【北京大学】2025年DeepSeek原理与教育场景应用报告_135页_18mb

报告摘要

DeepSeek 内部研讨系列总结

核心内容

DeepSeek 是一家成立于2023年5月的AI大模型研究机构，由幻方量化孵化，团队规模达160人，总部位于杭州和北京。作为中国AI2.0时代的“七小龙”之一，DeepSeek在2025年初迅速出圈，成为中美AI竞争中的重要力量。其推出的DeepSeek V3和DeepSeek R1分别对标OpenAI的GPT-4o和o1，引发广泛讨论，并推动了大模型商业模式的变革。

主要观点

DeepSeek的快速出圈：DeepSeek在2024年底推出V3，2025年初发布R1，迅速成为AI和大模型的代名词。其在中美AI竞争中扮演了重要角色，甚至导致英伟达股价下跌。
DeepSeek的市场影响：DeepSeek R1以低成本和开源特性打破大模型行业垄断，推动了AI技术的普惠化和国产化生态的繁荣。
技术突破与创新：DeepSeek在模型架构、训练方法和推理效率方面进行了多项创新，如混合专家模型（MoE）、多头潜注意力机制（MLA）、强化学习（GRPO）、混合精度训练（FP8）等，提升了模型的推理能力和性能。
AI在教育场景的落地：DeepSeek通过AI赋能教育，提供了教学环节的多样化应用场景和案例，以及AI通识教育方案，助力教育智能化发展。
AI与IT的区别：AI是数据智能，而IT是记忆与计算智能。AI更注重语言智能和知识建模，而IT更注重系统的稳定性与效率。

关键信息

DeepSeek产品优势

思考过程展示：用户可直观看到模型的推理过程。
中文能力强：具备高情商和对中文语境的理解能力。
使用简单：提供网页、APP和API，便于用户接入。
联网和来源引用：能够提供来源信息，提升可信度。
速度快：优化了推理速度，适合实时应用。
免费：降低了AI使用的门槛，适合大众和中小企业。

DeepSeek模型特点

基础架构：
- 混合专家模型（MoE）：提升推理能力和效率。
- 无辅助损失的专家负载均衡策略（EP）：实现专家模块的均衡使用。
- 多头潜在注意力机制（MLA）：提升推理效率。
- 强化学习（GRPO）：显著提升推理能力。
- 多Token预测（MTP）：提升推理速度并减少训练成本。
训练及框架：
- FP8混合精度训练：降低训练成本，提高模型性能。
- 长链推理技术（TTC）：支持数万字的推理，适合复杂问题。
- 并行训练系统（HAI）：提升训练速度。
- 通讯优化（DualPipe）：提升推理性能。
- 混合机器编程（PTX）：提升GPU运行效率。
- 算子库优化：针对H800计算卡优化CUDA算子库。
社会价值：
- 开源生态：使用MIT协议，推动AI技术发展。
- 模型蒸馏支持：提供多个蒸馏模型，满足不同应用场景需求。
- AI产品普及：推动AI成为主流技术，缩短中美技术差距。