最近上线的中国AI软件DeepSeek引发业界震撼，开发商声称建构DeepSeek的基础成本很低，仅是OpenAI的零头，最广为流传的说法之一，是DeepSeek V3的训练成本约为600万美元。不过这个说法被半导业行业研究公司SemiAnalysis质疑，他们认为DeepSeek的成本应该至少13亿美元。
有趣的工程（Interesting Engineering）报导，SemiAnalysis指出，它未能解释几个关键因素。600万美元的估算，只考虑了GPU预训练费用，忽略了公司在研发、基础设施和其他必要成本方面的大量投资。报告强调，DeepSeek的总服务器资本支出，就高达13亿美元。
根据报导，DeepSeek使用了大约5万张Hopper GPU（微构架的），这导致业界产生了一些误解。以为这就等于5万张辉达H100 GPU（Nvidia Hopper H100 GPU）。
SemiAnalysis澄清说，英伟达的GPU有多种型号，包括H800、H100以及NVIDIA为应对美国出口限制而生产的H20。也是中国可以获得的类型。
该报告称，与一些较大的人工智能实验室不同，DeepSeek数据中心采用精简模型，来提高其灵活性和效率。这算是一种不错的调节能力，分析显示DeepSeek的R1模型，表现出与OpenAI的o1相当的推理能力。然而，这不意味着DeepSeek在所有指标都性能领先。
虽然DeepSeek的定价策略引起了关注和赞誉，但有一个重要的警告：功能相似的Google Gemini Flash 2.0，在API服务存取时更加经济。这使得DeepSeek处于一个十字路口，平衡性能和成本是其未来成功的关键。
但是，DeepSeek的多头潜在注意力（Multi-Head Latent Attention，MLA），是个颇具突破性的创新，这种方法透过减少键值（KV）缓存的使用，显著降低了93.3%的推理成本。不过，DeepSeek 带来的创新，也很可能会被渴望保持竞争力的西方人工智慧实验室迅速采用。
报告推测，DeepSeek可能产生不错的竞争环境，令其他同行也必须具有更快的调节能力。总之，SemiAnalysis描绘了DeepSeek在AI领域的当前地位。它的成本结构、GPU利用率，和创新能力，确实成为一名强大的AI参与者。
