DeepSeek：在质疑中探寻智能本质

这是苍穹猎鹰第404篇演化日记

DeepSeek：在质疑中探寻智能本质

本文只是小编的观点分享，列举的数据和逻辑只为了分析说明，不构成任何的决策建议。

沉寂良久的DeepSeek，其团队于2025年10月20日发布的多模态光学字符识别DeepSeek-OCR模型，其核心创新在于通过视觉-文本压缩范式重新定义了文本处理效率的边界。

这一模型在 AI 领域引起广泛关注。

回顾DeepSeek的发展，从年初横空出世，到后续热度逐步冷却，近期甚至出现了争议声音。

网上甚至还流传着“DeepSeek使用率从50%暴跌至3%”的观点，这到底是“标题党”还是DeepSeek真的“泯然众人矣”？

1/5  DeepSeek真的“凉了”吗？

对于网传“DeepSeek使用率暴跌”的观点，红衣主教周鸿祎在头条号里也做了分析。

根据他的观点，目前DeepSeek-R1和DeepSeek-V3两个模型，加起来使用率大概在3%左右，较2月份的7%，确实跌了不少，但也没有网上传的从50%跌到3%那么夸张。

而且，这也不能说明DeepSeek就凉了。

根据红衣主教的说法，DeepSeek网页端的服务流量确实下降了不少，但DeepSeek的业务重点并不在这方面，而是一门心思在做AGI，根本没有把网页流量当回事，也没有增加什么新功能，慢慢的C端用户可不就少了。

小编曾经听一个AI创业者讲过类似观点，意思是说DeepSeek重心在探究智能的本质，并不特别关注网页流量。

关键在于，很多关注用户量增长的AI公司，往往需要巨额融资，不得不把自己置于聚光灯下，通过海量曝光吸引用户和投资人，才能把“宏大叙事”继续下去。

但鲜有听到DeepSeek融资的消息。有两种可能，一种可能是DeepSeek通过toB端的API服务收费盈利。

根据顺福资本创始人李明顺的观点，“DeepSeek的高性价比解决方案仍有机会创造利润，至少在财务上，通过toB端的API服务就可能补贴toC端的成本，有望达到盈亏平衡。”

另一种可能是，DeepSeek的母公司幻方量化，是‘国内量化四大天王’之一，高峰时期管理私募资金规模达到千亿。

这也说明，DeepSeek并不像其他AI创业公司一样“缺钱”。既然不缺钱，就可以专注于技术，不需要费力讨好那些“金主爸爸”。

周鸿祎在视频里也提到，把第三方托管的DeepSeek的使用量拉出来就会发现，半年时间，通过第三方渠道使用DeepSeek的用户量，足足增长了20倍。

大家不是不用DeepSeek了，而是不在DeepSeek的官方平台使用。

现在腾讯、百度，还有纳米AI，不少手机的AI助手，都接入了DeepSeek，这第三方入口多了，直接去官方服务的人自然就少了。

我们打开腾讯元宝，里面就能看到DeepSeek的入口。

2/5  DeepSeek-OCR：小模型大能量

回到前面提到的新模型DeepSeek-OCR。

这是一个只有30亿参数的小模型，和当前直动辄上万亿参数的主流大模型，简直不值一提，但为什么却在AI领域引起了不小的波澜？

首先，得了解什么是OCR技术？小编也不懂，查一下豆包给出的解释：

OCR（Optical Character Recognition）模型是指将文本图像转换为机器可读文本格式的技术模型。它能识别图像中的文字、数字和符号等信息，并将其转化为可编辑的文本，广泛应用于文档处理、数字图书馆、图像识别等领域。

可以大概理解为一个处理文本图像信息的模型，这又有啥值得关注的？

根据快刀青衣在专栏的解读，就可以明白，DeepSeek团队压根不是单纯做一个模型，而是在研究一个更深的问题：AI处理信息时，用“看图”的方式比“读文字”能省多少算力？

