國產人工智能企業深度求索開發的大模型DeepSeek開源周落下帷幕。

2月28日，DeepSeek最新宣布，開源面向DeepSeek全數據訪問的推進器3FS（Fire-Flyer File System）。據介紹，這是一款并行文件系統，可利用現代固態硬盤（SSD）和遠程直接內存訪問（RDMA）網絡的全部帶寬，加速和推動DeepSeek平臺上所有數據訪問操作。

至此，DeepSeek開源周正式結束，此前2月21日午間，DeepSeek曾宣布，將開源5個代碼庫，以完全透明的方式與全球開發者社區分享研究進展，每日都有新內容解鎖，進一步分享新的進展，并將這一計劃定義為“Open Source Week”（開源周）。

“此次開源周提供的五個項目，覆蓋了AI開發的核心環節——從硬件性能壓榨、模型訓練優化到數據處理提速，目標是讓開發者開箱即用，降低技術門檻和成本，讓開發者能夠更高效、低成本、廣泛地使用大模型。”對于開源的具體影響，華東師范大學數據科學與工程學院教授王偉告訴澎湃新聞記者，預計將拉動更多云服務提供商，降低自建云計算中心或私有化部署成本，形成更強大的生態圈，與其他大模型生態體系競爭。

他提到，DeepSeek之所以選擇開源路線，不擔心被同行超越，是因為其核心競爭模式和利潤來源不需要依靠售賣模型服務而盈利，此外，也說明DeepSeek有相當的技術信心，“相信自己不會迅速被業內競爭對手超越，能夠堅持引領最先進的技術在自身體系下持續發展。”

“此次DeepSeek的開源，從更大意義上來說，是在引導全球范圍內的標準制定，形成更強的DeepSeek生態，通過開源能夠吸引更多國家的開發者加入到DeepSeek生態中，將很大程度提升中國在人工智能領域的全球引領能力。”王偉認為，如果DeepSeek在全球范圍內形成較強的開源生態，將會推動國內的芯片廠商進一步適配，擁有更廣闊的場景和市場，實現商業閉環。

此次DeepSeek究竟開源了哪些項目，對于大模型行業有什么意義？澎湃新聞記者梳理了從2月24日至28日所有的開源項目。由于這些項目涉及眾多專業術語，記者使用了DeepSeek網頁版提供項目具體解釋：

2月24日，首個開源的代碼庫為FlashMLA。

FlashMLA被稱為提升顯卡潛力的“加速器”，FlashMLA是DeepSeek用于Hopper GPU的高效MLA解碼內核，并針對可變長度序列進行了優化，現已投入生產。

FlashMLA專門用于優化顯卡（尤其是英偉達旗下GPU）的計算效率。比如，AI處理不同長度的句子（如長文本和短文本）時，它能動態分配算力，避免資源浪費，讓處理速度接近硬件極限。實測顯示，這讓AI翻譯、內容生成等任務更快、更省成本。

2月25日，DeepSeek宣布開源DeepEP，即首個用于MoE模型訓練和推理的開源EP通信庫。

DeepEP被稱為大模型訓練的“通信管家”，專門用于提升大模型訓練效率設計，比如，當多個AI專家模型（MoE架構）協同工作時，它能高效協調它們之間的通信，減少延遲和資源消耗，同時支持低精度計算（如FP8），進一步節省算力。

2月26日，DeepSeek宣布開源DeepGEMM：DeepGEMM被稱為矩陣計算的“省電小能手”，這是一個優化矩陣乘法（AI訓練的核心計算）的工具。通過低精度計算（FP8）提升速度，再用英偉達CUDA技術修正誤差，既快又準，代碼僅300行，安裝簡單，適合快速部署。

2月27日，DeepSeek開源兩個工具和一個數據集：DualPipe、EPLB 以及來自訓練和推理框架的分析數據，梁文鋒本人也名列開發者之中。

DualPipe主要用于解決流水線并行中的“等待時間”問題。比如，多個任務步驟速度不一時，它能雙向調度，減少空閑時間。EPLB則用于自動平衡GPU負載，當某些AI專家模型任務過重時，它會復制任務到空閑顯卡，避免“忙的忙死，閑的閑死”。

2月28日，DeepSeek宣布開源3FS（Fire-Flyer File System）系統：3FS被稱為數據處理的“極速組合”，采用分布式文件系統，利用高速存儲和網絡技術（如SSD、RDMA），讓數據讀取速度達到每秒6.6TB，適合海量數據訓練。

