DeepSeek是一款基于AI技术的智能搜索引擎，结合深度学习与自然语言处理，提供精准、高效的搜索体验。探索DeepSeek，感受未来智能搜索的无限可能！

　　DeepSeek、Manus过去三个月带来的狂潮，正改变全球AI产业过去三年既定路线。变局当前，亚马逊、微软、谷歌、阿里姿势各不相同

　　这三个月，中国大模型创业公司DeepSeek、中国AI应用创业公司Manus引爆了市场情绪。

　　DeepSeek论文称，“用2048张英伟达H800芯片和558万美元训练成本”训练出了DeepSeek-V3。这款模型和美国明星AI创业公司OpenAI旗下主力模型GPT-4o性能接近。

　　Manus利用Muti-Agent （多代理） 策略，制造出了一款AI原生应用。演示资料中，Manus可以独立思考、计划并执行复杂任务。Muti-Agent被认为是2025年AI应用发展方向。

　　DeepSeek、Manus这两家公司不乏争议。市场对DeepSeek披露的算力规模、训练成本有所质疑。Manus则被认为是“套壳”产品，缺乏真正的核心竞争壁垒。

　　无论如何，DeepSeek、Manus都是大模型浪潮三年的里程碑。它们这三个月带来的狂潮意味着，拥有云业务大型的科技公司（如亚马逊、微软、谷歌、阿里等）未来三年的既定路径将被改变。

　　过去三年，大模型竞争焦点是用万卡、十万卡训练高性能模型。但近一年，“Scaling law” （规模定律，模型性能由算力、模型、数据规模决定） 放缓。成倍的算力只能让模型性能提升10%-20%。但得益于芯片、模型、算法优化，推理算力成本正以每年十倍的速度下降。

　　AI应用消耗的是推理算力，受益者仍然是云厂商。过去三年，AI应用落地主要障碍是推理算力成本偏高。随着推理算力下降，钉钉、飞书、WPS、美图秀秀这些老应用近三个月在加快叠加新的AI能力，Manus这类AI Agnet （代理） 为代表的原生AI应用也迅速爆发。

　　AI应用爆发，算力消耗增长，变局正在来临。那么，全球四大云厂商——亚马逊、微软、谷歌、阿里，是如何面对这场狂潮的？

　　云是大模型的基础设施，也是大模型最终受益者。随浪而跃，几大云厂过去三个月正在争相吃下DeepSeek带来的早期市场红利。

　　亚马逊云科技、阿里云、微软Azure、谷歌云等云厂商先后迅速接入DeepSeek。云厂商上架DeepSeek不难。DeepSeek-V3/R1是开源的，任何人都能下载、部署、使用。客户使用时会消耗算力、数据，带动其他基础云产品 （计算、存储、网络、数据库等） 销售。

　　今年2月，多家国际、中国云厂商的一线销售透露，DeepSeek走红后，大量客户在询问，DeepSeek何时能上架。DeepSeek近一个月快速带来了算力消耗和收入增长。

　　DeepSeek带来了市场红利，但一些云厂商面对DeepSeek情绪复杂——犹豫、被动、摇摆的心态始终存在。根源是，它们始终面临一个问题——要如何面对第三方模型？

　　接入第三方大模型，会和自研模型直接竞争。一位中国云厂商销售坦言，大部分云厂商，原本最希望销售自家旗舰模型。过去，DeepSeek等第三方产品无法得到官方推荐。销售人员通常会对客户说，自家模型表现最好。然而，自家模型公开测评得分与DeepSeek-R1差距很大。如今面对客户质疑，一线销售很难回答这个问题。

　　“丢了面子，得了里子”，另一位中国云厂商销售的判断是，接入DeepSeek，既是被动防守，也是为了争取更多订单。他认为，“先吃下DeepSeek带来的市场红利，总比自家模型丢掉市场份额要好”。

　　亚马逊没有太多纠结，它的动作迅速且坚决。它是全球率先接入DeepSeek的云厂商。亚马逊还在后续两个月不断为客户提供使用DeepSeek的完整工具链。

　　2月24日，亚马逊云科技Marketplace中国区上线硅基流动 （一家部署了DeepSeek V3/R1的平台服务商） ，中国用户可借此使用DeepSeek。

　　3月11日，亚马逊在Amazon Bedrock平台上架DeepSeek-R1。这是中国市场首款上架Bedrock的大模型。目前，亚马逊云科技是首个提供全托管版本并正式商用的海外云厂商。

