我们认为，DeepSeek 的核心优势为训练/推理成本优化，为 AI 应用的星辰大海创造可能。比如（1）DeepSeek-V2，采用混合专家（MoE）架构，相较同规模稠密模型节省 42.5%计算资源；（2）DeepSeek-V3，采用 FP8 混合精度框架实现高效训练，总成本较同类闭源模型降低 90%以上；（3）在推理专用模型（R 系列）中，DeepSeek-R1 通过大规模强化学习(RL)训练，引入显式思维链输出机制，可自主优化推理逻辑链，在数学、代码和推理任务方面均达到了与 OpenAI-o1 相当的性能，但推理成本仅为 OpenAI o1 系列的 1/30。（4）同时，通过知识蒸馏，推出 R1 的蒸馏版本 DeepSeek-R1-Distill-Qwen-7B、DeepSeek-R1-Distill-Qwen-32B，其中 DeepSeek-R1-Distill-Qwen-32B 在保持高基准准确率的同时，将推理功耗控制在低水平，显著提升了企业级应用的可行性。