為何 29.4 萬美元的價格標籤震撼 AI 業界
DeepSeek 在《Nature》發表一篇經同儕審查的推理模型 R1 論文時，有個數字吸引了全球目光：29.4 萬美元。各家標題指出，這款旗艦模型的訓練成本僅為美國競爭對手據稱花費的一小部分。這個數字是真的，但只涵蓋整體工作的很小一部分。這筆金額用於最後一階段的強化學習，讓模型逐步推理的能力更精進，並未計入 R1 所依賴的規模大得多的基礎模型，先前耗時數月進行的預訓練。
目錄
R1 的表現奠基於 DeepSeek V3。這是一款大型語言模型，使用大型運算叢集，在龐大語料庫上訓練而成。完成這項昂貴的基礎工作後，團隊才進行強化學習，引導模型改善邏輯與問題解決能力。把最後的微調步驟誤當成整個專案，才讓一項特定成本項目成為新聞標題。
兩者的差異很重要。能在程式設計和數學領域與頂尖系統一較高下的模型，不可能靠幾台機架上的晶片花一個週末就做出來。這需要持續運算、大量整理資料、反覆實驗、審慎進行安全與評估工作，以及最後的最佳化階段。《Nature》的論文讓外界得以深入了解最後這個階段，卻沒有抹去此前繁重的工作。
《Nature》論文實際寫了什麼
R1 的補充資料詳述了一次使用 512 張 Nvidia H800 GPU 的強化學習訓練。資料指出，初始的 R1 Zero 訓練約耗時 198 小時，之後又花了 80 小時才完成發布版 R1。團隊也記錄了約 5,000 GPU 小時，用來產生訓練流程所需的偏好資料。若按 H800 等級加速器的一般租用費率計算，這些步驟合計略低於 30 萬美元。這個數字並不代表從頭打造最先進模型所需的全部時間與運算資源。
論文也釐清了硬體背景。DeepSeek 訓練 R1 主要使用 H800。這款晶片是 Nvidia 因應美國出口規定限制中國取得更高階加速器，而為中國市場設計的產品。團隊承認曾使用 A100 GPU，為較小型模型進行前期準備工作，之後才轉用 H800 執行 R1 主要的強化學習訓練。讀者可在期刊《Nature》刊出的同儕審查資料中查閱技術細節與成本項目。
打造 R1 的真正成本，從 V3 預訓練開始
DeepSeek 自身的資料指出，最大的成本項目是預訓練 R1 所依據的 V3 基礎模型。V3 使用 2,048 張 H800 GPU 訓練約兩個月，換算下來約為 279 萬 GPU 小時。若以這類硬體每 GPU 小時約 2 美元的保守租用費估算，光是預訓練就接近 558 萬美元。再加上強化學習與相關資料生成約 29.4 萬美元，完成發布版 R1 所需的運算成本約為 587 萬美元。
這項估算符合論文的說法：R1 的 29.4 萬美元是基礎模型之外的額外成本，也與外部分析相符，後者認為 R1 的整體運算規模與其他大型開放模型大致相當。相較於外界傳聞中封閉式頂尖系統的預算，這筆費用仍顯得精簡，但遠高於單一「不到 30 萬美元」標題所暗示的成本。
GPU 小時的計算方式
GPU 小時是衡量運算量的簡單單位：一張 GPU 執行一小時，就等於一個 GPU 小時。一次訓練的總 GPU 小時數，等於 GPU 數量乘以運作時數。成本則取決於這些時數在市場上的價格，可能是雲端租用費，也可能是自有硬體的折舊與營運費用。開發者若租用 2,000 多張加速器，連續使用數月，就得按小時計費；若自行購買同一套叢集，則須先投入資本，再支付電力、冷卻、空間與維護費用。
若只為了單次訓練而購置這種規模的叢集，成本會遠高於租用。以目前市價估算，建置包含 2,048 張 H800 等級 GPU、網路設備與伺服器的設備，費用將遠超過 5,100 萬美元，而且還不包括工程人力、資料授權、評估工作、儲存空間，以及成功發布前大量失敗的實驗。5.87 億美元更適合視為幾次大型成功訓練的成本，而非讓這些成果得以實現的完整研究成本。
強化學習是最後一道工序，不是全部