　　入选Bedrock门槛并不低。亚马逊会评估全球范围内的大模型，严格筛选并最终上架。目前Bedrock只有十家模型厂商的产品，其中包括明星AI创业公司Anthropic旗下的Claude 3.7系列、Meta旗下的Llama 3系列。

　　我们了解到，亚马逊云科技2024年曾试图寻找适合上架Bedrock的中国大模型，但无疾而终。DeepSeek-R1技术领先，性能出众。亚马逊的客户，如丰田、思科等对它很感兴趣，这是它最终上架Bedrock的重要原因。

　　亚马逊CEO安迪贾西 （Andy Jassy） 在2024年报电话会介绍，DeepSeek训练技术令人印象深刻。它使用了强化学习技术，这比监督微调更有意思。

　　“上架”Bedrock，比“接入”更近一步。客户可以通过全托管、无服务器方式使用。这种体验如同一方产品，可以得到官方推荐和更多客户资源倾斜。1月30日至今，亚马逊云科技已有数千名客户使用Amazon Bedrock的自定义模型导入功能部署了DeepSeek-R1。

　　为什么要向第三方模型开放自己的资源？因为，在真实业务场景中，企业往往会用多模型。

　　每款模型都有擅长的领域，如文字、代码、图像。一位出海智能营销公司技术人士直言，他们公司业务中部署了十余款模型，包括阿里千问系列、Anthropic的Claude系列、谷歌Gemini系列、DeepSeek系列等。Claude承担英语和小语种营销文案任务，千问负责中文营销文案任务，Gemini被用于营销图片、视频生成。DeepSeek目前还在测试阶段。

　　选定了模型的专业领域，还要面对“不可能三角”——在成本、速度、性能三者之间权衡，最终找到适合自身业务的模型。

　　面对这些真实需求，亚马逊云科技的做法是，“Choice Matters” （选择大于一切） 。安迪贾西曾对此解释，要给开发者自主选择的权利。使用模型时，拥有多种选择至关重要，因为“永远不会出现一种工具在某个领域一统天下的情况”。

　　创新往往来自边缘。一位亚马逊云科技人士的观点是，DeepSeek脱颖而出，说明顶尖AI模型不一定来自大家都期待的大公司，它可能来自任何人。亚马逊不会押注单一赢家，而是提供开放平台。只要模型足够好，就立刻上架Bedrock，为客户提供多种选择。

　　云厂商简单接入DeepSeek是不够的。不同云平台的DeepSeek，体验差距很大。因为，模型要经过适配、开发，最终才能使用。工具链是否完善，决定了DeepSeek是否好用。

　　以DeepSeek-R1为例，它并非完美。上述出海智能营销公司技术人士提到，DeepSeek-R1参数规模到了史无前例的6710亿。这导致在测试中表现不稳定，还带来了高并发等问题，这些都需要反复调试。

　　DeepSeek-R1创造力、想象力出众。随之而来的是，模型幻觉 （大模型生成不符合事实的内容） 率偏高。AI创业公司Vectara用幻觉评估模型计算称，DeepSeek-R1幻觉率为14.3%。这是大部分头部模型厂商两年前的水平。

　　如何让DeepSeek更好用？Bedrock提供了完整的工具集，如Agent、知识库、提示词管理、Guardrails （安全防护） 等功能。这可以让模型性能更强、更简单易用。

　　怎样控制DeepSeek-R1的幻觉？Bedrock的Guardrails功能可以提供防护栏，阻止85%的有害内容，并借助自动推理检查防止模型幻觉带来的事实错误。

　　DeepSeek给科技公司带来了一轮红利，同时也带来了压力。反思的声音在一些企业内部诞生——为何DeepSeek没有最先出现在算力、资金、人才看似都更丰富的大厂？

　　一种解释是，大厂很难像DeepSeek集中精力做纯粹的技术研究。大厂需要商业化，面对未经验证的技术路线，不敢轻易投入资源。技术负责人也不敢拿公司资源、团队前途去赌更激进的技术路线。

　　过去三年，一些科技云厂商人士原本认为，大模型只是几个大厂的游戏，创业公司很难出头。DeepSeek横空出世后，大厂技术团队面对它的心态很矛盾——一方面认为要学习借鉴它的技术特性；另一方面也不服输，认为它还不够好，自己家能够拿出更好的模型。

