1. 并非完全摆脱NVIDIA生态，但优化了PTX编程

很多人大张旗鼓地说Deep seek摆脱了英伟达，事实上DeepSeek通过直接编写PTX（NVIDIA CUDA中间指令）提升跨芯片通信效率，尤其在H800 GPU带宽受限时效果显著。

然而，PTX仍依赖CUDA的编译和运行环境，本质上并未脱离NVIDIA生态，只是通过底层优化提升了硬件利用率。这一技术类似于“用汇编语言写程序”，门槛高但效率更高。

2. 训练成本存在“文字游戏”

官方宣称的557.6万美元训练成本仅涵盖GPU算力直接消耗，未包含软硬件开发、数据采集、人力薪资等综合成本。实际总成本可能高达25亿美元级别。这种“选择性披露”引发了对低成本神话的争议。

3. **回答简单问题反成短板

尽管擅长复杂推理，DeepSeek在处理“今天是几月几日”等基础问题时表现笨拙，需用户主动提供时间信息。例如，它曾用700多字解释无法获取实时时间，被用户调侃为“严谨但冗余”。

4. 混合专家模型（MoE）的极致创新

DeepSeek的MoE架构包含200多个“专家”，远超OpenAI的20个左右。任务执行时仅激活部分专家模块，大幅降低计算资源消耗。这一设计使其在保持高性能的同时显著压缩成本。

5. 开源策略与闭源巨头的差异

不同于OpenAI等技术保密，DeepSeek开源了模型权重及核心技术文档（如MLA注意力机制、DualPipe并行训练方法），推动技术平权。其API定价低廉，甚至支持个人开发者低成本调用。

6. 多模态功能的“半成品”现状

当前版本仅支持文本处理，无法处理图像、音频或视频。

但团队计划在DeepSeek-V3基础上扩展多模态能力，且已发布文生图模型Janus-Pro和JanusFlow（参数10亿至70亿），暗示未来方向。

7. 创始人背景与“杭州六小龙”称号

创始人梁文锋为85后技术极客，公司成立仅一年半便被硅谷称为“东方神秘力量”，与阿里、百度等巨头并列“杭州六小龙”。其快速崛起引发了对中国AI初创企业潜力的重新评估。

8. 曾因访问量过载限制注册

爆红后，DeepSeek遭遇大规模恶意攻击和用户激增，一度仅允许中国+86手机号注册，其他地区用户需等待开放。服务器频繁宕机也暴露了初期承载能力的不足。

9. 强化学习算法的低调突破

DeepSeek开发了GRPO算法（PPO变种），通过简化的强化学习流程复现了OpenAI o1模型的推理能力。这一方法被开源社区评价为“为何早没人尝试”。

10. 引发美股AI板块震荡

发布当日，英伟达股价暴跌17%，博通、AMD跟跌，市场担忧其低成本路线冲击算力需求。纳斯达克副主席麦柯奕却称其为“AI革命的重要组成部分”，凸显行业态度分化。

这些冷知识揭示了DeepSeek的技术特性、市场影响与争议，既有创新亮点，也暴露了成长中的局限。