強化學習透過獎勵模型產生理想結果，改變受訓模型的行為。在 R1 專案中，DeepSeek 使用一種為答案評分的技術，引導模型產生最終結果正確的解法。研究人員將此方法稱為純強化學習，不需要人類撰寫的思考鏈。模型會自行探索並測試不同路徑，接收答案正確與否的訊號，逐步改善內部推理策略。
這道最後工序很有價值。在數學、程式設計與科學任務中，目標是得出可驗證結果，因此強化學習能提升模型表現。而且這個階段的成本遠低於預訓練。真正繁重的工作，仍是花數月讓基礎模型學會語言知識並具備廣泛能力。之後再透過強化學習，將這些能力導向逐步推理、工具使用等特定目標。
晶片、出口規定，以及 DeepSeek 實際使用的硬體
DeepSeek 的訓練受到晶片供應限制。美國限制高階加速器出口至中國，因此 DeepSeek 的資料中多次出現 H800。這是 Nvidia 資料中心 GPU 的降規版本，符合出口規定。業界曾傳出中國研究人員找到取得更快晶片的管道，外界也逐字檢視公司聲明，試圖找出硬體來源線索。但與成本相關的事實更明確：R1 強化學習階段使用 512 張 H800 組成的叢集，較早的前期準備工作則曾使用 A100。
團隊在補充文件中承認了這點。研究人員說明，主要使用 H800 執行 R1 訓練之前，A100 在前期準備階段所扮演的角色。
DeepSeek 研究人員寫道：「在 DeepSeek-R1 的研究中，我們使用 A100 GPU，為較小型模型的實驗進行準備。」
這項細節說明了為何最終預算與晶片組成可以同時成立：主要強化學習階段的成本計算採用 H800，而 A100 則用於更早期、協助確立方法的實驗。
DeepSeek 的成本真的遠低於西方競爭對手嗎
打造 R1 的完整運算成本接近 600 萬美元，而非 30 萬美元。即便如此，這仍只是外界傳聞中封閉式頂尖系統九位數預算的一小部分。以加速器數量與訓練時間衡量，其成本規模也與 Meta 的 Llama 4 等大型開放模型相當，儘管那些專案使用的 Token 更多。這種差距值得關注，但並不代表整個開發流程的成本降低了一個數量級。
許多讀者仍認為 DeepSeek 是成本領先者，其中一個原因是團隊在限制下充分運用晶片。該公司採用混合專家模型架構，每個 Token 只啟用一小部分參數，因此每 GPU 小時能處理更多工作。此外，模型在推論時會進行更長時間的推理，把部分負擔從預訓練轉移到後續使用階段。
研究人員也曾討論資料來源與模型之間的知識轉移。DeepSeek 在部分產品中使用蒸餾技術，由能力較強的模型產生答案，藉此教導較小或成本較低的模型。團隊表示，V3 基礎模型從包含 AI 生成內容的網路爬取資料中學習，其中可能有其他系統的輸出。論文將此描述為附帶結果，而非刻意抄用推理路徑。這項技術區別對法律界與政策制定者很重要，也有助於成本分析者了解，開發者如何用較少的 Token 和運算資源達成更多成果。
專家如何看待成本與使用門檻
學界人士呼籲，應理性解讀 DeepSeek 公布的數字。他們肯定其工程實力，也提醒外界不要過度簡化成本比較。降低訓練預算若能帶動更便宜的服務，仍可能讓市場受益；但新聞標題中的數字往往沒有計入人力、實驗與基礎設施的費用。
聖路易華盛頓大學電腦科學與工程系助理教授 Umar Iqbal 認為，降低成本有助於擴大使用機會，同時也提醒雲端規模 AI 帶來的隱私與安全取捨。
Iqbal 表示：「要讓技術廣泛普及，就必須讓人負擔得起。」他並指出，較低的開發成本能促成更多大規模實驗，但雲端 AI 服務也引發資料控制與隱私方面的實質疑慮。
即使支持 DeepSeek 技術路線的人士也提醒，廣為流傳的訓練成本總額並非完整的衡量標準。他們指出，反覆訓練、調校流程與資料處理等工作，通常不包含在單次端到端訓練中。
資料、蒸餾，以及訓練集可能包含的內容
蒸餾是利用較強系統的回應來引導目標模型。開發者可以生成數百萬組高品質問答、程式碼執行軌跡或思考鏈範例，再透過微調讓模型學會重現這些行為。這種方法無須重新執行成本最高的預訓練部分，就能提升模型品質。這也是規模較小的團隊能在數學與程式設計等領域，追上甚至達到大型研究機構特定能力的重要原因。