　　落后者迅速追赶，阿里在春节期间发布了对标DeepSeek-V3的Qwen2.5-Max。领先者观望后立刻反制，微软和OpenAI拿出了性能更强的o3-mini和GPT-4.5。亚马逊则考虑，如何用好现有的模型，让它们在客户业务场景中发挥最大潜力。

　　DeepSeek-R1诞生后，直接逼迫大厂要迅速拿出更好的模型。大厂并非没有技术储备。随后不到一个月，阿里、谷歌等厂商均跟进推出了对标DeepSeek的产品。

　　“几个大厂不紧不慢地赛跑。现在，赛道上突然横一匹黑马”，一位中国科技公司大模型领头人形容，这三个月DeepSeek-R1正在倒逼他们重拾紧迫感。他的团队对DeepSeek-R1迅速参考借鉴后，在2月末上线了自研的推理模型。他承认，这款模型是“赶鸭子上架”，整个训练周期不到两周，甚至没有经过反复测试就上线了。

　　微软和AI创业公司OpenAI相对从容。微软和它投资的OpenAI依旧手握优势。OpenAI的GPT系列仍保持3个至6个月性能领先。因此，面对DeepSeek，OpenAI动作并不多。

　　今年1月发布的DeepSeek-R1，性能接近OpenAI去年9月发布的GPT-o1。今年2月，OpenAI发布了迭代后的GPT-o3-mini，这款模型的性能领先优势很大。

　　不过，OpenAI被诟病的并不是模型性能，而是态度和价格——它的模型闭源，不提供推理思维链，定价也过高。奥尔特曼今年1月末曾称，DeepSeek能以低价算力提供这样的服务令人惊讶。他表示推迟了部分产品的发布。然而，今年3月GPT-4.5发布后，外界再次质疑它价格太贵且缺乏诚意。

　　一些技术人士认为，DeepSeek为行业带来了贡献，但要客观看待——V3/R1性能并非断崖式领先，它们仍然存在短板，它距离落地还有一段距离。

　　一位中国大模型创业公司人士评价，字节豆包、阿里通义的大语言模型和DeepSeek-R1相差只有1个-3个月。DeepSeek拥有一定的成本/性能优势，但随时可能会被复制、追赶或超越。对客户来说，DeepSeek是偏科生，目前只有语言模型 （只能输入/输出文字） ，没有图像、音频、视频等多模态模型。比如，工业制造中图像、视觉模型是刚需。

　　“DeepSeek-R1想进入客户业务场景，必须挤掉已经部署的模型，但这非常难”，上述出海智能营销公司技术人士直言，他们现在无法做这个决定。因为DeepSeek-R1吞吐效率偏低、幻觉率偏高。这会影响客户口碑。

　　和很多模型厂商追求更强的模型性能、更高的评测跑分不同，亚马逊更关注模型实际业务表现：如响应速度、吞吐效率、安全可靠。

　　一位科技公司算法负责人的观点是，基准测试、评测跑分、语言表达华丽不能完全代表模型实际能力。“高分低能”是常见现象，因为模型厂商可以通过刷基准测试题库的方式取得高分。一些模型纸面性能很强，但企业实际使用时，受制于响应速度、吞吐效率等问题，难以扛住业务洪流。越是深入业务，“好模型”的标准就变得越多维。

　　一位亚马逊云科技中国区管理层2024年12月曾表示，安迪贾西一直坚持“Practical AI” （实用/可用的人工智能） 这个观念。这也是亚马逊做大模型的逻辑。亚马逊没有一个研究院性质的组织，而是把AI能力分散在各个业务线。目的是让自家模型经过业务检验，实现“eat your own dog food” （使用自家生产的产品） 。

　　Anthropic 2月末推出Claude 3.7 Sonnet系列推理模型。Claude系列不能只看评测跑分，它的工程、代码能力一直远超其他模型。一位测试过多款模型的一线工程师认为，DeepSeek擅长风格化表达，对大众用户来说，这很惊艳。但对工程师来说，代码准确率更重要，Claude表现更稳定、靠谱。

　　目前，Nova系列主打卖点是，便宜、好用、安全，以及多模态。上述亚马逊云科技中国区一线销售人员表示，Nova已有大量客户。它和Claude系列错位布局，Claude定位高端，Nova价格更低。

　　亚马逊发布过一份《Amazon Nova系列模型：技术报告与模型卡片》的论文。这份论文和OpenAI、DeepSeek的技术论调技术优势不同，它更强调实际业务场景的测试。

