撰文：BUBBLE
2025 年 1 月，DeepSeek R1 的问世掀起了 AI 界的震荡，同时它也真正改变了 Crypto AI 生态。过去一个周期，Crypto AI 主要围绕 AI Agent 展开，而 DeepSeek R1 及其开源策略，彻底改变了游戏规则：极低的训练成本、突破性的自适应训练方法，让 AI 产业去中心化的愿景不再是空谈，而是触手可及的现实。这场变革影响深远，Crypto AI 市场总市值大幅缩水，许多 AI 代币经历了 70% 的回调，但这真的是危机吗？还是意味着 Crypto AI 的一次彻底洗牌？DeepSeek 究竟是击碎 Crypto AI 叙事的「终结者」，还是加速其进入实用化时代的「破局者」？
野蛮生长的 DeepSeek
DeepSeek 的发展可追溯至 2021 年。当时，专注量化交易的对冲基金幻方开始大规模招募 AI 人才，量化公司转做 AI 的并不多见，而其招募的大多是探索前沿方向，囊括大模型（LLM）和文生图模型等领域的 AI 研究员，虽然有传言称幻方为了更好地利用公司中闲置的 GPU 资源而做的转型，但大部分原因应该还是为了抢占大模型等前沿 AI 技术的制高点而做的决策。
到了 2022 年底，幻方已经吸纳了越来越多的顶级 AI 人才，主要为清华、北大的在校生。在 ChatGPT 的刺激下，幻方 CEO 梁文锋决心进军通用人工智能领域，并于 2023 年初成立了 DeepSeek。然而，智谱、月之暗面、百川智能等 AI 公司的迅速崛起，DeepSeek 作为一个纯研究机构且缺乏明星创始人，独立融资面临巨大困难。因此，幻方选择将 DeepSeek 剥离主体并全资资助其开发，尽管这个决策风险极高，但 DeepSeek 无需受到融资方的盈利承诺或估值压力。同时，它拥有相对充足的 GPU 资源储备，使团队能专注于技术突破，一群充满创新精神的年轻人可以在一片乐土中能够横冲直撞，此刻的 DeepSeek 更像一个研究院而不是公司。
就像是 OpenAI 早期一样，没有人会想到研究机器人手玩魔方的公司，如何最终研发出 ChatGPT，也没人能想到幻方这个做量化的公司怎么用 DeepSeek 击穿现阶段的 AI 泡沫的，前者用了 7 年，后者用了仅仅 2 年。2023 年 11 月推出了参数达 670 亿、性能接近 GPT-4 的 DeepSeek LLM、2024 年 5 月上线了 DeepSeek-V2、同年 12 月发布的 DeepSeek-V3 在基准测试中表现与 GPT-4o 和 Claude 3.5 Sonnet 持平。DeepSeek 如此之快的技术跃迁，并不是因为公司财力或者高学历，而是一次科技奇点发生后「ChatGPT 影响世界 AI 产业」，大大小小的奇点加速发生在任何一个能够满足想象力的土壤中，直到下个关键奇点出现。
终于在 2025 年 1 月 DeepSeek 加速穿过了奇点，用他们培育出的第一代具备推理能力的大模型 DeepSeek-R1 以远低于 ChatGPT-O1 的训练成本和卓越性能打开了那道门。
用开源给全世界分发打开星际之门的钥匙
就在 DeepSeek R1 发布并公布开源模型后一天，美国总统特朗普在白宫新闻发布会正式宣布开始一项 5000 亿美元超大规模投资的「星际之门」计划。由 OpenAI、软银和甲骨文和投资公司 MGX 联合成立一家名为 Stargate 的合资企业，在美国为 OpenAI 建设新的人工智能基础设施。
这种量级的投入甚至堪比「曼哈顿计划」，颇有要以全国之力，用算法堆叠把闭源 AI 推向高潮，垄断 AI 市场，以保证美国本土 AI 产业的领先地位。但该计划发布的当下应该不会想到几天之后，这个大洋彼岸的开源模型直接不开门了，不仅带了锤子在门边来砸墙，还一边给别人发锤子。
DeepSeek 作为能比肩顶尖闭源模型的开源模型，其全新的训练架构引发了连锁反应，让闭源 AI 举步维艰，跑不过 DeepSeek R1 的闭源模型都将直接被资本市场淘汰，甚至连 A16z「OpenAI 的投资方」的创始人 Marc Andreessen 都公开表示，需要更关注开源 AI 而不是着重在闭源 AI。在行业内不管是支持 AGI 可能产生或者支持 AI 仅能作为 SaaS 产业的升级版。都认为闭源的害处是远远大于开源的，不管是黑箱、产业垄断、信息安全、资本操控注意力，任何一项都是十分危险的发展方向。
尽管一些业内人士对 V3 的混合专家技术「MoE」需要庞大的数据集，被怀疑是用 OpenAI 的模型进行蒸馏。以及对于 R1 的强化学习「RL」中基于强化学习的方法需要大量硬件资源，则被怀疑在训练芯片使用数量上做了假。但丝毫不影响其带来的行业结构改革。
DeepSeek R1 的开源在训练架构上打破了 OpenAI 的闭源大模型商业逻辑，用让模型自我进化的逻辑来避免传统范式的算力与数据标注的大量投入，虽然训练模型还是开盲盒，但是盲盒的成本低了许多。
