“DeepSeek爆火的原因主要可以归结为两点：性能和成本。”萨摩耶云科技集团首席经济学家郑磊告诉更为关注的是，DeepSeek R1真正与众不同之处在于它的成本——或者说成本很低。DeepSeek的R1的预训练费用只有557.6万美元，仅是OpenAI GPT-4o模型训练成本的不到十分之一。同时，DeepSeek公布了API的定价，每百万输入tokens 1元/4元，每百万输出tokens 16元。这个收费大约是OpenAI o1运行成本的三十分之一，也因此，DeepSeek被称为AI界的“拼多多”。

　　“DeepSeek以较低的成本实现了高性能的AI模型，这使得其在市场竞争中具备了显著的优势，这种成本效益比无疑会吸引大量企业和个人用户选择其产品和服务。”北京社科院副研究员王鹏表示。郑磊直言，DeepSeek对硬件市场产生了重大影响，因为它可能会降低人工智能模型的硬件成本，从而推动人工智能技术的发展。

　　有券商研报认为，DeepSeek-R1出圈，建议继续重视应用环节、字节链投资机会。DeepSeek-R1的最大亮点在于其训练方法，首次完全通过强化学习训练大型语言模型，无需依赖监督微调或人工标注数据，这一突破验证了仅通过奖励信号，模型也能发展出强大的推理能力。

　　分析认为，DeepSeek的性能和定价策略，使得其直接成为OpenAI的有力竞争者，可能阶段性改变AI大模型的竞争格局。尤其是其完全开源的特点，以及显著低于竞品价格的特点，将有望加速国产应用开发及推广。应用层面，类似O系列模型，DeepSeek-R1能够高效解决复杂数学问题，适用于教育、科研等领域，值得关注。

　　DeepSeek集中代表了算法创新带来的模型优化是具有空间的，在底座模型当前并没有显著代际提升的背景下，算法创新将有望加速缩小国内模型和海外模型的差距，但这一现象暂时也没有办法证明未来对于训练环节的算力需求将下降，近期可以看到海外头部大模型厂商的资本开支计划进一步加大，也是证明。

　　在此背景下，Agent及端侧可能是2025年应用的重要方向。伴随着OpenAI推出官方Agent，以及字节跳动投入加大，将有望推动AI应用的渗透普及，AI应用可能于2025年从逻辑走向落地。