　　上述论文内容显示，Nova的启动速度、吞吐效率、响应时间表现均位居前列。Nova在软件工程、财务分析等职业专业测试中，同样表现出众。为保障信息安全，亚马逊聘请了包括德勤等多家外部机构，组成专家团队定期进行“红队演习”。他们会针对300多类违禁、攻击内容进行对抗测试，以此提升Nova的安全能力。

　　这三个月，算力需求的未来走势一度引发争论。根据DeepSeek披露的信息，似乎不需要万枚、十万枚高端AI芯片，也能做出效果不错、成本低廉的模型。

　　这在三个月前引发了市场担忧。投资者一度以为，这会戳破泡沫，减少算力需求。受此影响，1月27日英伟达股价下跌约17%，市值蒸发近6000亿美元，创下美国股市历史上最大单日市值跌幅纪录。

　　乐观预期很快又占据主流。主流判断是，单位算力成本下降反而会激发更多需求。AI应用将因此爆发，进而加大算力消耗量。

　　2月后，中美四家大型科技公司 （亚马逊、微软、谷歌、阿里） 均公布了2025年资本支出计划——它们并未减少算力投资，反而在加码算力投入。

　　科技公司算力投资，会在资本支出中体现。科技公司每年至少60%以上的资本支出被用于投资算力，如采购芯片、服务器、存储和网络设备、租赁土地、建设数据中心。

　　2024年，四家科技公司资本支出均达到历史顶点（详见 《DeepSeek将拉低算力总需求？美国科技四巨头今年算力投资不减》 ）。2025年，四家科技公司资本支出仍将高速增长。

　　目前，资本支出计划规模最大的是亚马逊。安迪贾西甚至在2024年报电话会中向投资者保证这笔支出值得，称这是“千载难逢的商业机会。”

　　最新财报电线亿美元资本支出，增速接近30%，主要用于云业务。微软计划2025财年 （2024年7月初-2025年6月末） 资本支出800亿美元，2025年资本支出将环比增加。谷歌计划在2025年投入750亿美元资本支出，增速将超过40%。阿里宣布，未来三年将投入超过3800亿元 （约合535亿美元，以美元和人民币汇率1:7.1计算） ，用于云和AI硬件基础设施，总额超过去十年总和。

　　对不同公司来说，巨额资本支出带来的压力不尽相同。资本支出率可以侧面反映问题。

　　科技公司巨额资本支出采购芯片、服务器等算力设备后，会转化为固定资产。这些固定资产折旧摊销时长一般为五年，计入每年的折旧摊销成本，影响未来五年的净利润。

　　资本支出率越低，理论上带来的财务压力越小。亚马逊、微软、谷歌、阿里2024年资本支出率分别是12.2%、28.9%、15.0%、7.4%。目前，亚马逊资本支出率偏低，它的资本支出对未来几年的利润影响有限，算力投资是可持续的。微软明显偏高，这对利润影响相对更大，它不可能长期维持高强度的算力投资。

　　为什么即使面临种种不确定因素，亚马逊、微软、谷歌、阿里仍要加大算力投入？

　　其一，它们“钱袋子”仍是富余的，净利润、现金流能支撑短期高强度算力投资。

　　其二，短期砸钱买算力对利润影响不大，还能通过延长部分服务器、网络设备使用时长调节利润。

　　其三，过去两年的巨额投资产生了实际回报，“云+AI”收入、利润在增长。这进一步刺激了算力投资。

　　多位中国科技公司战略规划人士今年2月告诉我们，加大投资才能在竞争中拥有更高胜率。科技公司不能让净利润、现金流躺在账面，必须投资未来。多买算力，有浪费的可能。但如果不投，一定会错失未来。

　　上述中国科技公司算法负责人透露，他所在公司综合考虑算力资源储备、市场未来用量、模型成本下降等因素判断，2027年每天推理算力的消耗量将增长100倍以上。因此，拉到十年长周期看，算力需求不会减少，只会螺旋上升。

　　既然未来1年-2年必须加大算力投资。那么，要如何更经济、高效地投资算力？亚马逊的做法是，自研芯片，且自研芯片采购比例比其他公司更高。

　　目前亚马逊全球新增算力的一半以上都是基于Arm架构Graviton系列芯片，数量已超过x86系列芯片 （主要生产企业包括英特尔、AMD） 。未来AI训练/推理自研芯片的采购比例也将提升。

　　一位芯片技术人士的观点是，自研芯片采购量足够大，成本足够低时，可以摊薄研发成本，进而得到更有性价比的算力。这也是亚马逊的优势所在。