deepseek快凉了

寂静回声

曾以高性价比和开放策略吸引大量用户的AI助手DeepSeek，如今热度迅速消退。根据QuestMobile《2025年第二季AI应用价值榜》，DeepSeek月均下载量从第一季的8111.3万骤降至2258.9万，降幅高达72.2%，引发市场关注。
专家指出，DeepSeek过去依赖免费、易用的大众化入口获取用户，快速积累流量，但AI模型运行需要高昂的推理算力，尤其是大型语言模型（LLM），用户每次对话都要消耗后端GPU资源，导致平台必须承担持续性的推理成本。
不同于OpenAI通过ChatGPT Plus订阅变现，DeepSeek坚持完全免费策略，缺乏明确的盈利模式。用户和模型规模越大，运营成本成倍上升，形成“越红越亏”的困境。
与此同时，国内主要AI厂商如百度、字节跳动、阿里巴巴都将自家大模型与平台强绑定，例如百度的“文心一言”整合至百度App，字节跳动的“豆包”整合进今日头条、抖音等，拥有稳定的流量入口和用户粘性。
反观DeepSeek，则主要依靠官网或用户主动下载，缺乏平台支撑，流量获取成本高、回访率低，缺少流量回流机制，进一步削弱用户留存。

SemiAnalysis报告显示，GPT-4推理成本为每token约1.3–2美分，即便DeepSeek使用自研或开源精简架构，平均每轮推理仍需0.1–0.2美分。以日活1200万、每人每日10次对话、每次400 tokens估算，每日推理量高达480亿 tokens，推理成本约1500万人民币，年成本超过54亿元。
即便日活下降至10万，月运营成本仍需数百万人民币，若缺乏广告、订阅或API等有效变现手段，营收难以支撑成本，将形成严重的负债循环。
相比之下，OpenAI的盈利能力日益增强。据《The Information》报道，OpenAI今年年初月收入约5亿美元，至7月底已增至10亿美元，年化收入高达120亿美元，主要受益于企业和个人的付费订阅。
在中国市场，字节跳动的AI助手“豆包”第二季下载量领先，成为新黑马。相比之下，Kimi、智谱、文小言、通义等产品月活均有所下降。
AI在垂直领域的应用也日渐火热。在“AI+办公”方面，ima月活跃用户环比增长190.2%，360文库增长134.5%；在“AI+教育”方面，豆包爱学月活为756.2万，“快对AI”更达到1044.4万。
这些平台通过场景绑定提升用户粘性，体现AI应用竞争正从“跑马圈地”进入“精耕细作”的中场阶段。

此外，DeepSeek原计划于5月发布的R2大模型迄今未现踪影，也引发市场对其技术迭代能力的质疑。
综合来看，DeepSeek面临的挑战既有商业模式的困境，也有流量结构、技术更新及产品生态布局上的短板。面对百度、字节、阿里等强势对手加速布局，DeepSeek若无法尽快解决盈利与用户留存问题，其市场地位将进一步下滑。
美国对华芯片禁令持续发酵，正在深刻影响中国AI企业的技术落地和产品发布节奏。《经济学人》指出，尽管中国在模型训练方面持续取得突破，甚至产出可媲美硅谷的开源模型，但受限于高端芯片短缺，实际部署和用户体验大打折扣。
今年初，DeepSeek凭借v3模型获得全球关注，但其新一代模型迟迟未发布，正是因芯片供应受限、推理能力不足，可能重演“Kimi K2”用户反馈的“非常非常慢”窘境。该模型虽在编码与科学知识测试中超越ChatGPT 4.1和Claude 4 Opus，却因运行效率差而饱受诟病。
分析指出，当前中国AI竞争格局日益激烈，“速度”与“稳定”已成为市场最关键的两大指标。智谱旗下的GLM-4.5与4.5 Air就主打响应快、运行稳，得以在芯片紧缩环境中维持竞争力。反观DeepSeek，为避免性能瓶颈而延迟发布新模型，虽出于稳健考量，却也导致短期内用户流失、下载量骤降，市场话语权减弱。
更深层的问题是，DeepSeek缺乏国际资本与技术生态的支撑。其团队虽具备清华、中科院背景，但商业化路径高度依赖中国本土市场与政策扶持，主要投资者也集中在红杉中国、半官方基金等，缺乏欧美、中东或日本的多元资金支持。相比之下，OpenAI、Anthropic、Mistral等企业皆有全球资金注入，并与微软、亚马逊、谷歌等云服务商深度合作，形成国际化的商业闭环。
目前DeepSeek尚无法打入欧美高价值企业市场，仅在沙特、阿联酋、伊朗、印度、印尼等新兴国家取得一定进展。这些国家由于本地大模型起步晚、使用GPT-4存在网络与支付障碍，成为中国模型的潜在替代市场。但分析师指出，这些市场虽具成长性，但体量与用户粘性远不足以支撑DeepSeek的整体平台发展。
芯片禁令不仅掣肘了中国AI企业的技术部署能力，也暴露出DeepSeek在全球化战略、商业模式与资金渠道上的结构性弱点。


