DeepSeek基礎(chǔ)知識2025年02月25日R1.0版

DeepSeek的背景知識

DeepSeek的技術(shù)特點DeepSeek的使用方法

DeepSeek的后續(xù)影響PART01DeepSeek的背景知識■

DeepSeek的背景知識什么是DeepSeekDeepSeek公司：杭州深度求索人工智能基礎(chǔ)技術(shù)研究有限公司。DeepSeek大模型：DeepSeek公司推出的一系列大模型的統(tǒng)稱?！?/p>

DeepSeek的背景知識DeepSeek公司成立時間：2023年7月；創(chuàng)始人：梁文峰（幻方量化的聯(lián)合創(chuàng)始人）；所在城市：浙江省杭州市拱墅區(qū)；公司口號：探索未至之境；?公司業(yè)務(wù)方向：專注于通用人工智能（AGI）技術(shù)的研發(fā)和應(yīng)用；“杭州六小龍”之一；團隊成員大多來自清華大學(xué)、北京大學(xué)、中山大學(xué)、北京郵電大學(xué)等國內(nèi)頂尖高校?！?/p>

DeepSeek的背景知識梁文峰出生年份：1985年；籍貫：廣東省湛江市吳川市覃巴鎮(zhèn)米歷嶺村；學(xué)歷背景：2002年，考入浙江大學(xué)電子工程系電子信息工程專業(yè)；2007年，考上浙江大學(xué)信息與通信工程專業(yè)研究生；2010年，獲得碩士學(xué)位；工作背景：2008年，開始帶領(lǐng)團隊使用機器學(xué)習(xí)等技術(shù)探索量化交易；2015年，創(chuàng)立了幻方科技（杭州幻方科技有限公司）；2019年，其資金管理規(guī)模突破百億元；2023年7月，幻方量化宣布成立大模型公司DeepSeek，進入通用人工智能（AGI）領(lǐng)域?！?/p>

DeepSeek的背景知識DeepSeek大模型發(fā)布時間表2024年01月05日，正式發(fā)布首個大模型DeepSeekLLM；2024年01月25日，正式發(fā)布DeepSeek-Coder，由一系列代碼語言模型組成；2024年02月05日，正式發(fā)布DeepSeek-Math，以DeepSeek-CoderV1.57b為基礎(chǔ)；2024年03月11日，正式發(fā)布DeepSeek-VL，是一個開源的視覺-語言（VL）模型；2024年05月07日，正式發(fā)布第二代開源MoE模型DeepSeek-V2；2024年06月17日，正式發(fā)布DeepSeek-Coder-V2，支持的編程語言從86種擴展到338種；2024年09月06日，合并DeepSeek-Coder-V2和DeepSeek-V2-Chat兩個模型，升級推出DeepSeek-V2.5；2024年11月20日，正式發(fā)布DeepSeek-R1-Lite預(yù)覽版；2024年12月13日，正式發(fā)布DeepSeek-VL2，用于高級多模態(tài)理解的專家混合視覺語言模型；2024年12月26日，正式發(fā)布DeepSeek-V3，并同步開源模型權(quán)重；2025年01月20日，正式發(fā)布DeepSeek-R1、DeepSeek-R1-Zero，并同步開源模型權(quán)重?！?/p>

DeepSeek的背景知識掀起本次DeepSeek熱潮的，主要是——DeepSeek-V3DeepSeek-R1DeepSeek-R1-ZeroPART02DeepSeek的技術(shù)特點■

