你可能不认识LABUBU，但你一定认识这套畅销10W+的“漫画”系列图书！

今年开年以来，DeepSeek火爆全球，各种书籍爆发式涌现，但是大多太“硬核”，阅读难度较高，鉴于此，《漫画算法》系列畅销书作者、知名技术作家魏梦舒（@程序员小灰）在保持漫画风格的基础上，推出了最新的《漫画DeepSeek》一书。
全书用漫画、风趣的对话形式，生动讲解 DeepSeek的概念、原理、使用方法、变现场景等内容的，无论你是AI工具的专业使用者，还是对AI并不了解的外行朋友，都能从这本书中获得深刻的洞见和实用的知识，非常值得一读！
今天就让我们跟着小灰一起用看漫画学习 DeepSeek 吧。

DeepSeek发展历程

2023年7月，一个名为DeepSeek的人工智能团队在杭州成立。这个团队在当时并不出名，但它的母公司却是国内著名的量化投资公司——幻方量化。
幻方量化与DeepSeek的创始人名叫梁文峰，是一位年轻有为的天才人物。DeepSeek也是一个非常年轻的团队，团队成员不到140人，绝大多数是“90后”。
虽然这个团队的规模并不大，成员也都很年轻，但是在不久的将来，他们孕育出了国产AI模型领域的一匹黑马—— DeepSeek。

初代DeepSeek
2024年1月5日，DeepSeek团队发布了他们的首个大模型DeepSeek LLM。这个模型包含670亿个参数，是从零开始在包含2万亿个token的数据集上训练的。
DeepSeek-V2
2024年5月，DeepSeek宣布开源第二代大模型DeepSeek-V2。第二代模型采用了一项具有挑战性但潜力巨大的技术——混合专家模型（Mixture of Experts，MoE）。DeepSeek-V2拥有2360亿个参数，它的训练参数量达8.1万亿个token。
2024年9月，DeepSeek推出了DeepSeek V2.5模型，该模型在写作任务、指令跟随等方面进行了优化，进一步提升了实用性和用户体验。
DeepSeek-V3
2024年12月26日，DeepSeek推出DeepSeek-V3模型。该模型进一步提升了灵活性和效率，其参数量达到了惊人的6000多亿个。
在训练数据方面，DeepSeek-V3使用了超过10万亿个token的多语言数据集，涵盖中文、英文、代码以及多种垂直领域数据。这使模型在多语言理解、代码生成和复杂推理任务上表现出色。
DeepSeek-R1
2025年1月2 0日，DeepSeek正式发布DeepSeek-R1模型。
DeepSeek-R1模型使用强化学习训练，推理过程包含大量反思和验证，思维链长度可达数万字。
DeepSeek-R1模型在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力，在数学、代码、自然语言推理等任务上，其性能比肩OpenAI o1正式版。
截至2025年3月，许多国内外的大企业都接入了DeepSeek-R1，包括国外的英伟达、微软、亚马逊，国内的腾讯、阿里巴巴、百度、360等。可以说，DeepSeek-R1让全世界看到了属于中国人的技术创新。

成功秘籍：成本低+性能好

为什么说DeepSeek的成本足够低呢？根据一份研究报告，OpenAI公司的GPT-4模型的训练成本可能超过了1亿美元。相比之下，DeepSeek-V3模型的训练成本只有区区557.6万美元，差不多是GPT-4模型成本的十七分之一。
为什么说DeepSeek的性能足够好呢？DeepSeek-V3在多项评测中的表现出色，尤其是在与GPT-4o和Claude-3.5-Sonnet的对比中展现出不俗的竞争力。DeepSeek-V3的响应
速度达到了60TPS，远超GPT-4o的预估速度。DeepSeek-R1模型在繁重的推理任务中同样具有出色的表现，根据专业机构的测评，DeepSeek-R1模型的水平足以和OpenAI的o1模型媲美。

DeepSeek如何实现人机对话？

基于规则是什么意思呢？
在NLP探索的早期，计算机科学家认为，要想让机器人学会与人类对话，就要先让他们懂得人类语言的规则和词汇。
于是他们与各个国家、各个民族的语言学家合作，设计一层又一层的复杂规则，通过程序来拆解人类用户输入的自然语句，让AI理解其中的含义，再根据语法规则拼凑出对应的回答，输出给人类用户。
这样的解决方案在有限的标准的场景下是可行的。但是，全世界的语言多种多样，涉及的规则庞大而复杂，再加上各种俚语、网络流行语……，要想用标准的程序来处理所有的语言规则，实在是难如登天。

机器学习（Machine Learning）是AI领域一项伟大的技术发明，从名字就可以看出，这项技术的核心是让AI不断学习和进步。AI学习的“原材料”是数据。为了让AI越来越聪明，人类会准备海量的标准化数据，这些数据包括图书、论文、网页、聊天记录、新闻、代码等。