DeepSeek究竟為何要選擇開源？此次開源將如何輻射行業？

“DeepSeek的這波開源，相當于在英偉達的AI護城河上架起了浮橋。”北京郵電大學智能交互設計專業副教授譚劍向澎湃新聞記者表示，更重要的是，DeepsSeek團隊這些開源模塊證明了他們有能力深入剖解英偉達CUDA和并行計算芯片的緊密耦合模式，這也是傳統AI研究領域認為是不可撼動的軟硬件基礎設施，是英偉達寬闊的護城河。

譚劍認為，這周密集的開源模型和算法重構了AI硬件運行邏輯，不單是有力地回應了之前Deepseek訓練模型仍然需要巨大算力的質疑，而且可以預見，這些核心庫的開源將極大激發全球AI軟硬件團隊的創新活力。

對于DeepSeek對AI乃至芯片行業的影響，譚劍表示：一方面，AI模型軟件研究團隊可以通過算法優化（如低秩注意力壓縮）降低硬件需求，另一方面，算法優化暴露了現有AI芯片的設計缺陷，我國AI芯片研發團隊也可以借鑒這些算法重寫設計內部計算單元和通信總線。預計未來各個細分領域都有可能用上國產的軟硬件一體化AI模型，開啟我國AI模型應用百舸爭流的新時代。

而大模型行業資深觀察者劉聰向記者表示，DeepSeek這波開源堪稱“業界良心”，雖然對普通用戶及大多數使用者而言，直接應用價值有限，但對底層技術從業者來說十分有用。

劉聰認為，DeepSeek將在DeepSeek-V3論文中提到的infra（基礎架構）優化都提供了開源，很多開源框架都可以加上這些優化策略，隨著硬件資源又一次被壓縮，可能會迎來一波API（接口）降價，從而繼續引領行業的公開、透明。

作為開源大模型，DeepSeek的火爆帶動了開源成為如今的大模型新趨勢，百度、阿里紛紛宣布旗下大模型開源，頭部大廠開源似乎已成為共同選擇。

香港科技大學校董會主席、美國國家工程院外籍院士沈向洋在2025全球開發者先鋒大會（GDC）上表示，盡管當前閉源的份額仍然超過開源的份額，但接下來一兩年將劇烈變化，平衡開源與閉源，引領未來。“大模型時代，開源并沒有像以往那么多、那么快，我想，通過上海的努力，我相信開源這件事情會越做越好。中國的團隊、上海的團隊一定會引領開源潮流。”

“盡管在國內大模型開源似乎成為主流，但在全球范圍內，這并沒有形成統一。”王偉坦言，例如頭部大模型廠商OpenAI依然保持閉源路線，即便是DeepSeek在開源過程中也有保留，例如在訓練數據和訓練過程中并未實現開源。

“開源和閉源存在路線之爭，這不僅是企業之間，甚至可能上升到國家層面。在數字經濟時代，信息復制成本近乎為零，DeepSeek選擇開源能迅速占領市場，獲得大量月活，此后可能考慮采用其他商業模式盈利，而傳統的閉源大模型占領市場、推廣用戶需要投入大量廣告成本。”

值得注意的是，人工智能的研發競爭正在愈發激烈。當地時間2月27日，大洋彼岸的人工智能巨頭OpenAI發布GPT-4.5（研究預覽版），并稱其為公司迄今為止規模最大、性能最強的聊天模型。

不過，由于持續的高投入和高成本，GPT-4.5此次面世面臨巨大爭議。公開資料顯示，開發者可以直接在API中調用GPT-4.5，但輸入token定價比GPT-4o貴了30倍，輸出token貴了15倍。OpenAI的CEO奧特曼表示，盡管想同時推出GPT-4.5Plus和Pro版本，但GPU已然用盡，下周將增加數萬個GPU，然后將其推出到Plus級別。

如何看待OpenAI新推出的GPT-4.5？王偉認為，這正體現了閉源和開源兩大不同發展路線，GPT-4.5在很多評測能力上有很大優勢，但它耗費了巨大的算力和資金，“從我們的角度看，它雖然有優勢，但需要耗費巨大的成本，我們更看好類似DeepSeek這樣可持續發展的模式。”

形成對比的是，DeepSeek繼續走低成本和性價比路線。2月26日，DeepSeek發布降價通知：北京時間每日00:30-08:30為錯峰時段，API調用價格大幅下調，其中DeepSeek-V3降至原價的50%，DeepSeek-R1降至25%。