DeepSeek的技術(shù)特點DeepSeek-V3的基本情況DeepSeek-V3是一款高性能、低成本的開源通用語言模型。適用場景：高性能對話、復(fù)雜任務(wù)處理和高精度場景，例如長文檔分析、多模態(tài)推理、科研計算等。設(shè)計目標(biāo)：進一步提升開源模型的能力，縮小與閉源模型的差距，同時保持訓(xùn)練成本的經(jīng)濟性。參數(shù)規(guī)模：共有6710億個參數(shù)。但每次處理一個token時只激活370億個參數(shù)。這種設(shè)計降低了計算成本。訓(xùn)練成本：總計278.8萬H800GPU小時（Meta的Llama3.1需要3080萬GPU小時）。假設(shè)每小時2美元，費用約557.6萬美元（約為GPT-4的二十分之一）。價格費用：模型API服務(wù)定價為每百萬輸入tokens0.5元（緩存命中）/2元（緩存未命中），每百萬輸出tokens8元。在性能實現(xiàn)領(lǐng)先的同時，定價大幅低于市面上所有模型，性價比優(yōu)勢明顯?！?/p>

DeepSeek的技術(shù)特點DeepSeek-V3的性能表現(xiàn)在數(shù)學(xué)推理（GSM8K）、代碼生成（HumanEval）、常識推理（MMLU）等基準(zhǔn)測試中達到領(lǐng)先水平。在公開評測集（如MMLU、BBH、DROP）中表現(xiàn)優(yōu)異，尤其在復(fù)雜推理任務(wù)上接近或超越GPT-4Turbo等頂尖模型。多項評測成績超越了Qwen2.5-72B和Llama-3.1-405B等其它開源模型，并在性能上和世界頂尖的閉源模型GPT-4o以及Claude-3.5-Sonnet不相上下。在知識類任務(wù)（MMLU,MMLU-Pro,GPQA,SimpleQA）上的水平相比前代DeepSeek-V2.5顯著提升，接近此前表現(xiàn)最好的模型Claude-3.5-Sonnet-1022

（Anthropic公司于2024年10月發(fā)布）。通過算法和工程上的創(chuàng)新，將生成吐字速度從20TPS（TransactionsPerSecond每秒完成的事務(wù)數(shù)量）大幅提高至60TPS，相比V2.5模型實現(xiàn)了3倍的提升，可以帶來更加流暢的使用體驗?！?/p>

DeepSeek的技術(shù)特點DeepSeek-V3的技術(shù)特點采用了多頭潛在注意力（MLA）和DeepSeekMoE架構(gòu)，實現(xiàn)高效推理，提升成本效益。開創(chuàng)了一種無輔助損失（auxiliary-loss-free）策略用于負載平衡，并設(shè)置了多token預(yù)測訓(xùn)練目標(biāo)，以提升性能。在訓(xùn)練效率上，運用了FP8混合精度訓(xùn)練，讓顯存得到了優(yōu)化，極大提升了計算性能與訓(xùn)練穩(wěn)定性。支持千卡級訓(xùn)練，滿足超大規(guī)模集群分布式訓(xùn)練需求。采用DualPipe（雙向流水線）算法和通信優(yōu)化，實現(xiàn)計算-通信近乎完全重疊。訓(xùn)練分為三個階段：預(yù)訓(xùn)練（Pre-Training）、長上下文擴展（LongContextExtension）和后訓(xùn)練（Post-Training）。推理環(huán)節(jié)通過獨特的P/D分離策略和NanoFlow的雙流推理模式，提升了系統(tǒng)的資源利用率。■

DeepSeek的技術(shù)特點關(guān)鍵技術(shù)——混合專家系統(tǒng)（MoE）混合專家架構(gòu)（MixtureofExperts），是一種將多個專門的子模型（稱為“專家”）組合在一起的機器學(xué)習(xí)架構(gòu)。通過一個門控網(wǎng)絡(luò)來動態(tài)地決定在處理每個輸入時應(yīng)該使用哪些專家，從而利用多個專家的優(yōu)勢來處理復(fù)雜的任務(wù)，提高模型的性能和泛化能力。圖片來自：DeepSeek論文■

