深度求索（DeepSeek）是一家专注于大语言模型研发的中国人工智能公司，全称为杭州深度求索人工智能基础技术研究有限公司，2023 年成立于浙江杭州。公司由量化投资机构幻方量化孵化，创始人梁文锋，以高性能、低成本的开源模型闻名。
1 公司概况
1.1 名称与定位
“深度求索”为中文正式名称，英文名 DeepSeek 由 Deep 与 Seek 组合而成，既指对深层规律的追索，也呼应了深度学习的技术背景。公司定位为人工智能基础技术研究，主要方向是大型语言模型与推理模型的训练、压缩与部署。
1.2 组织背景
公司脱胎于幻方量化的 AI 研究团队。幻方长期自建算力集群，为大规模训练提供了硬件基础；深度求索独立后，延续了“自建集群、自研训练框架”的路线，团队规模相对同行动辄上千人的编制并不算大。
2 发展历程
2.1 创立阶段
2023 年 7 月公司成立，同年 11 月发布首批模型，包括面向代码场景的 DeepSeek Coder 与通用语言模型 DeepSeek LLM，参数规模覆盖多个档位，并同步公开权重与技术报告。
2.2 架构创新与价格战
2024 年 5 月发布的 DeepSeek-V2 引入了多头潜在注意力（MLA）与自研的混合专家结构，在保持能力的同时显著压低推理成本。其 API 定价远低于同期同类产品，直接引发了国内大模型市场的降价潮，被媒体称为“价格战”的起点。
2.3 规模突破
2024 年 12 月，DeepSeek-V3 发布，采用混合专家架构，总参数约 6710 亿，每次推理激活约 370 亿。官方披露的训练成本与算力占用远低于同类模型，这一数字在行业内引发广泛讨论。
2.4 推理模型与出圈
2025 年 1 月，公司发布推理模型 DeepSeek-R1，其训练重点在于用强化学习直接激发模型的推理能力，而非依赖大量人工标注的推理过程。模型权重以宽松许可开源，配套的应用在国际应用商店迅速攀升，引发了全球范围的关注与讨论。
2.5 后续迭代
此后公司保持较高频率的版本更新，2025 年下半年陆续推出 V3.1、V3.2-Exp 等版本，在混合推理、长上下文与稀疏注意力等方向持续调整，R1 的相关研究也于同年进入学术期刊发表。
3 主要产品与技术
3.1 模型系列
- V 系列：通用语言模型主线，迭代节奏较快，覆盖对话、写作、代码与工具调用等场景。
- R 系列：推理模型，强调长链条思考与数学、代码类任务。
- Coder 系列：专注代码补全与程序理解。
- 多模态系列：包括面向图像理解与生成的 Janus 系列。
3.2 关键技术
3.2.1 混合专家架构
模型由大量专家子网络构成，每个 token 只路由到少数专家，从而在总参数量很大的情况下控制实际计算量。
3.2.2 多头潜在注意力（MLA）
通过对键值缓存进行低秩压缩，大幅降低长上下文推理时的显存占用，是低成本部署的重要前提。
3.2.3 强化学习驱动的推理训练
R1 的路线表明，在具备可验证答案的任务上，仅用结果奖励进行强化学习，也能让模型自发形成较长的推理链，这在此前并非主流做法。
4 开源策略与影响
4.1 许可方式
公司多数模型权重公开发布，许可证条款相对宽松，允许商业使用与二次分发，仅对极大规模商用设有额外约定。这一策略使其成为开源模型生态中下载量与衍生版本最多的项目之一。
4.2 行业影响
低成本训练与开源权重两个特点叠加，改变了外界对“顶级模型必须依赖巨额算力投入”的预期，也推动了推理模型在中小团队中的普及。多个国家的公共部门、云服务商与硬件厂商先后宣布接入或本地部署其模型。
4.3 争议与讨论
伴随关注度上升，也出现了关于训练数据来源、模型蒸馏、开源边界与安全对齐的讨论。部分监管机构与同行对其合规性提出疑问，公司则以公开技术报告与模型说明回应。
5 应用与生态
5.1 官方服务
官方提供网页端与移动端应用、开放平台 API，以及面向开发者的工具调用与上下文缓存等能力。
5.2 第三方生态
由于权重开放，社区出现了大量量化版本、本地部署方案与微调模型，也有第三方聚合平台以其中转形式对外提供服务。企业侧则多见于私有化部署与内部知识库问答。