DeepSeek 表示，其模型家族中的部分蒸餾版本採用了 Meta 的 Llama 等開源系統。至於 V3，該公司稱其訓練使用涵蓋廣泛內容的網路爬取資料，其中含有大量 AI 生成的答案。這種方式有利也有弊：它能加快模型學習常見模式，但也可能帶入來源不明的授權與品質問題。《Nature》論文促使研究界要求更清楚說明資料何時、如何使用，以及訓練流程哪些部分仰賴合成標籤。
為何 29.4 萬美元的標題廣為流傳，以及這有何重要
29.4 萬美元這個數字容易傳播，也足以引起市場震盪。DeepSeek 今年 1 月初次發布模型時，就已引發外界擔心低成本競爭對手會削弱美國業者的優勢。投資人拋售晶片製造商與 AI 合作夥伴的股票。經同儕審查的論文以一句簡單說法重燃這股關注，其傳播速度甚至超過了註腳。許多讀者，甚至一些記者，都把強化學習當成了全部故事。
這篇論文帶來的影響不只有引發熱議。它公布具體數字與方法細節，為透明度樹立了標準，也將資料納入公開的科學紀錄。審查者要求 DeepSeek 減少擬人化表述，並釐清安全、資料來源與運算資源等問題。這對科學界與產業都有益處，有助於社群了解哪些技術最有效，以及哪些成本仍難以壓低。
這對 AI 成本與競爭意味著什麼
模型開發的經濟模式正在改變。經歷多年規模擴張後，許多團隊如今更重視微調，以及讓模型有更多時間進行推理，而非只擴大資料集與參數數量。這會將部分成本負擔轉移到後續推論階段：模型每次回應思考更久，也會消耗更多運算資源。不過，只要效率提升的幅度大於額外推理時間帶來的成本，終端使用者仍可能享有更便宜的服務。
DeepSeek 的混合專家模型架構、以強化學習提升推理能力的做法，以及選擇性蒸餾，都是整個產業轉向模組化開發的一部分。模型彼此學習，規模較小的團隊以大型基礎模型為起點，開放權重則讓新創公司更快展開開發。歐洲一項研究這股趨勢的政策報告指出，這些變化有助於較小型企業參與競爭，但也讓基礎訓練的固定成本更難回收。價格競爭可能加劇，開發者也在尋找能將 AI 與產品和服務結合的永續營運模式。
一些研究人員提醒，公開的訓練成本往往低估了打造成熟系統所需的投入。他們強調，必須區分最後一次成功訓練的成本，與涵蓋資料處理、失敗試驗、安全評估及數月工程工作的完整預算。
瑞士 INSAIT 研究院院長 Martin Vechev 肯定這項技術成就，同時提醒外界不要把單次訓練的數字當成全部成本。
Vechev 表示：「500 萬至 600 萬美元的數字會造成誤導，因為它只計入一次訓練；開發這種模型需要多次訓練與實驗，實際成本要高得多。」
這個觀點符合 R1 的相關證據。這項專案之所以能大幅節省成本，靠的是聰明的架構選擇與有效的強化學習方法，而不是跳過昂貴的預訓練。最終成果證明，以低於部分競爭對手的運算成本達到高效能確有可行路徑，但這並未讓頂尖模型訓練變成一項不到 30 萬美元就能完成的工作。
重點整理
- DeepSeek R1 的 29.4 萬美元涵蓋使用 512 張 H800 GPU 進行強化學習及相關資料生成，並非完整模型訓練成本。
- R1 仰賴 V3 基礎模型；V3 使用 2,048 張 H800 GPU 訓練約兩個月，約為 279 萬 GPU 小時。
- 依運算資源租用費估算，V3 預訓練成本接近 558 萬美元，打造 R1 的總成本約為 587 萬美元。
- 購買同等級硬體遠比租用昂貴，光是 2,000 張 GPU 等級的叢集，價格就超過 5,100 萬美元，尚未計入營運成本。
- DeepSeek 前期準備工作使用 A100 GPU，之後才使用 H800 執行 R1 主要的強化學習訓練。
- R1 的運算規模更接近其他大型開放模型，並不像早期標題所暗示的那麼低；不過，與傳聞中封閉模型的九位數預算相比仍相對精簡。
- 強化學習以相對低廉的成本提升了推理能力，真正繁重的投入仍在預訓練與資料處理。
- 專家提醒，公開的訓練成本通常未納入研發、資料準備與多次失敗訓練，這些都會推高專案的實際成本。