DeepSeek的技術(shù)特點關(guān)鍵技術(shù)——多頭潛在注意力（MLA）多頭潛在注意力（MLA）：是一種改進的注意力機制，旨在提高Transformer模型在處理長序列時的效率和性能。MLA增強了模型處理細微關(guān)系和同時管理多個輸入的能力，使其對需要上下文深度的任務(wù)非常有效。如果以聽一場演講來類比，傳統(tǒng)的注意力機制需要記住每個時間點的所有細節(jié)（就像記錄每一秒的錄音），而MLA則只提取關(guān)鍵信息（就像只記錄每個重點句子），這樣大大降低需要記憶的信息。圖片來自：DeepSeek論文■

DeepSeek的技術(shù)特點關(guān)鍵技術(shù)——多令牌預(yù)測（MTP）傳統(tǒng)的語言模型通常只預(yù)測下一個令牌（token），而MTP則是在每個位置上，讓模型預(yù)測多個未來的標(biāo)記，從而提高模型的性能和效率。MTP不僅增加了訓(xùn)練信號的密度，還使模型能夠更好地規(guī)劃未來的表示，從而生成更連貫和準(zhǔn)確的文本。圖片來自：DeepSeek論文■

DeepSeek的技術(shù)特點關(guān)鍵技術(shù)——FP8精度訓(xùn)練DeepSeek-V3將大部分計算密集型操作（如矩陣乘法）使用FP8精度進行，同時保留一些關(guān)鍵操作（如嵌入層、輸出頭、歸一化操作等）的高精度（BF16或FP32），以確保訓(xùn)練的數(shù)值穩(wěn)定性。在此基礎(chǔ)上，進一步疊加細粒度量化、高精度累加、在線量化、低精度存儲和通信等技術(shù)方法，成功實現(xiàn)了高效的FP8精度訓(xùn)練。FP8精度訓(xùn)練不僅顯著提高了訓(xùn)練速度和效率，還保持了模型的高性能?！?/p>

DeepSeek的技術(shù)特點關(guān)鍵技術(shù)——雙向流水線（DualPipe）核心思想是將模型的不同層分配到不同的GPU上進行并行訓(xùn)練，并通過雙向流水線調(diào)度來同時處理正向傳播和反向傳播。具體來說，它允許從流水線的兩端同時輸入微批次（micro-batches），從而最大化地利用計算資源并減少通信開銷，該方法實現(xiàn)了高效的模型訓(xùn)練，為大規(guī)模分布式訓(xùn)練提供了強大的支持?！?/p>

DeepSeek的技術(shù)特點關(guān)鍵技術(shù)——跨節(jié)點通信技術(shù)通過高效的跨節(jié)點全對全通信內(nèi)核、通信和計算的重疊、定制化通信內(nèi)核、低精度通信以及對未來硬件設(shè)計的建議，顯著提高了跨節(jié)點通信的效率。不僅減少了通信開銷，還提高了整體訓(xùn)練效率，為大規(guī)模分布式訓(xùn)練提供了強大的支持?！?/p>

DeepSeek的技術(shù)特點DeepSeek-R1和DeepSeek-R1-Zero的基本情況DeepSeek-R1和DeepSeek-R1-Zero都是開源推理大模型。兩者均基于DeepSeek-V3的混合專家（MoE）架構(gòu)，總參數(shù)量為6710億，但每個推理請求僅激活約10%的參數(shù)以降低計算成本。主要區(qū)別：R1-Zero：完全依賴強化學(xué)習(xí)（ReinforcementLearning，RL）訓(xùn)練，跳過監(jiān)督微調(diào)（SupervisedFine-Tuning，SFT），通過組相對策略優(yōu)化（GroupRelativePolicyOptimization，GRPO）算法和組內(nèi)競爭機制優(yōu)化推理能力，主要目的是探索和驗證純RL的可行性和潛力。R1-Zero除了證明純強化學(xué)習(xí)的有效性，亦有“頓悟”現(xiàn)象的出現(xiàn)，即在模型自發(fā)的推理策略博弈中學(xué)習(xí)到的新的、更有效的推理策略。R1：在R1-Zero基礎(chǔ)上引入冷啟動數(shù)據(jù)和多階段優(yōu)化，結(jié)合監(jiān)督微調(diào)（SFT）與強化學(xué)習(xí)（RL），提升輸出的可讀性和穩(wěn)定性，優(yōu)化輸出質(zhì)量，對性能和實用性進行平衡，適用于實際場景?！?/p>

