但DeepSeek R1的横空出世，改写了这一认知，约束条件反而可以推动创新，没有大算力，还可以优化算法。所以现在科技圈普遍出现了一种声音：一个开源、高性能、低部署推理成本的大模型也能带来整个AI产业生态的繁荣，是大家抓紧上车的门票。
按照豆包的“养成计划表”，7000多万的月活还只是开始，今年MAU的目标是2-3亿，冲刺去年底ChatGPT的水平。美好的计划被跑出来的“黑马”所打破，伴随着高涨的科技情绪，DeepSeek短暂地成为了春节期间的“国民App”。
太多人关注开源与不开源的表象，大模型本质还是要解决问题、创造价值，以及用更高性价比的解决方案在实践中落地，在大模型进入应用爆发期之际，百度选择“免费+开源”的路线，反而让百度AI的核心价值更清晰了。
就在Grok3发布的当天，DeepSeek团队也发表了一篇论文（https://arxiv.org/pdf/2502.11089），介绍了一种新的稀疏注意力机制（Natively Sparse Attention,NSA），用于提升长文本训练和推理的效率，并具备硬件对齐和端到端训练的特性。
不过，随着DeepSeek的“上车”，一些业内人士尤其是对营销敏感的相关人士，对此也提出了质疑：一个根本没有为车机做适应性的开发的大模型，被拿来当吹牛的噱头，有点过了，车机那点算力能运转的起来？
随着人工智能技术的飞速发展，基于大型语言模型（LLM）构建的应用系统正逐步渗透到各行各业。