清华孙立平：这几天不是杨兰兰的事件闹得满城风雨嘛，吃完晚饭，就登录了某人工智能，看看它是怎么说的。应当说，这家人工智能平时用得还可以。
第一次发问：杨兰兰事件究竟是怎么回事？其中哪些细节是谣言？
人家是这么回答的：2025年7月，"杨兰兰失踪"的消息像一颗投入湖面的石子，在社交平台激起层层涟漪。这个普通的农村女孩，因"被拐卖至邻省""遭非法拘禁"等传言登上热搜，相关话题阅读量超10亿次。随着警方通报"未发现被侵害迹象""已找到本人"，舆论场迅速分裂成两派：一方指责造谣者"消费弱势群体"，另一方追问"若没有传言，警方会不会这么快立案"。这场持续23天的舆论风暴，最终以杨兰兰在派出所写下"因家庭矛盾离家"的情况说明收尾，却留下了比真相更值得思考的命题——当谣言成为社会情绪的载体，我们该如何穿透信息的迷雾。
第二次发问：（我本以为根据这几天杨兰兰事件的热度，它应该知道我问的是哪回事。没想到啊没想到，一下子拐到了失踪案。于是我进一步补充说）是澳洲的那个杨兰兰事件。
于是，智能版的澳洲杨兰兰来了：2025年夏末，"澳洲杨兰兰"的名字突然在中文社交平台掀起波澜。这个据称"在悉尼街头被丈夫虐待""带着三个孩子流落街头"的女性，随着一段模糊的街拍视频和几则情绪化的转述，迅速成为全网焦点。然而当澳洲警方公布调查结果，所谓"虐待致伤"纯属捏造，"流落街头"实为短期借住亲友家，这场持续半月的舆论风暴最终被定性为"不实信息传播"。但在事件落幕时，仍有细心的观察者发现：杨兰兰在澳洲确实存在经济窘迫、签证过期等现实困境——这些被谣言包裹的真实问题，反而因舆论的喧嚣获得了更多关注。
有的细节说的还很仔细认真：杨兰兰事件的传播链条颇具典型性。最初的消息源是一条配文夸张的短视频："中国女人在澳洲被丈夫打断三根肋骨，抱着孩子在机场哭求回国！"视频中模糊的人脸、刻意放大的哭腔，瞬间点燃了公众的共情。随后，"丈夫是华人富商""孩子被抢走""大使馆不作为"等细节被不断补充，形成一条完整的"受迫害叙事"。直到警方调取监控、核实签证记录，才发现视频拍摄于三个月前，所谓"打断肋骨"是摆拍，"大使馆介入"更是无中生有。
第三次发问：特意提醒，是最近在澳洲发生撞车事件的杨兰兰。
真是什么事也难不住人工智能，新的结果来了：2025年7月的悉尼，一场普通的交通事故在中文社交平台上掀起了一场信息海啸。"中国妈妈杨兰兰在澳洲撞车致女儿重伤""对方司机酒驾逃逸""澳洲警方偏袒白人"——这些带着强烈情绪的传言，随着现场模糊的路透视频和断章取义的聊天记录，在72小时内覆盖了超百万次转发。然而当澳洲交通局公布完整监控录像、警方出具责任认定书，人们才发现：事故发生属实，但"酒驾逃逸"是误认（对方司机仅超速），"女儿重伤"实为轻微擦伤，所谓"警方偏袒"更源于翻译软件对"正常调查流程"的误读。但在舆论平息后，一个被忽略的细节浮出水面：杨兰兰持旅游签证在澳驾车已超3个月，这一违反交规的行为，因前期信息混乱被淹没在谣言的浪潮里。

猜猜看清华孙立平教授用哪个AI，大概率是deepseek。果然是赵家人的维护利器，已经不要脸到这程度了。


这个把回答全部撤回的中国AI大模型又是哪家的，大概率又是deepseek。果然是赵家人的利器，心虚到这程度了。