DeepSeek的技術(shù)特點DeepSeek-R1和DeepSeek-R1-Zero的基本情況圖片來源：《DeepSeek自學(xué)手冊》■

DeepSeek的技術(shù)特點DeepSeek-R1和DeepSeek-R1-Zero的對比R1R1-Zero主要特點在R1-Zero基礎(chǔ)上引入冷啟動數(shù)據(jù)和多階段優(yōu)化，結(jié)合監(jiān)督微調(diào)（SFT）與強化學(xué)習(xí)（RL）完全依賴強化學(xué)習(xí)（RL）訓(xùn)練，跳過監(jiān)督微調(diào)（SFT）推理能力穩(wěn)定且全面潛力大但波動性強可讀性語言流暢、結(jié)構(gòu)清晰語言混雜、重復(fù)率高泛化性覆蓋通用任務(wù)（問答、寫作等）局限于數(shù)學(xué)、代碼等強驗證領(lǐng)域訓(xùn)練效率冷啟動加速訓(xùn)練，避免局部最優(yōu)收斂時間長（無先驗引導(dǎo)）應(yīng)用場景實際場景技術(shù)驗證■

DeepSeek的技術(shù)特點DeepSeek-R1的性能表現(xiàn)DeepSeek-R1作為開源模型，在數(shù)學(xué)、代碼、自然語言推理等任務(wù)上，性能能夠比肩OpenAIo1正式版。在國外大模型排名榜ChatbotArena上，DeepSeek-R1的基準(zhǔn)測試排名已經(jīng)升至全類別大模型第三，與OpenAI的ChatGPT-4o最新版并列，并在風(fēng)格控制類模型（StyleCtrl）分類中與OpenAI的o1模型并列第一。DeepSeek-R1OpenAIo1AIME202479.8%79.2%MATH-50097.3%96.4%Codeforces20292061MMLU90.8%91.8%基準(zhǔn)測試成績對比■

DeepSeek的技術(shù)特點DeepSeek-R1的技術(shù)特點強化學(xué)習(xí)：DeepSeek-R1的訓(xùn)練方法是最大亮點。通過重新設(shè)計訓(xùn)練流程、以少量SFT數(shù)據(jù)+多輪RL強化學(xué)習(xí)的辦法（基礎(chǔ)模型→RL→微調(diào)迭代），既提高了模型準(zhǔn)確性，也顯著降低了內(nèi)存占用和計算開銷。獎勵機制設(shè)計：DeepSeek-R1采用了準(zhǔn)確性獎勵、格式獎勵、語言一致性獎勵等機制，確保了模型在推理任務(wù)中的高效性和可讀性。訓(xùn)練模板與結(jié)構(gòu)化輸出：DeepSeek-R1采用“思考-回答”雙階段訓(xùn)練模板，模型需先展示推理過程，再提供最終答案，推理過程可追蹤，為獎勵計算提供了明確基準(zhǔn)。蒸餾技術(shù)：DeepSeek-R1遵循MITLicense，允許用戶通過蒸餾技術(shù)借助R1訓(xùn)練其他模型。DeepSeek-R1系列提供1.5B至70B參數(shù)蒸餾版本，其中7B模型經(jīng)INT4量化后僅需2-4GB存儲，完美適配終端設(shè)備內(nèi)存限制。DeepSeek在開源R1-Zero和R1兩個660B模型的同時，蒸餾了6個小模型開源給社區(qū)，其中32B和70B模型在多項能力上可以對標(biāo)OpenAIo1-mini。開放思維鏈（CoT，ChainofThought）輸出：DeepSeek-R1的動態(tài)思維鏈，支持?jǐn)?shù)萬字級內(nèi)部推理過程，解決復(fù)雜問題時能自主拆解步驟并驗證邏輯，輸出可解釋性更強的結(jié)果。DeepSeek-R1通過API對用戶開放思維鏈輸出?！?/p>

