2月5日开工第一天，业界传来大消息，百度智能云成功点亮自研昆仑芯三代万卡集群，这也是国内首个正式点亮的自研万卡集群。除了解决自身算力供应问题之外，有望进一步降低大模型成本。

此前，DeepSeek推出V3和R1模型，以可媲美OpenAI领先模型的效果和极大的成本降低，在春节期间引爆全球市场。

在陆续取得突破的背后，AI大模型竞争也进入新时期——不再局限于技术，而是成本、用户体验、生态体系的综合较量。“每天一杯奶茶钱就能养AI”不再是梦，AI加速走向普惠化。

01 DeepSeek之后，国产自研万卡集群亮相

实际上，在DeepSeek新模型推出后，最近几天，海内外芯片行业动作频出。海外如英伟达、AMD、英特尔，国内如华为昇腾、沐曦、天数智芯、摩尔线程、海光等，纷纷宣布支持DeepSeek模型部署、推理服务。

而在2月5日新春后开工首日，百度智能云也宣布，成功点亮昆仑芯三代万卡集群，万卡集群的建成，将进一步推动模型降本。

此前，海外的谷歌、亚马逊AWS和特斯拉都自研部分芯片，来降低成本，提升性价比。在中国，过去一年，算力紧张是大模型成本居高不下的重要因素之一。通过自研芯片和大规模集群的建设，不仅解决了自身算力供应问题，也有望进一步降低大模型成本。

昆仑芯是百度自研的AI芯片，初代于2018年推出。

最近两年，昆仑芯对外鲜有报道。但在点亮万卡集群之前，业界已经听到了一些风声。外界推测，昆仑三代芯片于2024年量产。也有行业内企业告诉数智前线，2024年下半年，他们曾评估购买基于昆仑三代芯片的服务器。

百度董事长李彦宏曾在一些场合强调，昆仑芯是百度AI技术栈的“基石”，自研能力保障了在生成式AI时代的技术主权。

在2024年的一些对外介绍中，百度称昆仑芯，与飞桨深度学习框架、文心大模型深度协同，形成“芯片-框架-模型-应用”的端到端优化，提升整体性能。

数智前线获悉，此前两代昆仑芯片，主要用于AI的部署和推理服务。昆仑芯三代则更进一步，是为大模型和训练优化的AI云端芯片。

这次点亮的万卡集群，可将千亿参数模型的训练周期大幅降低，同时能支持更大模型与复杂任务和多模态数据，支撑Sora类应用的开发。此外，万卡集群能支持多任务并发能力，通过动态资源切分，单集群可同时训练多个轻量化模型，通过通信优化与容错机制减少算力浪费，实现训练成本指数级下降。

值得关注的是，今年推理市场也将是重头戏。数智前线获悉，国内外芯片企业，都在铆足劲拼抢英伟达的市场份额。一位AI算力资深人士告诉数智前线，推理追求的是“能效比”，比拼每瓦的计算性能。

预计百度昆仑芯集群也将加入这一市场的争夺。而针对推理市场，业界的策略是围绕主流模型，做好适配服务。毫无疑问，除了自身的文心一言，昆仑芯也适配了DeepSeek等一众模型。

在百度官宣中也提及，随着国产大模型的兴起，万卡集群逐渐从“单任务算力消耗”到“集群效能最大化”过渡，“将训练、微调、推理任务混合部署”，从而提升集群综合利用率，降低单位算力成本。

接下来，海内外大厂面临如何突破英伟达的CUDA护城河。在过去10多年，英伟达利用CUDA生态，既把持训练市场，又围猎推理市场。CUDA的厉害之处，是面向生命科学、量化、自动驾驶等场景持续开发应用库。“你要完成一个药物分子、自动驾驶的应用，CUDA上可能已写了10万行代码，你可能再写几百行，就解决问题了。”上述人士说。

目前，不少国家如英国、法国、加拿大和中国企业在AI芯片生态上表现出倔强和韧性，开展基础生态建设。另外，全球一些国家的高校实验室和科研机构，在政府的支持下，也持续在做基础工作。

02 “每天一杯奶茶钱就能养AI”

在最新的芯片进展之外，DeepSeek掀起的大模型风暴也在继续，而各大云计算大厂已纷纷宣布支持DeepSeek模型调用或部署，并卷起价格战，争夺市场。

大厂的积极性，与DeepSeek模型在全球掀起的巨大流量相关。这个春节假期，“神秘的东方力量”、“AI界拼多多”、“每天一杯奶茶钱就能养的AI”……国产大模型DeepSeek，不管是在国内，还是国外，都赚足了关注度。

2月4日，AI产品榜公布，根据最新统计数据，上线20天，DeepSeek应用（不包含网站数据）日活已破2000万，上线5天时日活就已超过ChatGPT上线同期日活，成为全球增速最快的AI应用。

在微博，2月4日，“DeepSeek回答如何过好这一生”一度登上热搜第一位。 在小红书，DeepSeek相关笔记已迅速超49万，各类教程、测评帖密集涌现，甚至有人玩起了“AI算命”。

“免费使用+更好的效果”是吸引普通用户尝鲜的关键。

更为关键的是，Deepseek给了OpenAI价格体系一记重击。多项数据测算，如果以平均使用情况计算，DeepSeek-R1 的整体成本，约为OpenAI o1模型的1/30，让人们可以用极低的成本应用AI。

随着 DeepSeek 的爆火，科技大厂之间的大模型价格战愈发激烈。海外的微软 Azure、亚马逊AWS和英伟达NIM服务，接入DeepSeek模型，试图通过更具吸引力的性价比来抢夺市场份额。国内的运营商、阿里云、百度智能云、火山引擎等也不甘示弱，以各种形式接入DeepSeek模型后，展开了价格博弈。

