DeepSeek 带着 R1 在一年前的今天（2025.1.20）横空出世，一出场就吸引了全球的目光。

那时候为了能顺畅用上 DeepSeek，我翻遍了自部署教程，也下载过不少号称「XX – DeepSeek 满血版」的各类应用。

一年后，说实话，我打开 DeepSeek 的频率少了很多。

豆包能搜索、能生图，千问接入了淘宝和高德，元宝有实时语音对话和微信公众号的内容生态；更不用说海外的 ChatGPT、Gemini 等 SOTA 模型产品。

当这些全能 AI 助手把功能列表越拉越长时，我也很现实地问自己：「有更方便的，为什么还要守着 DeepSeek？」

于是，DeepSeek 在我的手机里从第一屏掉到了第二屏，从每天必开变成了偶尔想起。

看一眼 App Store 的排行榜，这种「变心」又似乎不是我一个人的错觉。

没有资方的指手画脚。没有大公司病，许多拿了巨额融资的实验室，陷入了纸面富贵的虚荣和内耗，就像最近频频爆出有员工离职的 Thinking Machine Lab；还有小扎的 Meta AI 实验室各种绯闻。只对技术负责， 因为没有外部估值压力，DeepSeek 不需要为了财报好看而急于推出全能 App，也不需要为了迎合市场热点去卷多模态。它只需要对技术负责，而不是对财务报表负责。

App Store 的下载量排名，对于一家需要向 VC 证明「日活增长」的创业公司来说是命门。但对于一家只对 AI 发展负责、不仅不缺钱还不想被钱通过 KPI 控制的实验室来说，这些有关市场的排名掉队，或许正是它得以保持专注、免受外界噪音干扰的最佳保护色。

图片来源：https://openaiglobalaffairs.substack.com/p/deepseek-at-1

如果说一年前的 AI 竞赛是比谁的显卡多、谁的模型参数大，那么 DeepSeek 的出现，硬生生把这场竞赛的规则改写了。在 OpenAI 及其内部团队（The Prompt） 的最近发布总结回顾中，他们不得不承认，

DeepSeek R1 的发布在当时给 AI 竞赛带来了「极大的震动（jolted）」，甚至被形容为一场「地震级的冲击（seismic shock）」。

DeepSeek 一直在用实际行动证明，顶尖的模型能力，不需要天价的算力堆砌。

根据 ICIS 情报服务公司最近的分析，DeepSeek 的崛起彻底打破了算力决定论。它向世界展示了，即使在芯片受到限制、成本极其有限的情况下，依然可以训练出性能比肩美国顶尖系统的模型。

2. 核心能力是卷代码和超长上下文

在通用对话已经趋于同质化的今天，V4 选择了一个更硬核的突破口：生产力级别的代码能力。

据接近 DeepSeek 的人士透露，V4 并没有止步于 V3.2 在基准测试上的优异表现，而是在内部测试中，让其代码生成和处理能力，直接超越了 Anthropic 的 Claude 和 OpenAI 的 GPT 系列。

更关键的是，V4 试图解决当前编程 AI 的一大痛点：「超长代码提示词」的处理。这意味着 V4 不再只是一个帮我们写两行脚本的助手，它试图具备理解复杂软件项目、处理大规模代码库的能力。

为了实现这一点，V4 也改进了训练流程，确保模型在处理海量数据模式时，不会随着训练深入而出现「退化」。

3. 关键技术：Engram

比起 V4 模型本身，更值得关注的是 DeepSeek 在上周联合北京大学团队发表的一篇重磅论文。

这篇论文揭示了 DeepSeek 能够在算力受限下持续突围的真正底牌，是一项名为 「Engram（印迹/条件记忆）」 的新技术。

HBM（高带宽内存）是全球 AI 算力竞争的关键领域之一，当对手都在疯狂囤积 H100 显卡来堆内存时，DeepSeek 再次走了一条不寻常的路。

计算与记忆解耦： 现有的模型为了获取基本信息，往往需要消耗大量昂贵的计算力来进行检索。Engram 技术能让模型高效地查阅这些信息，而不需要每次都浪费算力去计算 。省下来的宝贵算力，被专门用于处理更复杂的高层推理。研究人员称，这种技术可以绕过显存限制，支持模型进行激进的参数扩张，模型的参数规模可能进一步扩大。

在显卡资源日趋紧张的背景下，DeepSeek 的这篇论文好像也在说，他们从未把希望完全寄托在硬件的堆砌上。

DeepSeek 这一年的进化，本质上是在用反常识的方式，解决 AI 行业的常识性难题。

它一年进账 50 亿，能够用来训练出上千个 DeepSeek R1，却没有一味卷算力，卷显卡，也没有传出要上市，要融资的消息，反而开始去研究怎么用便宜内存替代昂贵的 HBM。

过去一年，它几乎是完全放弃了全能模型的流量，在所有模型厂商，每月一大更，每周一小更的背景下，专注推理模型，一次又一次完善之前的推理模型论文。

这些选择，在短期看都是「错的」。不融资，怎么跟 OpenAI 拼资源？不做多模态的全能应用，生图生视频，怎么留住用户？规模定律还没失效，不堆算力，怎么做出最强模型？

但如果把时间线拉长，这些「错的」选择，可能正在为 DeepSeek 的 V4 和 R2 铺路。

这就是DeepSeek的底色，在所有人都在卷资源的时候，它在卷效率；在所有人都在追逐商业化的时候，它在追逐技术极限。V4 会不会继续这条路？还是会向「常识」妥协？答案或许就在接下来的几周。

但至少现在我们知道，在 AI 这个行业里，反常识，有时候才是最大的常识。

下一次，还是 DeepSeek 时刻。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿|原文链接· ·新浪微博