DeepSeek的技術(shù)特點關(guān)鍵技術(shù)——模型蒸餾（KnowledgeDistillation）模型蒸餾是一種將大型復(fù)雜模型（教師模型）的知識遷移到小型高效模型（學(xué)生模型）的技術(shù)。其核心目標(biāo)是在保持模型性能的同時，顯著降低模型的計算復(fù)雜度和存儲需求。DeepSeek利用強大的教師（R1）模型生成或優(yōu)化數(shù)據(jù)，幫助小模型更高效地學(xué)習(xí)。此外，通過監(jiān)督微調(diào)（SFT）的方式，將教師模型的知識遷移到學(xué)生模型中?！?/p>

DeepSeek的技術(shù)特點總結(jié)——DeepSeek大模型的核心特點高性能+低成本+開源+國產(chǎn)PART03DeepSeek造成的影響■

DeepSeek造成的影響市場反饋1月27日，DeepSeek引發(fā)了股票市場的劇烈波動。AI概念股大跌，歐美科技股市值蒸發(fā)1.2萬億美元，歐美芯片制造商以及為AI和數(shù)據(jù)中心供電的全產(chǎn)業(yè)鏈公司齊跌。其中，英偉達收盤暴跌16.97%，市值一個交易日蒸發(fā)5926.58億美元（約合人民幣4.3萬億元），規(guī)模創(chuàng)美股史上最大。截止1月31日，DeepSeekApp上線僅21天，日活躍用戶DAU2215萬，達ChatGPT日活用戶的41.6%，超過豆包（1695萬）。截至2月2日，DeepSeekApp迅速攀升至140個國家的蘋果AppStore下載排行榜首位，并在美國的AndroidPlayStore中同樣占據(jù)榜首位置?！?/p>

DeepSeek造成的影響大佬表態(tài)美國總統(tǒng)特朗普：DeepSeek給我們（科技）行業(yè)敲響了警鐘，我們應(yīng)為了贏得勝利而努力競爭。微軟CEO納德拉：在財報電話會議上稱DeepSeek“有一些真的創(chuàng)新”，并透露R1模型已經(jīng)可以通過微軟的AI平臺獲取。MetaCEO扎克伯格：Meta將DeepSeek視為競爭對手并正在學(xué)習(xí)。ASMLCEO：DeepSeek這樣的低成本模型將帶來更多而非更少的AI芯片需求。Anthropic創(chuàng)始人：DeepSeek-V3是真正的創(chuàng)新所在。人工智能專家吳恩達：中美AI差距正在迅速縮小。OpenAICEO山姆奧特曼：“在開源上，OpenAI站在了歷史的錯誤一方”。《黑神話：悟空》的制作人馮驥：這是一項“國運級別的科技成果”?！?/p>

DeepSeek造成的影響重要影響1：改變了AI技術(shù)的發(fā)展方向DeepSeek通過算法創(chuàng)新和系統(tǒng)工程優(yōu)化，實現(xiàn)了與國際頂尖模型相當(dāng)?shù)男阅?，同時大幅降低了訓(xùn)練成本。算力至上的傳統(tǒng)認(rèn)知被徹底打破。訓(xùn)練AI大模型，并不只有算力堆砌這一條路。算法創(chuàng)新的重要性提升，不再僅僅聚焦于算力創(chuàng)新和數(shù)據(jù)創(chuàng)新。通過算法的優(yōu)化，可以實現(xiàn)AI平權(quán)?！?/p>

