这份报告深入探讨了及其在人工智能领域的竞争和市场动态，内容涵盖发布影响、技术进步、用户使用趋势、token经济学、硬件限制、竞争格局等。先把原文的内容大概总结一下。

1. DeepSeek R1 的发布与市场影响

DeepSeek R1 自 2025 年 1 月 20 日推出已超过 150 天，其性能被认为与 OpenAI 的推理模型相当，但其定价策略极具颠覆性：输入/输出token价格仅为 10 美元。这一低价策略震撼了全球 AI 市场，引发了广泛讨论。许多人担心 DeepSeek（及其背后的中国 AI 生态）可能会通过低定价将 AI 模型商品化，从而压低整个行业的价格水平。

事实证明，这种担忧并非空穴来风。DeepSeek R1 的发布后，推理模型的价格普遍下降，例如 OpenAI 的输出token价格下降了 8 美元以上，迫使其调整旗舰模型的价格。这种价格战可能对行业的可持续发展构成挑战，因为过低的定价可能无法覆盖高昂的研发和计算成本。

根据 Reuters（2025-05-29）的报道，DeepSeek 的低成本和短开发时间震惊了全球市场，导致美国科技股价值蒸发数十亿美元，投资者重新评估 AI 巨头的估值。

2. 技术进步与强化学习

模型通过扩展强化学习（RL）得到了显著升级，尤其在编码领域表现突出。强化学习被视为 AI 模型发展的新范式，它不仅提升了性能，还使模型更加高效和实惠。

SWE-Bench显示，DeepSeek R1 在降低成本的同时，性能得到了显著提升。2025 年 5 月 29 日，DeepSeek 发布了 R1-0528 升级版，通过增加计算资源和算法优化，显著提升了推理深度。在 AIME 2025 测试中，准确率从 70% 提升至 87.5%，每题平均使用token从 12K 增加至 23K，显示了更强的推理能力。

然而，这种改进并非没有代价。报告指出，DeepSeek 通过增加延迟和降低吞吐量来实现低成本，这在一定程度上损害了用户体验。

3. 用户使用趋势

尽管 DeepSeek 的模型（如 R1 和 V3）在第三方托管平台上的使用量激增，自首次发布以来增长近 20 倍，但其自托管模型的用户增长却较为乏力。这可能是因为用户更倾向于使用其他开源提供商的服务，尽管 DeepSeek 的定价看似非常便宜。

这一现象反映了用户对服务质量、稳定性和体验的重视超过了单纯的价格因素。根据 TechTarget的报道，DeepSeek 的移动应用曾短暂超越 OpenAI 的 ChatGPT 成为 Apple App Store 排行榜第一，但其直接用户增长随后放缓，更多用户转向第三方托管服务。

4. token经济学（Tokenomics）

AI 模型的token经济学，即模型提供者在定价和性能之间的权衡。关键性能指标包括：

DeepSeek 的策略是通过高批量处理（在单个 GPU 上同时处理更多用户）来降低每token成本，但这导致了较高的延迟和较低的吞吐量。相比之下，其他提供商在相同价格下提供了更好的用户体验，这可能是 DeepSeek 自托管模型用户增长缓慢的原因。

以下是关键性能指标的对比表：

5. 硬件与计算限制

DeepSeek 的低成本策略依赖于高批量处理，这减少了推理计算资源的使用。报告指出，这种策略反映了 DeepSeek 的主要目标：不是追求盈利或提升用户体验，而是通过开源策略扩大全球影响力，推动通用人工智能（）的发展。

然而，中国在规模化推理模型方面面临出口管制的限制。DeepSeek R2 的延误传闻被认为与出口管制有关。尽管如此，其训练能力并未受到太大影响，最新版本 R1-0528 在编码领域表现显著提升。这表明中国在 AI 训练方面仍有较强的技术能力，但推理规模化可能需要克服硬件和政策上的障碍。

下面我们来聊两个问题。

在这篇报告中，这两个图，虽然大家没有SemiAnalysis这种定量的数据，但我们也能感受到。

Deepseek的使用量其实是越来越低的，这个问题文中只是从token经济学的角度进行了分析，而且是跟其他几个国外的大模型进行对比。但我认为其实少了很重要的一部分。

就笔者而言，自从豆包和腾讯元宝接入Deepseek后，我就再也没用过Deepseek官方的工具。既然都是一样的模型，腾讯和字节服务器响应又快，没必要跟大家去挤Deepseek的服务器，后面习惯了豆包和元宝后，甚至Deepseek的手机app也给删了，再也没用过。

而且笔者绝对算是AI的重度用户，除了平时代码中可能会用到个别AI平台的api需要费用之外，豆包和元宝从来没有花过钱。即便是豆包和元宝，我用的依然还是Deepseek的模型，但这部分的token，SemiAnalysis的数据中不会统计。

SemiAnalysis的这篇分析还提到了Deepseek R2，之前the information的消息说Deepseek R2的delay是由于出口管制，这个问题在星球中也讨论过。

我当时认为R2 delay跟出口管制关系不大。 在Deepseek刚爆火的时候，网上就很多机构分析过Deepseek之前通过合规渠道买到的用于训练的高端服务器的数量，当初合规渠道能买到的最高端的就是H20，也主要是用于推理，而且R2的训练早就开始了，从开始下单H20，再到部署、跑起来，都是需要时间的。当然还有些这边不方便说的原因，大家应该也都能想到。

SA认为出口管制对Deepseek训练的影响不大，而且影响了推理能力，也就是他们有没有足够的GPU，无法提供更好的服务。R1 - 0528 相较于之前的模型有显著进步，尤其在编码领域。此外，还有很多与计算约束无关的原因可能导致其训练进度放缓，比如遵守额外的审查和安全要求。