美国南加大学者在研究DeepSeek 24小时后，搞懂了模型降本的秘密

　　文 | 新浪科技周文猛

　　2025年蛇年春节前夕，DeepSeek彻底出圈了。

　　1月27日，DeepSeek应用登顶苹果美国地区应用商店免费App下载排行榜，在美区下载榜上超越了ChatGPT。同日，苹果中国区应用商店免费榜显示，DeepSeek成为中国区第一。

　　DeepSeek究竟厉害在哪里？近日，浙江大学计算机博士、美国南加州大学访问学者、《业务驱动的推荐系统：方法与实践》作者傅聪在与新浪科技沟通中，解析了DeepSeek成功出圈背后的技术原理。

　　目前，业界对于DeepSeek的喜爱主要集中在三个方面。第一，在技术层面，DeepSeek背后的DeepSeek-V3及公司新近推出的DeepSeek-R1两款模型，分别实现了比肩OpenAI 4o和o1模型的能力。第二，DeepSeek研发的这两款模型成本更低——仅为OpenAI 4o和o1模型的十分之一左右。第三，DeepSeek把这一两大模型的技术都开源了，这让更多的AI团队，能够基于最先进同时成本最低的模型，开发更多的AI原生应用。

　　那么，DeepSeek是如何实现模型成本的降低？同时还保证模型效果比肩OpenAI 4o和o1模型的呢？

　　在与新浪科技沟通中，傅聪在深入研究Deepseek开源论文24小时后表示：“Deepseek确实有两把刷子，他们通过Multi-Head latent Attention（MLA）和DeepSeek MOE架构，节省了大量的显存，进而实现底层算力的高效利用，以更低的成本，训练出更加出色的模型效果，这种技术思路，是在DeepSeek V2版本发布时就已经得到验证。”

　　据傅聪介绍，目前，DeepSeek用于降低模型训练成本的技术，至少包括以下四类：

　　第一，DeepSeek使用了一种先进的、不需要辅助损失函数的专家加载均衡技术，该技术能保证每个token下，少量专家网络参数被真正激活的情况下，不同的专家网络能够以更均衡的频率被激活，防止专家网络激活扎堆。

　　“在DeepSeek V2时，他们在2360亿参数规模的模型上已验证了这一策略的有效性，这次DeepSeekV3他们在6710亿参数规模的模型上进一步验证了这一策略，这个规模基本接近头部玩家目前最好的商用模型参数规模，我们也看到deepseek V3所展示出的能力，在benchmark效果上与GPT4o和Claude-3.5能打个有来有回。”傅聪表示。

　　第二，DeepSeek还设计了一种“对偶流水线（Dual Pipeline）机制”，可以通过极致的流水线调度，把GPU中用于模型训练中数学运算的算力，和通信相关的算力在流水线执行过程中进行“并行隐藏”，实现了在训练过程所有的时间中GPU几乎不间断地进行运算。理论上，这个流水线机制，可以让GPU的指令执行流水线中的“气泡”，比目前最好的技术设计降低接近一半，同时只略微增加显存的消耗。

　　第三，DeepSeek技术团队还充分利用专家网络被稀疏激活的设计，限制了每个token被发送往GPU集群节点（node）的数量，这使得GPU之间通信开销稳定在较低的水位。

　　第四，DeepSeek还实现并应用了FP8混合精度训练的架构，在架构中的不同计算环节，灵活地、交替地使用FP8、BF16、FP32不同精度的“数字表示”，并在参数通信的部分过程也应用了FP8传输。在大大加快计算速度的同时，也降低了通信开销。

　　模型成本优化外，对于如何提升模型效果？傅聪指出，除了沿用MLA架构外，DeepSeek还应用了多token预测技术（multi token prediction），使得模型训练的时候，会同时预测序列后面更远的、不同位置的token。这可能使得模型有了对“更远未来”的感知能力，以此增强模型的效果。

　　在傅聪看来，DeepSeek V3是一个基础模型，事实上距离OpenAI的o1还有较大距离。真正帮助DeepSeek追赶o1的是最新模型DeepSeek-R1，该模型几乎单纯使用强化学习技术进行“后训练”，让模型的推理能力得到了极大的提升。简单来说，就是让R1模型在“后训练”过程中，通过学习CoT（思维链）的方式，一步一步推理得出结果，而不是直接预测答案。“这一方案，也是圈子内大家对OpenAI o1模型实现路径的猜测，而Deepseek用极快的速度，验证了这一路径的可行性！”傅聪表示。

　　在傅聪看来，DeepSeek R1所带来的技术突破，不仅证明了强化学习（RL）以及 inference time scaling law这条路子的可行性。还证明了即便是小模型（7~13B），也可以通过CoT + RL实现思考和自我演化（self- evolution），大幅提升推理能力。之前小模型往往因为幻觉严重，备受诟病，现在看来很多小模型在充分优化后，也具备在应用场景落地的潜力。

　　此外，R1的出现也会让学界和产业界更加重视合成数据，“后训练”时代，对基于CoT思想的优质合成推理数据的需求，将会大大增加。