Deepseek是否是你的最佳选择？
先来说一下Deepseek在AI普及方面的贡献。Deepseek从春节期间开始爆火，给全民做了一次AI普及，让大家接触了AI，认识了AI，也体验了一把AI。同时，由于Deepseek本身算力承载的问题，许多流量外溢到像豆包、kimi这样的AI产品中。Deepseek在给其他产品带来冲击的同时，也给它们带来了一定的流量。
从技术贡献方面来说，DeepSeek可能是中国本土技术人员对全球信息技术产业最大的一次积极影响之一。模型对外公开，对于开发者、科研工作者、学院研究者来说，可以从开源代码和论文吸取营养，学习技术实现，取长补短，为己所用。
在这样的前提下，对于不同的用户群体来说，该如何使用Deepseek呢？这里粗略分为深度研究者和普通AI产品使用者两类。
哪一类群体是深度研究者呢？
第一类，当然是模型从业者了。这里的模型从业者更多的是指开发、训练模型的相关人员。别人做出了这么好的模型，当然要去借鉴其技术实现，学习其底层原理。另外，技术研究者或对底层实现的感兴趣的人，都可以归为此类。
针对这一类用户，可以从模型部署、论文解析、源码学习、性能对比等各个比较深度的方面来学习和实践。
第二类，国内的一些机关单位和涉密企业。这一类使用群体需求很明确，想利用AI提效，但又不能使用国外模型，Deepseek是一个很好的平替产品。这一类用户更多倾向于To G的用户。
第三类，图便宜的AI产品客户。Deepseek火爆的一个原因就是训练成本低，Token价格低。可以利用这些优势来集成实现AI产品。
从用户性质来说，这类更倾向于To B的用户。而且，目前大多数AI产品，都是基于模型厂商（或云服务厂商）提供的To B的API外加自己的Agent工程来实现对应的AI产品或三方工具的。目前我所在的领域，也是基于模型外加垂直领域来实现产品落地的。
第四类，各大云服务厂商。Deepseek作为最大限度商业开源的模型，除了一部分拥有部署能力或体验部署的人之外，各大云服务厂商，像腾讯云、火山云等，都是第一时间部署了模型，对外提供API调用。当然，在此过程中，云服务厂商针对To B用户可以赚取一定的费用。
回过头再说说普通AI产品使用者。
中午在软件遛弯，听到两拨人在聊Deepseek，可见其在普通用户中流传之广。但他们都提到一个问题——“服务繁忙”。Deepseek作为一家小公司，算力有限，大多数情况都需要等待，然后超时重试。
而对于普通AI产品使用者来说，如果只是解决日常任务，并不是非DeepSeek不用，像gemini 2.0， claude 3.7，国内的千问新版本，腾讯元宝、豆包等都是不错的选择。在这么多选项当中，DeepSeek已经不是最佳选择。
另外，有一部分普通用户也在尝试私有化部署。除非你是用来做技术研究，不然私有化部署毫无意义，而且效果也远达不到预期。之前曾发过一篇图文《大多数人使用的Deepseek是一款产品，而不是模型本身》聊的就是这个问题。
再说说网络上的各类教程和培训，说实话多少有点得罪人。但作为已经在AI领域从业两年多的人来看，目前网络上的大多数课程，对于普通AI使用者来说，其实作用不大，动手直接试一试AI产品，思考一下它能够协助解决自己哪些方面的问题，能够在哪些方面降本增效，或许比看几十页PDF文档更有效。
最后，Deepseek在AI普及、开源、论文、源码等方面的价值值得我们肯定，但在商业化层面对普通AI用户并没有那么友好，只是让你免费在用，只是在展示它的新特性。而在其他大模型日新月异，快速版本迭代的过程中，Deepseek的优势已经逐渐丧失，也逐渐不是最好的选择了。
页:
[1]