網上關於DeepSeek的說法，哪些是錯誤的？

2025-05-13 23:10 江寧知府

1st
DeepSeek成功繞過了NVIDIA CUDA？
錯誤！
這是個流傳很廣的說法，意指DeepSeek透過繞過CUDA，徹底擺脫了NVIDIA的依賴。
聽起來確實很提氣，但這個言論的依據是DeepSeek採用了PTX程式設計替代了CUDA C/C++程式設計。
實際上，DeepSeek這麼幹的初衷，是為了解決H800 GPU被閹割的互聯頻寬，不得不下沉到更低一層，用“PTX手搓”來提升跨晶片通訊能力。

（如果換成H100，完全不需要這麼做，因為互聯頻寬足夠）。

那麼用了PTX就是繞過了CUDA嗎？完全不是。
PTX（Parallel Thread Execution）是NVIDIA CUDA程式設計模型的一部分，它是 CUDA 編譯器將原始碼（如 CUDA C/C++）轉換為低級別、硬體相關的機器指令之前的一個中間階段。
PTX在執行時會進一步被編譯成在NVIDIA GPU上執行的最終機器碼（SASS），然後交給GPU完成最終執行。
整個流程可以參考下圖↓
實際上，DeepSeek就是跳過了第一個環節，直接用更為複雜的PTX來編寫程式。
這樣雖然程式設計複雜度高，但是既解決了前面說所的跨晶片通訊瓶頸，又可以降低開銷、提升執行效率（把第一部分編譯過程省了）。
老司機都懂的，

這相當於我們以前不用C這樣的高階語言，直接拿彙編來寫程式，門檻高但是效率也高。

不得不說，DeepSeek這招確實確實挺高，但是直接採用PTX程式設計並不等於擺脫了CUDA生態依賴。
首先PTX本身就是CUDA生態的一部分，同時PTX程式碼只能在N家GPU上執行，且依賴N記驅動、工具鏈和庫，並不提供跨平臺、跨廠商支援，另外PTX的編寫和除錯，仍然需要依靠CUDA提供的工具。
總的來說，雖然DeepSeek透過直接編寫PTX獲得了更低階的控制，提升程式碼執行效率，解決跨晶片通訊瓶頸。
但這並不算繞開CUDA，因為PTX程式碼仍然需要CUDA的編譯、執行和管理機制來執行。

2nd
DeepSeek僅用600萬美元完成訓練？
既對又不對！
數字是正確的，而且真實的數字比這個還少，只有557.6萬美元。
但是我們需要理性的看待這個數字。
首先說這個資料哪裡來的，它來源於DeepSeek V3的技術報告。(https://github.com/deepseek-ai/DeepSeek-V3/blob/main/DeepSeek_V3.pdf)
在報告中明確指出，DeepSeek-V3 的完整訓練（含預訓練、上下文擴充套件和後訓練）僅需278.8萬H800GPU小時，總成本約 557.6 萬美元。（按2美元/H800GPU小時計算）
而單看預訓練，每訓練1萬億個Tokens，需消耗18萬H800GPU小時，摺合36萬美元。
玩過大模型訓練的都明白，這個花費確實太低了，比如Meta Llama3 405B的訓練成本約3930萬H100 GPU小時，是DeepSeek的14倍，而後者的671B的引數量更大。
（花血本砸錢的6小虎和巨頭們肯定哭暈在廁所，迎接他們的將是投資人的“拷打”

）

但是，需要特別說明的是：大模型訓練成本≠大模型開發成本。
557.6萬美元，這僅僅是訓練

消耗的GPU算力成本

，不包括整體軟硬體投入、資料採集與處理、軟體和系統開發、人力等等綜合成本。
那麼具體多少錢？官方沒有披露，我們不妨問問DeepSeek自己，看它怎麼說↓
而semianalysis.com也給出了DeepSeek的AI TCO分析，這張表很有參考價值，當然，這張表也只是按照自己囤卡來計算的GPU服務總成本+叢集運營成本。
光這部分的成本算下來就超過了25億美元。
所以，一開始，大家被600萬美元的模型成本給敲懵了，甚至開始恐慌，GPU被做空。
但細細推敲下來，600萬隻是冰山一角，所以你看，這幾天N家的股票開始慢慢回調了。
U1S1，557.6萬美元的淨算力成本，已經足夠震撼了。
DeepSeek依靠創新的演算法和架構做到了這一點，用更低的成本來訓練和推理模型。
這也給廣大創業公司打來了一扇窗，大家不再需要汗牛充棟囤卡堆算力，只要演算法好，完全可以借雞下蛋，租用GPU機時來搞定模型。
同時，也給廣大AI創業公司關上了一扇門，跟投資人要錢買鏟子、囤算力沒那麼容易了。
更深遠的影響還在後面，比如低算力需求，可以讓不怎麼強的國產算力卡真正走上臺面，既然大家不需要卷算力，確實可以卷卷自足可控了。
以及，我們可以考慮在自己筆記本上，執行一個性能相當不錯的模型啦。
3rd
美國5大巨頭全部接入DeepSeek？
這確實是真的，英偉達、微軟、英特爾、AMD、AWS五大巨頭確實先後宣佈上架或者集成了DeepSeek。
英偉達，DeepSeek-R1正式登陸NVIDIA NIM；
亞馬遜，DeepSeek-R1在Amazon Bedrock和SageMaker AI上線；
微軟，DeepSeek-R1在雲服務Azure上部署；
英特爾公佈，DeepSeek目前能夠在英特爾產品上執行；
AMD，DeepSeek-V3整合到Instinct MI300X GPU上。
這事兒確實“振奮人心”，但這件事，並不是像某些媒體說的那樣，“老外被DeepSeek打服了，集體認慫”。
只能說老外蹭起流量來比我們還猛呀，