经过实验发现：一篇包含约1000个“文字token”的文档，如果换成“看图”的方式处理，只用100个“视觉token”，就能以97%的精度还原出来。

相当于把信息直接压缩了10倍，几乎没有损失。即使压缩比例提高到20倍，信息准确率还能保持在60%左右。

这样一来，面对文档这类文字密集型信息，用视觉模型编码、压缩，效率远高于传统纯文本处理方式。

3/5  从OCR看DeepSeek的独特洞见

长文本在低分辨率下会变得模糊，DeepSeek的研究人员从中看到了一个更深层的逻辑——人类记忆的遗忘机制。

我们对于刚发生的事，记得一清二楚，过程丝毫不差；一天前的事，可能就只剩下关键情节；一周前、一个月前、一年前的事，可能只记得大概。

这种记忆随时间衰退的过程，和图像分辨率降低的样子很像。越久远的记忆，就像越模糊的图片，只保留了大致的轮廓。

这个就给DeepSeek研究团队一个大胆的想法：能不能用这种“视觉压缩”的方式模拟AI的遗忘机制？

就是把AI之前的对话历史，用不同分辨率的“视觉token”来存储。最近的对话用高分辨率，保留细节；稍微久一点的对话，就降低分辨率，压缩一些细节；更早的继续降低分辨率，只保留大致框架。

这样一来，AI就能像人一样，对近期的事情记得清清楚楚，对远期的事情只留个模糊印象。这样既节省了计算资源，又符合我们使用AI的实际场景。

4/5  遗忘——智能的隐藏密码

这不仅是一次简单的技术优化，更是在探索AI如何像人一样“主动遗忘”，因为遗忘本身就是一种智能。

如果没有遗忘，那是多么可怕的事情。如果你对十年前每天发生的事、吃过的食物都一清二楚，那大脑早就被无用信息塞满。

遗忘就是一种筛选机制——让重要的信息留下来，不重要的自然淡化。

移动互联网时代，只要你想，随时随地都可以获取各种各样的信息。这意味着什么？意味着学习成本降低了，但思考的要求提高了。

当信息唾手可得的时候，决定性的因素就不是获取信息，而是甄别、筛选、删减信息。

“主动遗忘”的能力，相当于做减法。

数字化时代寻找机会，本质上就是把不重要、不擅长、不感兴趣的剔除掉，留下来的自然就是精华。

对于有一定阅历的人来说，重要的不是做了什么，而是不做什么。

5/5  不走寻常路的创新者

DeepSeek团队有两个特别突出的特点。

一个是他们从来不按常规套路出牌。当大家都在拼命地为大模型堆算力和参数的时候，他们却选择改进模型算法，以更小的资源获得相当甚至更优的性能。

别人做OCR，想的是怎么把文字识别得更准确；DeepSeek做OCR，却在研究“一张图能压缩多少文字”这个根本的问题。

他们推出的OCR模型，只有30亿参数，激活参数才5.7亿，但效果却能超过那些动辄上百亿参数的大模型。

另一个就是他们专注到极致。专注于智能技术本身，几乎不怎么关注外界评价、用户体验、资本运作。

快刀青衣借用一次AI行业闭门讨论会的评价，“DeepSeek这个团队把所有精力都放在了一个很窄的点，把后续很多东西都放弃了。他们不是单纯地服务人，而是做智能本身。”

AI发展的方向，也许不是靠无限的算力，而是靠智能的遗忘。

本文只是小编的观点分享，列举的数据和逻辑只为了分析说明，不构成任何的决策建议。

  参考资料：

   东方财富网：《大模型成本利润率高达545% 却有厂商选择停服！DeepSeek的“效率革命”谁在赚钱谁在亏本》

  周红祎《大家并没有不用DeepSeek，而是对它的使用不局限于它的官方平台》

  快刀青衣《一张图能装下多少文字？DeepSeek-OCR探索AI的“遗忘机制”》

· END·