为什么大家都说 DeepSeek 已经成为大模型的「斩杀线」？
2025年3月中旬，知乎上一则关于“DeepSeek成为大模型‘斩杀线’”的讨论迅速升温，在24小时内获得超过213万热度。所谓“斩杀线”，指DeepSeek以极低的训练成本（据公开报道，其V3模型训练成本约557万美元，仅为GPT4训练成本的十分之一左右）和开源策略，
事件概述
2025年3月中旬，知乎上一则关于“DeepSeek成为大模型‘斩杀线’”的讨论迅速升温，在24小时内获得超过213万热度。所谓“斩杀线”，指DeepSeek以极低的训练成本（据公开报道，其V3模型训练成本约557万美元，仅为GPT-4训练成本的十分之一左右）和开源策略，达到了与国际顶尖闭源模型相当的性能水平，从而在“性能-成本”坐标系中划出了一条新的基准线。这条线之下，任何宣称“高性能”但价格高昂或闭源的模型，都面临被市场直接淘汰的尴尬处境。
事件发酵的核心导火索是多家国内AI创业公司近期密集宣布产品降价或免费开放API，部分中小模型厂商被曝出客户流失率超过40%。与此同时，DeepSeek在多个权威评测榜单（如C-Eval、MMLU）上的排名稳定进入全球前十，且推理成本仅为同级别模型的五分之一。这一“降维打击”式的市场表现，让“斩杀线”一词成为行业共识。
背景解读
大模型行业在过去两年经历了从“参数竞赛”到“应用落地”的剧烈转型。2023年，行业焦点是“百模大战”，国内公开的大模型数量一度超过200个，各家以参数量、训练数据量作为核心卖点。然而，进入2024年下半年后，行业风向突变——GPT-4级别的能力不再是稀缺资源，如何以更低成本提供同等服务成为竞争主轴。
这一转向背后是三重压力：一是算力成本高企，英伟达H100 GPU价格虽从高峰期的4万美元回落至2.5万美元左右，但训练千亿级参数模型的单次成本仍在千万美元量级；二是资本退潮，据IT桔子数据，2024年国内AI大模型领域融资总额较上年下降35%，投资机构从“看技术”转向“看营收”；三是开源生态的挤压，Meta的Llama系列和Mistral等开源模型不断缩小与闭源模型的差距。
DeepSeek正是在这一背景下异军突起。其母公司幻方量化以量化交易起家，拥有大量自建算力集群，这使其在硬件折旧成本上具有天然优势。更重要的是，DeepSeek在算法层面采用了MoE（混合专家）架构和创新的训练策略，将训练成本压缩至行业平均水平的15%-20%。当行业还在讨论“如何把模型做得更大”时，DeepSeek已经回答了“如何把同等能力的模型做得更便宜”。
深度分析
对AI基础设施层的影响：算力租赁与云服务市场首当其冲。 据IDC报告，2024年国内智算中心利用率平均仅为58%，大量算力处于闲置状态。DeepSeek的低成本训练路径直接冲击了“算力即壁垒”的旧逻辑——当一家公司用557万美元就能训练出顶级模型时，那些投资数十亿建设智算中心的城市和企业面临资产减值风险。阿里云、腾讯云等头部云厂商已开始调整策略，将重心从“卖算力”转向“卖模型服务”，但短期内算力过剩与模型降价的剪刀差仍在扩大。
对应用层玩家的冲击更为剧烈。 大量依赖调用API的AI应用公司发现，DeepSeek的开源权重模型可以免费商用，且本地化部署后推理成本仅为闭源API的十分之一。据不完全统计，2025年2月至3月间，至少有15家中小AI应用开发商宣布将底层模型从闭源切换为DeepSeek。更深远的影响在于，那些以“自研大模型”为卖点的创业公司，其技术护城河被证明是虚假的——投资者开始质疑，既然开源模型已经足够好，为何还要为“自研”支付溢价？
对资本市场的传导效应已经显现。 二级市场上，A股AI概念股在3月中旬出现分化：算力硬件厂商（如中科曙光、浪潮信息）股价承压，而应用层公司（如金山办公、科大讯飞）因成本下降预期获得估值修复。一级市场则更为残酷，据清科研究中心统计，2025年第一季度，国内大模型创业公司新获融资案例数同比减少52%，且资金明显向头部集中。投资人普遍采用的新估值逻辑是：如果一家公司的模型能力不能显著超越DeepSeek开源版本，其估值上限即为“DeepSeek的微调服务商”。