大家只是覺得DeepSeek還是個不錯的模型，有資格跟我在一個桌吃飯了。
而且這種所謂上架也不是第一次，舉個例子，英偉達NVIDIA NIM其實上架了大量開源模型，比如Llama系列，StableDiffusion系列。
還包括阿里系的qwen系列，百度的飛槳OCR，以及零一萬物和百川智慧的模型。
所以，此番上架個DeepSeek也沒啥稀奇的，既然賣鏟子，所有的礦主和礦工都是我的生態，只有其他賣鏟子的才是我的敵人。（相信英特爾和AMD也是這個思路）。
再看AWS和Azure，作為“雲化鏟子”，他們早就看到了雲化算力、託管式模型服務是雲計算的下一個增長點，此刻下場也理所當然，毫不意外。
當然，他們的套路也不是給了DeepSeek專寵，而是一隻羊也是趕，一群羊也是趕。
比如AWS的Bedrock，其實已經網羅了170多個形形色色的模型，還差你這一個麼？
不過，AWS還是給了DeepSeek足夠的面子：一個獨立的Provider分類。
不像很多模型，只能擠在HuggingFace大目錄下。
但也僅限於這點小面子，因為DeepSeek在Bedrock上的部署模式還是基於Marketplace自助式，而並非像AWS親兒子Nova和乾兒子Claude那樣，是全託管Serverless模式。
還有一點很有意思，跟國外巨頭相比，可能因為春節假期原因，國內巨頭鏟子商們蹭熱度明顯慢了半拍，雖遲但到，趕在今天開工前，他們也都齊刷刷的上架了DeepSeek。

嘿嘿，嘿嘿這個節奏，很像去年大家集體卷帕魯，年中集體卷黑神話一樣呀。
不管怎麼說，這波流量讓大家都賺到了。
4th
DeepSeek遭受攻擊，國內“復仇者聯盟”集體救場？
DeepSeek被攻擊時真的，這個提示目前還掛在官方註冊頁面。
人紅是非多，何況是紅遍全球，遭人嫉妒被攻擊並不奇怪。
但是令人啼笑皆非的是接下來的劇情，相信類似的文字大家過年期間在某些文章或者短影片裡都刷到過——
這鬼扯的劇情還真有人相信了，我真無了個大語。
我就不解釋了，能信這條的，你怎麼跟他解釋沒有用

。

2023年春節，GPT讓很多圈裡人，開始重新認識AI的價值，2025年春節，DeepSeek徹底破圈，讓更多普通人，也認識到了AI的價值。
你能想象在一個偏遠的漁村小島上，你的初中同學會跟你聊DeepSeek嗎？
我這幾天也小試了一下DeepSeek，總體感覺還可以，尤其作為“嘴替”，它輸出的內容不“八股”，更像個人，你會被某些回答驚豔到。
但同樣的，幻覺問題還是很多，比如仍然答不對“9.9和9.11哪個大”，比如聯網搜尋後，對多個搜尋結果的歸納和提取不夠好。
幻覺多可能是因為訓練語料庫不夠的原因，而被大家津津樂道的“嘴替/更像人”，我覺得恰恰可能是DeepSeek對輸出內容安全的力度不夠，尚未遭受“社會毒打”。
另外，今天開工估計有更多的人湧向了DeepSeek，這種人肉DDoS充分考驗DeepSeek的資源量和推理架構，反正整個下午，我開啟DeepSeek，都是這樣的。
不過，不管是曇花一現還是變身巨頭，DeepSeek的意義都是深遠的，其核心價值是走了一條與各大巨頭、AI獨角獸都不一樣的道路，而且還走通了。
我年前還說：創業公司再難出巨頭。現在這句話可以暫時收回了。
也許，在中國正有一批DeepSeek們，他們就像哪吒，打破所有偏見，挑戰各大巨頭，只因“我命由我不由天”。

相關文章