一些云计算企业的价格与Deepseek官方刊例价一致，或在此基础上有一定优惠或免费额度。

其中，2月3日，百度智能云打出的价格最低，百度智能云R1调用价格，是Deepseek官方刊例价的5折，V3调用价格是官方刊例价的3折，并限时免费两周。

大模型调用价格的大幅下降，降低了高质量模型的使用门槛，企业决策阻力骤减，也快速引爆了开发者的热情。

在全球各个技术论坛上，“DeepSeek”是最燃的话题。在开发者社区CSDN上，全站综合热榜前十名中，有四条都与DeepSeek有关，相关应用迅速涌现。有网友用DeepSeek将老照片修复成彩色的，期间没写一行代码。

在金融行业，江苏银行将DeepSeek引入到自身服务平台“智慧小苏”中，并将DeepSeek-VL2多模态模型、轻量DeepSeek-R1推理模型，分别运用到了智能合同质检和自动化估值对账场景中。

某跨国药企基于DeepSeek-R1模型构建药物副作用预测系统，结合患者历史数据与实时监测，降低临床试验风险。

上海交通大学已开始用DeepSeek-V3生成合成数据，开发垂类大模型。

事实上，OpenAI为了应对DeepSeek的竞争，已迅速推出新模型o3-mini，其定价也被打下来了。

尽管这一价格仍高于DeepSeek的定价，但这是一个显著的降价趋势。

实际上，DeepSeek这轮大火，也标志着AI大模型竞争不再局限于技术，而是成本、用户体验、生态体系的综合较量。

“每天一杯奶茶钱就能养AI”不再是梦。业界这一轮动作，以极具竞争力的价格优势，不仅改变了普通用户对 AI 的使用习惯，更在行业内掀起了一股变革的浪潮，推动着 AI行业朝着更普惠的方向发展。

03 大模型普及进程将加速

一旦各方科技大厂和平台力量加入，由DeepSeek引发的大模型普惠的进程将加速。

2月3日，我们体验了公有云的DeepSeek API调用，用Deepseek R1，特别体验了两个玩法：

玩法一：秦始皇AI军师体验卡

玩法二：老照片时光染色机

可以看到，即便之前没有任何技术背景，登录百度智能云网站，只需要点击在线体验，进行实名认证，在“模型广场”就可以轻松调用DeepSeek-R1和DeepSeek-V3模型。

用户还可在千帆提供的67个模型中，一次性选择六个模型，让他们同时干一件事，直观对比模型的效果，最终用脚投票。

这也是平台的优势所在，集成各种模态的开闭源模型，就好比AI界的“滴滴打车”，既能比价比质，让用户自由选择最高效价比模型服务，也能智能“拼车”、多模态协同，互补模型能力，增强应用深度。

在各种配套服务上，头部云平台们，在一站式开发工具链、全生命周期安全机制、行业解决方案等各项能力的搭建和完善上，也有着极快的反应速度。

在工具链上，尽管大模型爆发已两年，但门槛依然较高，需辅以各种好用的工具。比如我们发现，在Github社区上，按Star数排序，其中最受欢迎的DeepSeek项目，一个是帮助开发者使用DeepSeek的工具集——DeepSeek-Tools，另一是帮助开发者自动选择和优化DeepSeek模型超参数的DeepSeek-AutoML。

各云大厂也都在工具链上进行了诸多布局，如百度智能云的千帆大模型平台，虽然没有直接上架DeepSeek工具包，但已集中各种类似工具，如数据加工、工作流编排、模型精调、模型评估、模型量化......

当企业用户使用DeepSeek模型开发应用，却担心训练数据泄露、生成内容不符合规范以及模型在推理过程中被恶意攻击等问题时，各云平台也都在安全机制上进行了保障。

根据新闻介绍，百度智能云在将DeepSeek接入千帆推理链路时，支持了百度独家内容安全算子，保障内容生成的安全；通过数据保险箱产品，保证模型仅可用于推理预测程序，训练数据仅可用于模型微调程序；千帆平台集成的BLS日志分析和BCM告警功能，也能保障金融或医疗等对安全要求较高的用户，构建的智能化应用更安全可靠。

而云平台们积累的更广泛的行业覆盖和行业解决方案，也能帮助开发者实现在对应行业和场景的快速复制与场景适配，让DeepSeek快速进入这些垂直领域。

除了这些，面向企业逐渐从模型训练、微调转向推理的大背景，推理的支撑和优化成为关键。百度智能云对DeepSeek进行了专项优化，如通过针对DeepSeek模型MLA结构的计算进行了极致的性能优化；并通过计算、通信、访存不同资源类型算子的有效重叠及高效的Prefill/Decode分离式推理架构等，在核心延迟指标TTFT/TPOT满足SLA的条件下，实现吞吐量“坐火箭”，推理成本“坐滑梯”。

千帆支持多种主流推理框架的，让开发者可以根据实际场景选择最适合的推理引擎。如，vLLM以高吞吐量和内存效率著称，适合大规模模型部署；而SGLang特别是在延迟和吞吐量上优于其他主流框架。同时，允许用户自定义导入和部署模型，为DeepSeek开发提供了灵活性。

通过大厂和平台企业的加入，AI普惠化将成为今年的发展主线之一。当大模型从“土豪玩具”变成“普通人的口粮”，创新门槛的降低将激发更大的创造力，最终让人类突破能力和资源的边界——小店主用AI设计爆款包装、中学生靠开源模型开发校园助手、乡村医生借多模态工具辅助诊断…这场全民参与的智能革命，让每个普通人都能站在AI的肩膀上，触摸曾经遥不可及的未来。