类似案例
历史总是押着相似的韵脚。2011年，Hadoop生态的成熟曾对商业大数据软件厂商形成“斩杀”——Cloudera和Hortonworks等公司花费数年构建的分布式计算平台，被开源社区以更快的迭代速度碾压，最终两家公司被迫合并，市值较峰值缩水超过80%。当时的行业共识是“开源将吞噬一切”，但后来的演变证明，开源杀死的是“通用型中间件”的商业模式，却催生了“基于开源做行业解决方案”的新赛道。
更近的参照是2023年的Stable Diffusion对AI绘画领域的冲击。在Midjourney和DALL·E 2统治市场时，Stability AI以开源模型免费开放，直接拉低了AI绘画的入门门槛。结果并非闭源模型消亡，而是市场被重新分层：Midjourney凭借极致的用户体验继续占据高端订阅市场，而大量中小玩家则转向基于Stable Diffusion的定制化服务。
这两个案例的共同启示在于：“斩杀线”并非终点，而是市场重新洗牌的起点。被“斩杀”的从来不是技术能力，而是“以技术稀缺性为唯一卖点”的商业模式。DeepSeek的冲击波之后，存活下来的玩家将分为两类：一类在模型层之上构建不可替代的数据飞轮或用户体验，另一类则在垂直场景中深耕行业Know-how，让通用模型为专业需求让路。
延伸阅读
理解“斩杀线”现象，需要厘清大模型成本结构的三层逻辑。第一层是训练成本，包括GPU采购/租赁、电费、数据清洗和人工调参费用。DeepSeek之所以能压缩成本，关键在于其MLA（多头潜在注意力）架构和DeepSeekMoE设计，将激活参数控制在总参数的10%以内，大幅降低计算量。第二层是推理成本，即模型上线后每次调用产生的算力消耗。DeepSeek通过量化技术和投机解码，将单次推理成本降至行业平均的20%-30%。第三层是边际成本，开源模型允许企业免费下载权重，自行部署到私有云或本地服务器，这消除了API调用的持续费用。
行业内的“成本分层”趋势同样值得关注。目前，国内大模型市场已形成三个梯队：第一梯队是DeepSeek、阿里Qwen、字节豆包等“免费或极低价”的通用模型，占据约70%的API调用量；第二梯队是智谱、MiniMax等聚焦特定场景（如金融、医疗）的垂直模型，通过行业数据微调建立差异化；第三梯队则是大量依赖开源模型做“套壳”应用的微型团队，其生存空间正被压缩至极致。
对普通用户而言，这一变化的直接感受是AI服务的价格下降和选择增多。以编程助手为例，2024年初，GitHub Copilot的订阅费为每月10美元，而如今基于DeepSeek的同类工具免费可用，且代码生成质量在HumanEval基准上达到82.5%的通过率，与Copilot的84.2%差距甚微。这种“能力普及化”正在重塑用户对AI的预期——从“付费尝鲜”转向“默认免费”。
未来展望
DeepSeek“斩杀线”效应的后续发展，存在三种可能性路径。第一种是“收敛平衡”：DeepSeek的开源策略倒逼其他厂商跟进，行业进入“全民开源”时代，模型能力趋同，竞争焦点转向应用生态和用户体验，类似Android与iOS的格局演变。第二种是“闭源反击”：OpenAI、Anthropic等头部闭源厂商通过推出多模态、Agent等下一代能力，重新拉开代差，将“斩杀线”上移至更高维度。第三种是“监管介入”：随着开源模型被滥用的事件增多（如深度伪造），监管层可能对开源模型的发布设置前置审查，这将显著削弱DeepSeek的速度优势。
关键观察节点有三个：一是DeepSeek下一代模型（传闻中的R2或V4）是否延续低成本路线，若其将训练成本进一步压缩至200万美元以内，将彻底封死中小厂商的追赶空间；二是国内云厂商是否会将DeepSeek模型纳入“免费基础服务”，如同当年阿里将MySQL作为云数据库标配，这将改变整个行业的商业模式；三是海外市场对DeepSeek的接受度——目前已有部分东南亚和中东国家企业开始部署DeepSeek开源模型，若这一趋势扩展到欧洲，将对美国AI出口管制政策形成现实挑战。
