模型的流量，在所有模型厂商，每月一大更，每周一小更的背景下，专注推理模型，一次又一次完善之前的推理模型论文。 这些选择，在短期看都是「错的」。不融资，怎么跟 OpenAI 拼资源？不做多模态的全能应用，生图生视频，怎么留住用户？规模定律还没失效，不堆算力，怎么做出最强模型？ 这就是DeepSeek的底色，在所有人都在卷资源的时候，它在卷效率；在所有人都在追逐商业化的时候，它在追逐技术极限。V4 会不会继续这条路？还是会向「常识」妥协？答案或许就在接下来的几周。