DeepSeek开发成本与美国大模型相比大幅降低，在于应用了不同的模型训练模式，打破了美国堆砌算力的“豪气”方式。在喂养学习数据这一大模型重要环节上，OpenAI选择了“人海战术”，堆砌算卡、将资源集中在算力，用海量数据投喂实现能力的提升。而DeepSeek相比于“砸资源”选择了另外一种方式。利用算法把数据进行总结和分类，经过选择性处理之后再输送给大模型，最大优化算力实现了成本的降低和模型性能提升。目前看Meta耗费了大量资金训练Llama，但是效果上却没有成本极低的DeepSeek效果好，Meta高层已经在思考其员工是否在浪费公司资金，而这也引发了不少企业技术人员的恐慌，他们担心自己被质疑技术能力和创新性从而失去工作。根据海外互联网平台对DeepSeek的讨论分析，社交媒体帖子的数量远高于新闻报道，数量约是新闻报道的十倍。时间上来看，社交媒体帖子的讨论早于新闻报道，发酵起点比新闻媒体早了五天，这是由从事科技工作的自媒体人以及员工圈层传播“破圈”造成。

　　原因三：

　　国产大模型正在厚积薄发