DeepSeek造成的影響重要影響2：改變了全球AI進展的格局DeepSeek大模型的出現(xiàn)，對美國的人工智能領(lǐng)導(dǎo)地位構(gòu)成威脅，不僅引發(fā)了OpenAI、Meta、谷歌等眾多大模型廠商恐慌，還引發(fā)了英偉達等AI芯片企業(yè)的股價大跌。DeepSeek表明中國與美國在AI大模型領(lǐng)域的差距正在快速縮小，甚至在某些方面實現(xiàn)了超越。DeepSeek大幅提升了國產(chǎn)AI產(chǎn)業(yè)鏈（芯片、終端、大模型、應(yīng)用）的信心。DeepSeek進一步引發(fā)了資本市場對中國科技力量的重新評估，也影響了對中概股的重新估值。DeepSeek的成功，對其它發(fā)展中國家也有鼓舞作用，有助于AI全球化普及和應(yīng)用?！?/p>

DeepSeek造成的影響重要影響3：全面加速AI端側(cè)應(yīng)用的落地大模型的價格正在快速下降，極大推動了AI在端側(cè)的應(yīng)用普及。AI推理首次真正突破硬件限制，部署成本從高端GPU擴展至消費級GPU。大模型開始具有低參數(shù)量的特征，加上蒸餾技術(shù)的崛起，為本地化部署到AI終端運行提供了可能。本地部署為用戶提供了更高的靈活性和隱私保護，尤其適合對數(shù)據(jù)安全有較高要求的場景，有利于AI的進一步普及。算力需求會從預(yù)訓(xùn)練端轉(zhuǎn)移到推理端。推理需求的持續(xù)增長，會帶動端側(cè)AI算力芯片、終端等產(chǎn)業(yè)的增長浪潮。AI端側(cè)應(yīng)用普及，會進一步推動各行各業(yè)的效率提升，加速催生了新的商業(yè)模式和產(chǎn)業(yè)形態(tài)。垂直行業(yè)模型有可能迎來一波發(fā)展高潮?！?/p>

DeepSeek造成的影響重要影響4：對AI算力供給關(guān)系造成沖擊短期來看，市場和公眾普遍認(rèn)為DeepSeek的出現(xiàn)，降低了AI大模型對智算算力的需求（英偉達股價下跌的原因）。但事實上，從長期來看，根據(jù)杰文斯Jevons悖論（第一次工業(yè)革命期間，蒸汽機效率的提升，使得市場上煤炭的消耗總量反而增加了），整個社會隨著AI應(yīng)用的加速普及，對算力的總需求反而會增加?！?/p>

DeepSeek造成的影響重要影響5：引領(lǐng)開源力量的大跨步發(fā)展DeepSeek是開源大模型的一次重大勝利。DeepSeek的成功，吸引了大量開發(fā)者參與改進和研究，推動了開源社區(qū)的發(fā)展。DeekSeek對閉源模型市場形成了沖擊，迫使閉源廠商降低價格或提升性能以維持市場份額?！?/p>

DeepSeek造成的影響云廠商全面接入DeepSeek華為云：2月1日，華為云聯(lián)合硅基流動首發(fā)并上線基于昇騰云服務(wù)的DeepSeekR1/V3推理服務(wù)。騰訊云：2月3日，騰訊云宣布DeepSeek-R1大模型一鍵部署至騰訊云「HAI，高性能應(yīng)用服務(wù)」上。阿里云：2月3日，阿里云宣布阿里云PAIModelGallery支持云上一鍵部署DeepSeek-V3、DeepSeek-R1。百度智能云：2月3日，百度智能云宣布百度智能云千帆平臺已正式上架DeepSeek-R1和DeepSeek-V3模型?；鹕揭妫?月4日，支持V3/R1等不同尺寸的DeepSeek開源模型，可在火山引擎機器學(xué)習(xí)平臺veMLP中部署，也可在火山方舟中調(diào)用。金山云：2月8日，已正式發(fā)布基于DeepSeek-R1蒸餾模型的多種鏡像服務(wù)，用戶可在公有云GPU云服務(wù)器、GPU裸金屬服務(wù)器分別搭建推理服務(wù)。微軟Azure：1月29日，，微軟也宣布DeepSeekR1已在AzureAIFoundry和GitHub上提供，開發(fā)者將很快就能在Copilot+PC上本地運行DeepSeek的R1精簡模型，以及在Windows上龐大的GPU生態(tài)系統(tǒng)中運行。亞馬遜AWS：1月30日，亞馬遜表示，DeepSeek-R1模型現(xiàn)在已可以在AmazonWebServices上使用?！?/p>

