标题：DeepSeek技术解析：如何冲击英伟达两大壁垒？

DeepSeek的V3模型以557.6万的训练成本，实现了与OpenAI O1相近的性能，引发全球关注。这不仅使英伟达股价大跌，还引发了对芯片需求和市场前景的讨论。

DeepSeek的创新主要集中在基础模型能力和训练方法上。陈羽北指出，V3模型的关键在于其架构效率提升，包括混合专家网络（MoE）和键值缓存优化。此外，他们采用搜索方法自我提升，避免了强化学习中的稀疏奖励问题。赵羽北强调，V3模型的成功为后续R1-Zero和R1的升级提供了坚实基础。

John Yue认为，DeepSeek冲击了英伟达的NVLink和CUDA壁垒，但并未完全摧毁。DeepSeek通过优化芯片互联和直接调用PTX，减少了对高端GPU的依赖。尽管短期内对AMD有利，但长期来看英伟达仍占优势。

DeepSeek的开源生态降低了AI应用的门槛，激发了更多初创企业的参与。陈羽北表示，开源模型的连续性和开放性有助于推动行业发展。John Yue补充，开源模型如DeepSeek和LlaMA降低了进入行业的成本，促进了生态繁荣。

DeepSeek通过优化架构和芯片使用，大幅降低了API接口价格。未来，虚拟化GPU和小模型的发展将进一步降低成本。陈羽北预测，小模型将在设备端广泛应用，提高AI的普及率。