中國 AI 唔係突然變勁：DeepSeek 背後 6 個真正原因

2025 年初，DeepSeek-R1 一推出，好多人第一反應係：中國 AI 係咪突然追上嚟？US News 報導，R1 在 2025 年 1 月發布後令市場意外，DeepSeek 亦聲稱它比 OpenAI 類似模型更具成本效益；R1 因而很快成為中國追趕美國 AI 技術進展的象徵 。

不過，如果只用「突然變勁」去概括，就會睇漏咗更重要嘅背景。DeepSeek 似係一盞聚光燈，令外界一下子見到中國 AI 多年累積：人才、工程能力、開源策略、成本控制、應用場景同政策投入，早已一齊推緊呢件事。

先講結論：強在開源、成本，同用得落

今輪中國 AI 最突出的地方，不是每一個模型都在所有任務上贏晒美國閉源模型，而是三件事：開源／開放模型擴散得快、成本效率成為核心賣點，而且更容易進入實際產品同產業流程 。

《紐約時報》報導，DeepSeek 將模型以開源方式發布，即其他人可以自由使用同修改；相反，OpenAI 同 Anthropic 的領先模型仍採用專有、閉源路線。該報導亦指出，DeepSeek 事件顯示開源系統可以接近閉源版本的表現 。

但這不等於中國 AI 已經全面領先。CSIS 引述中國研究者的說法指出，中國仍無法取得最先進的晶片製程技術；The Decoder 對 Stanford 分析的報導亦提到，美國政府中心 CAISI 的測試發現，DeepSeek 模型平均比可比較的美國模型更容易受到越獄攻擊 。

1. 人才池已經夠厚

DeepSeek 不是孤立事件。CSIS 指出，中國研究者多年來已經在多個 AI 研究領域達到或接近世界級水平；DeepSeek 則是中國大型 AI 實驗室第一次被全球廣泛視為前沿競爭者 。

Stanford HAI 亦在 2025 年 5 月發布針對 DeepSeek 人才基礎的政策分析，顯示人才來源同培養方式，已成為理解其競爭力的重要問題 。換言之，DeepSeek 的突破不是單一公司撞彩，而是長期研究同工程人才累積之後，終於被全球市場看見。

2. 晶片限制，反而令工程效率變成主戰場

美國晶片出口管制，是中國 AI 發展不能迴避的背景。CSIS 引述中國工程院院士李國傑在 2025 年 2 月 13 日的說法稱，由於美國政府封鎖，中國目前無法取得最先進的晶片製程技術 。

這不應簡化成「被限制就一定突破」。因果關係冇咁直線。但當最先進算力更難取得，訓練效率、推理成本、部署效率就會變得更關鍵。DeepSeek-R1 的震撼力，正正來自這個敘事：它不只展示模型能力，還主張自己比 OpenAI 類似模型更具成本效益 。

3. 開源策略，將影響力放到最大

DeepSeek 的關鍵不只在於模型本身，還在於它點樣發布。《紐約時報》指出，DeepSeek 的開源路線，與 OpenAI、Anthropic 的閉源路線形成鮮明對比 。

開源會改變擴散速度。研究者、開發者同企業不一定要等單一 API 或單一供應商，而可以更快測試、修改、微調同導入模型。同一篇報導亦指出，在 DeepSeek 之後數個月，中國公司發布了數十個其他開源模型；到 2025 年底，這些模型已在全球 AI 使用中佔有顯著份額 。

4. 成本紀律，降低採用門檻

前沿 AI 競爭不只是鬥最高分、鬥最強 benchmark，還要鬥能否以合理成本穩定運行。DeepSeek-R1 在 2025 年初引發關注，正因為它將「能力」同「成本」放在同一個故事入面：DeepSeek 主張 R1 比 OpenAI 類似模型更具成本效益 。

對企業來講，這會改變採購邏輯。如果開源模型在部分任務上接近閉源模型，企業自然會重新評估：是否一定要依賴單一閉源供應商 ？

當然，成本優勢不能只看發布時的宣稱。不同任務、延遲要求、安全要求、私有化部署方式、維運能力同授權條款，都會影響最後總成本。

5. 應用生態，令模型更快變成產品

INSEAD 將 DeepSeek 放在中國 AI 生態崛起的大背景下分析，並指出中國已建立能挑戰美國主導地位的強大 AI 生態 。RAND 亦用全棧框架分析中國 AI 產業政策，提醒讀者不要只盯住單一模型公司，而要看更完整的產業能力 。

這種生態的價值在於：當模型去到「可用」門檻，它更容易被放入產品、流程同產業場景裏面反覆測試。中國 AI 的競爭，因此不只是聊天機械人之爭，而是模型能力、部署能力、產業場景同政策資源之間的組合競爭 。

6. 政策投入同市場競爭，推高迭代速度

中國政府多年來將 AI 視為戰略產業。RAND 將中國 AI 產業政策描述為持續演進的全棧式政策，涵蓋的不只是單一模型，而是更完整的產業能力 。

DeepSeek-R1 之後，政策信心亦更明顯。Carnegie 的分析指出，DeepSeek-R1 在 2025 年初改變了全球 AI 格局，也令中國領導層對本國 AI 發展更有信心；其後，中國領導層邀請 AI 先行者參與高層會議，鼓勵地方政府加速 AI 在關鍵基礎設施中的部署，並承諾完善 AI 法律與政策 。

同時，開源模型之間的競爭本身亦會推動迭代。《紐約時報》報導稱，DeepSeek 之後中國公司發布了數十個其他開源模型；這種密集競爭，會迫使模型公司降低使用門檻、改善部署便利性，並更快回應開發者需求 。

不過要冷靜：中國 AI 仍有三個短板

第一，先進晶片仍是瓶頸。 中國模型團隊在效率上進步很快，但 CSIS 引述中國研究者的說法指出，中國仍無法取得最先進的晶片製程技術 。

第二，開源追近，不等於全面超越閉源。 《紐約時報》報導的是開源系統可以接近閉源版本，而不是證明中國模型已經在所有前沿任務上勝出；OpenAI 與 Anthropic 的領先模型仍然是專有系統 。

第三，安全同治理仍要驗證。 The Decoder 對 Stanford 分析的報導稱，CAISI 測試發現 DeepSeek 模型平均比可比較的美國模型更容易受到越獄攻擊，倍數為 12 倍 。

對企業同開發者有咩實際意思？

中國 AI 崛起最直接的影響，是模型選項變多。開源模型令測試、修改同導入更容易評估；成本效率敘事亦迫使企業重新思考模型採購同技術選型 。

實務上，國別標籤不如任務測試重要。揀模型時，應該：

• 用自己的資料、語言同任務做基準測試，不要只看公開排行榜。
• 同時評估能力、延遲、穩定性、總成本、授權條款同部署方式。
• 高風險場景要做越獄同安全測試，尤其是面向外部用戶或處理敏感資料時 。
• 如果業務依賴高端算力或特定硬件供應鏈，就要將晶片限制納入風險評估 。

底線

DeepSeek 不是中國 AI 變強的唯一原因，而是令外界集中看見這些累積的引爆點。中國 AI 看起來突然變勁，是因為多個條件同時去到臨界：人才變厚、算力限制令效率更重要、開源策略放大擴散、成本紀律降低採用門檻，而應用生態同政策資源又提供長期支撐 。

更準確的判斷是：中國 AI 在開源模型、成本效率同快速落地上，已經非常有競爭力；但在最先進晶片、部分閉源前沿能力、安全評估同全球信任上，仍然需要繼續驗證 。