DeepSeek造成的影響運營商全面接入DeepSeek中國電信：天翼云自研“息壤”智算平臺完成國產(chǎn)算力與DeepSeek-R1/V3系列大模型的深度適配優(yōu)化，成為國內(nèi)首家實現(xiàn)DeepSeek模型全棧國產(chǎn)化推理服務(wù)落地的運營商級云平臺；中國移動：移動云全面上線DeepSeek，全版本覆蓋、全尺寸適配、全功能暢用。現(xiàn)已全面兼容DeepSeek所有主流版本，靈活應(yīng)對多樣化業(yè)務(wù)場景需求；中國聯(lián)通：聯(lián)通云與DeepSeek實現(xiàn)多場景深度對接。聯(lián)通云已基于“星羅”平臺實現(xiàn)多規(guī)格DeepSeek-R1模型適配，并在全國270多個骨干云池預(yù)部署，接入多種產(chǎn)品場景。■

DeepSeek造成的影響生態(tài)鏈適配目前已有多家國產(chǎn)AI算力廠商宣布適配DeepSeek，比如華為昇騰、壁仞科技、天數(shù)智芯、摩爾線程、沐曦等。2月4日，天數(shù)智芯與GiteeAI聯(lián)合發(fā)布消息，在雙方的高效協(xié)作下，僅用時一天，便成功完成了與DeepSeekR1的適配工作，并且已正式上線多款大模型服務(wù)。2月4日，華為表示，潞晨科技攜手昇騰，聯(lián)合發(fā)布基于昇騰算力的DeepSeekR1系列推理API及云鏡像服務(wù)。2月6日，吉利汽車與DeepSeek完成模型融合，計劃通過蒸餾訓(xùn)練優(yōu)化車載AI功能（如意圖理解、主動服務(wù)等），并計劃在智能座艙、自動駕駛等領(lǐng)域應(yīng)用。2月7日，嵐圖汽車則宣布首款量產(chǎn)車型“知音”將搭載DeepSeek模型，支持AI多語義指令識別等功能。2月16日，百度搜索和文心智能體平臺宣布將全面接入DeepSeek和文心大模型最新的深度搜索功能。2月17日，有媒體發(fā)現(xiàn)，微信已為搜索功能接入DeepSeek-R1模型，處于小范圍灰度測試中?！璓ART04DeepSeek的使用方法■

DeepSeek的使用方法DeepSeek的使用入口官方官網(wǎng)：/官方API平臺：/第三方各大應(yīng)用商店，下載官方App第三方工具接入自己搭建部署私有化部署（本地部署）■

DeepSeek的使用方法DeepSeek的模式深度思考：讓模型既聰明又“會說人話。擅長用系統(tǒng)化的方法分析問題，能把復(fù)雜的事情拆解得明明白白。聯(lián)網(wǎng)搜索：DeepSeek的AI搜索功能，基于RAG（檢索增強生成）。它讓DeepSeek不僅能依賴自己的訓(xùn)練數(shù)據(jù)（更新至2024年7月），還能根據(jù)互聯(lián)網(wǎng)實時搜索相關(guān)內(nèi)容來回答問題?！?/p>

DeepSeek的使用方法DeepSeek的日常應(yīng)用場景場景細分場景再細分場景文本生成文本創(chuàng)作文章寫作、詩歌創(chuàng)作，文案生成，劇本設(shè)計……摘要與改寫生成論文摘要，外文翻譯，文本風(fēng)格轉(zhuǎn)換……結(jié)構(gòu)化生成生成表格，代碼注釋……自然語言處