一、用戶量：海外加速出圈，迅速登頂全球下載榜單
1、網頁端：重度用戶為主，DeepSeek 在 24 年 12 月 26 日推出V3（對標 GPT4o），因其顯著的性能，用戶迅速開始增長，同時在 1月 20 日發布 R1（對標 GPT-o1）后，進一步出圈。
2、APP 端：大眾用戶為主，R1 推出后，追平 GPT-o1，迅速出圈海外。根據點點數據，從 DeepSeek 在美國下載排名從 1 月 22 日的 201名，迅速在 1 月 27 日登頂第一名；根據七麥數據，截止 1 月 30 日，DeepSeek 在 168 個國家位居下載榜第一名。
二、DeepSeek 偏好激進性創新：架構（MOE+MLA）+精度（FP8）
1、MOE 架構創新：相比過去主流模型的 MOE 專家模型停留在8~16 個，而 DeepSeek 每個 MoE 層包含 1 個共享專家和 256 個路由專家，有助于降低模型推理時激活的參數量。
2、MLA 架構創新：MLA 通過聯合壓縮鍵值矩陣為低秩向量，將多個頭的鍵值信息融合，使推理時僅需緩存少量低秩向量，大幅降低 KV 緩存需求，減少內存占用。
3、訓練特色：突破大模型訓練固定思維（一般模型權重和梯度使用 FP16，優化器參數使用 FP32），敢于嘗試在低精度 FP8 的模式下訓練大模型，并且該嘗試同樣出現了較好的效果。
三、DeepSeek 開源對 AI 應用和 AI 終端的影響：產品力競爭時代
DeepSeek 從 V3 到 R1，將進一步推動全行業大模型的提升，更快的追趕 GPT4o 和 GPT-o1；同時成本的下降，有助于 AI 應用和 AI 終端的普及。未來行業競爭將進入“產品能力競爭”，巨頭的流量優勢將進一步凸顯。
四、DeepSeek 對推理成本的影響：用戶規模和使用頻次
未來推動推理成本增加的核心因素：用戶規模和用戶使用頻次的增加。根據 Grok 創始人，過去 60 年，每10年計算成本降低約1000倍，但人們的購買量增加了 10 萬倍，總支出反而增長了 100 倍。
附件：DeepSeek帶來的AI變革,在低精度FP8的模式下訓練大模型,計算成本降低約1000倍
DeepSeek大模型的開源,低成本和高性能將大幅降低大模型的獲得,部署和應用成本,將加快大模型在 B 端和 C 端應用場景的落地;已應用于端側、教育、金融、辦公、傳媒、醫療、智能汽車、企業服務等多個應用場景，應用領域廣闊
DeepSeek 降低了單個模型的部署成本,AI 應用有望大規模落地， 推理算力需求將顯著增長，相關廠商有望加速進入業績兌現期,在 AI 應用前沿落地 場景中，全球 AI 應用產業有望迎來共振期
PI 調用層面，DS/OpenAI 的輸入費用分別為 0.55/15 美元/百萬 token，DS 推理使用成本僅為 OpenAI 的 4%，顯著的降低資金門檻，推動了 AI 技術平權
精準數據洞察與自動化效能提升方法論;DeepSeek將在企業服務、科研創新等垂直領域深度滲透;DeepSeek將通過開源戰略擴大開發者社區規模，并推出模型微調平臺和低代碼部署工具
周鴻祎以DeepSeek帶來的變革為切入點，深入剖析AI行業發展趨勢，并分享了AI技術于創業的應用前景,未來應用將從六大方向實現爆發,企業內部未來一定是多個大模型組合工作
AI生成的回答重復相似,缺乏新意,即使改變提問,無法提供不同的結論;使用更多樣的訓練數據和算法，提高AI的多樣性;優化訓練參數， 避免模型陷入局部最優
模型難以處理訓練集外的復雜場景,模型過度依賴參數化記憶,普通用戶難以辨別AI內容的真實性，可能對醫療建議、法律咨詢等專業場景的可 靠性產生長期懷疑
DeepSeek技術突破與應用場景,冷啟動數據與多階段優化,本地部署與端云協同,垂直領域深耕（醫療、金融、教育）;智能協作與自動化轉型,消費決策與商業研究賦能
你想要生成什么樣的文案？ 這樣的文案具備哪些特征？ 你要針對什么生成類似文案？ 篇幅、用詞、結構優化;批量生成新媒體文案
提示語（Prompt）是用戶輸入給AI系統的指令或信息,包括指令、上下文和期望,為了更有效地進行任務分解，可以采用SPECTRA模型,能夠掃描讀取各類文件及圖片中的文字內容
講座為DeepSeek原理和應用系列研討的講座之一，聚焦提示詞工程與產業實踐兩大核心模塊，延續前序對AIGC底層邏輯的探討，系統拆解如何通過自然語言交互充分釋放DeepSeek潛能
進一步探討大模型和AIGC的底層工作機制，旨在幫助讀者突破工具應用的局限，理解DeepSeek和AIGC的深層次價值。最后，介紹如何科學選擇與高效使用 AI 工具，為大家提供更具深度與實用性的應用場景的指導，給聽眾帶來更落地的AI應用價值
