今天大家都在谈MS的这篇DeepSeek R2分析的报告，提前曝光了R2的性能和参数，我们简单总结一 下这个报告的核心内容： DeepSeek R2 使用了多达 1.2 万亿个参数，采用了新颖的架构，实现了运行成本的显著降低。其采用 混合专家混合（MoE）架构，有 780 亿个活跃参数。 并且R2 使用华为的 Ascend 910B 芯片进行训练，而非 NVIDIA 的芯片。 R2 增强了多语言覆盖能 力，能流畅处理非英语语言；扩展了强化学习，利用更大的数据集，使模型能够进行更具逻辑性和 更像人类的推理；增加了多模态功能，能够处理文本、图像、语音和视频数据；实现了推理时的缩 放，通过采用通用奖励模型（GRM），在推理过程中增加计算资源，从而提高了输出质量。 R2 具有高成本效益，输入成本为每百万代币 0.07 美元，输出成本为每百万代币 0.27 美元，而 R1 的 输入成本为 0.15-0.16 美元，输出成本为 2.19 美元。 由于这篇报告讲的人已经很多了，我们就不赘述了，而且报告也放到了星球中，有兴趣的朋友可以 到星球中看原文。 今天这篇文章来看另一篇AI的分析，Artificial Analysis ...

DeepSeek R2分析 - 采用1.2万亿参数混合专家架构（MoE），活跃参数达780亿，显著降低运行成本[1] - 使用华为Ascend 910B芯片训练，非NVIDIA方案[1] - 多语言处理能力增强，支持文本、图像、语音和视频多模态功能[1] - 推理成本优化：输入成本降至每百万代币0.07美元（R1为0.15-0.16美元），输出成本0.27美元（R1为2.19美元）[1] 2025年AI六大趋势 1 AI持续进步 - OpenAI的o4-mini和o3、Google Gemini 2.5 Pro、xAI Grok 3领跑智能水平，开源模型如DeepSeek R1接近专有模型性能[3] - Google通过TPU加速器至Gemini模型的垂直整合形成优势[3] 2 中国AI崛起 - DeepSeek、阿里巴巴等中国实验室开源模型智能水平媲美美国，缩小全球竞争差距[4] 3 推理模型 - 通过生成中间token提升逻辑性，Gemini 2.5 Pro可解决复杂问题如蒙提霍尔问题，非推理模型GPT-40因简化处理而错误[5] 4 AI代理 - 多LLM串联实现端到端任务自主处理，减少人工干预[6] 5 效率与MoE架构 - 小模型智能提升+硬件迭代推动推理成本下降，MoE架构通过部分参数激活提高效率[7] 6 多模态AI - **图像生成**：GPT-40设视觉质量标杆，Google Veo 2超越OpenAI Sora[8] - **语音处理**：OpenAI和ElevenLabs领跑语音转文本，MiniMax Speech-02-HD接近人类对话水平[9] 竞争格局与基准 - 开源模型（DeepSeek R1、Meta Llama 3.1）与专有模型（o4-mini、Gemini 2.5 Pro）智能差距缩小[14] - 美国与中国实验室竞争加剧，模型发布周期缩短至3个月[14] - 推理模型在Artificial Analysis智能指数（MMLU-Pro等7项评估）中表现更优，但消耗更多token[21][31] 成本与架构 - 高性能模型推理价格持续下降，DeepSeek R1成本显著低于前代[34] - MoE架构模型（如DeepSeek R1）在效率与性能平衡上优于密集架构[36] 产业链关键玩家 - **基础模型**：OpenAI、Google、DeepSeek、阿里巴巴[16] - **多模态领域**：OpenAI（语言/图像）、ElevenLabs（语音）、Midjourney（图像）[18] - **硬件**：NVIDIA主导，华为Ascend 910B等挑战者涌现[37]

长按即可参与 到现在为止，大多数人可能都听说过中国人工智能初创公司 DeepSeek，因为它当时几乎在所有平台 都爆红。但我们认为因为 DeepSeek（ DEEPSEEK ）而抛售英伟达股票是不合理的，至少没有达 到那种程度。 但让我们仔细分析一下市场为何会有如此反应，这有助于我们理解如果Deepseek R2人工智能模型 的发布是否会重演这一幕。在R1发布之前，人们普遍认为中国在人工智能领域落后多年，没有机会迎 头赶上。 谷歌前首席执行官埃里克·施密特 (Eric Schmidt)曾在 2024 年 5 月表示，美国在人工智能领域领先 中国 2-3 年，原因有三：由于芯片禁令，中国更难获得英伟达芯片；获取培训材料更困难，互联 网上的信息更多是英文；最后，投资较少。领先两三年意味着中国现在的水平与 ChatGPT 的第 一个版本相同。然而，事实并非如此。 顺便说一句，DeepSeek 之前也发布过一些模型，但由于性能不佳，它们从未声名鹊起，也鲜有人使 用。然而，R1 的发布改变了一切，并表明使用更少、更老旧的 GPU 也能开发出最先进的模型。开 发人员运用了多种优化策略来实现这一点。然而，黄仁勋表示，在他看 ...