在 AI 硬件层面，DeepSeek 的 V3 开源更是直接挑战了英伟达的市场主导地位，英伟达 GPU 的护城河很大程度上其底部并行计算平台和编程模型 CUDA，其广泛的生态系统以及足够多的开发者让使用非英伟达的芯片去做训练中间的学习成本过高，而高门槛的购买条件以及政治方面的限制让全球 AI 发展产生了割裂。
对我们来说，短期来看，美股 AI 大缩水，Crypto AI 总市值近乎脚斩，市场进入熊市。但长期来看，最具公认的 AI 产业正在走向，开源的、透明的、去中心化的发展路径。无论从哪个角度来看，Crypto 与 AI 的结合都将更加默契。
Crypto AI 的救赎，前进！前进！不择手段的前进
在这轮 Crypto AI 的泡沫破裂期许多 AI 概念 Token 都接受了 70% 的回调，Crypto AI 市场大幅缩水，有人戏称「550 万美元都能训练出一个大模型了，这些 AI 市值超过，还买什么 Crypto AI」。诚然，Crypto 就是个资金盘主导的市场，而不是产品主导，90% 的 AI 代币都不具备实际意义。
但实际上随着加密市场监管体制的完善，加密市场依旧是最适合中小型 AI 公司创业的土壤。DeepSeek 带来的相对于 ChatGPT O1 来说 1/100 大模型成本，以及模型训练方法，将带来相比与现在市场万倍以上的生态增长。
直接来说 DeepSeek 带给 crypto 的就是，去中心化的训练模型，使 Depin 类型的项目可能更合理化了，让训练流程和信息投喂更加透明化，并且资料集的贡献者获取价值奖励机制更加合理，让模型训练的供需双方结算更容易。而万倍以上 AI 产业的周边生态发展更加完善了 Crypto AI 下游的产业丰富度，当足够多的有竞争力、创意度的产品叙事出现在市场里，而只要其中一个真正破圈了，外部资金自然会价值回流入 Crypto。市场苦 PVP 已久矣，TrumpCoin 之后的一系列名人币收割，让 AI 市场原本充沛的流动性和正向反馈平衡打破，因此由 DeepSeek 戳破的泡沫其实是更大的利好。
当前已经有许多 Crypto AI 或很快的集成了 DeepSeek，或在其架构上进行更新，包括 ElizaOS、Argo、Myshell、Build、Hyperbolic、Nillion Network、infraX 等等。而其中一些项目，直接在产品端通过 DeepSeek 进行了优化。
Myshell
在聊天机器人以及应用插件的制作流中加入了 V3 和 R1 甚至还有图像生成模型 Janus-Pro，Myshell 的技术人员几乎是在半天时间内就完成了模型集成，作为区块链中少有的始终坚持打磨产品，甚至在 Web2AI 的产品中都打出名声而迟迟不愿意发币的项目，而这次 DeepSeek 的开源将在成本端给 Myshell 的使用者带来福音，更低的成本将为原本产品已经完善的 Myshell 带来更多的 Agent 开发者。
Argo
Argo 的开发者 Sam Gao 在设计产品初期就将 Argo 的重要功能进行了 DeepSeek 化，作为一个工作流 (workflow) 系统, Argo 将 LLM 内置为标准的 DeepSeek R1，并将原始工作流生成工作交给 DeepSeek R1 进行的。也因为 WorkFlow 的原因导致 Token 消耗和上下文信息量将是十分巨大的「平均>=10k Token」，并且 Argo 还将 CoT「Chain-of-Thought」融入 WorkFlow 思考流程中。DeepSeek 的开源后，不仅降低了工作流产品的成本，还能在 Argo 中本地部署 LLM，用户的隐私安全也能得到保证。
在 DeepSeek R1 问世之前，Argo 就已将其模型初步训练逻辑 Chain-of-Thought「CoT」集成到 Argo 的 Agent Workflow 的制作流程中。特别是对于 meme 交易和市场趋势分析等任务，Argo 使用 Graph-of-Thought (GoT) 定制了其工作流程，这是一种新颖的方法，将推理构建为一个图形，其中节点代表「LLM 思想」，边表示这些思想之间的依赖关系。
鉴于，Argo 选择了 GoT「当下唯一使用此模型的 Crypto AI Workflow），从而实现了更加可靠和透明的流程。这种创新方法直接影响了 Argo 平台上交易的安全性和信任度。将思维图 (GoT) 集成到 Web3 AI 代理中，使 Argo 处于 AI 加密交易的最前沿。CoT 的结构化推理不仅增强了金融交易的安全性，而且还确保了透明、可靠的决策，这在去中心化金融 (DeFi) 中至关重要。
值得注意的是 Argo 的核心开发者 Sam 与 Shaw 合作写的一篇《EraseAnything: Enabling Concept Erasure in Rectified Flow Transformers》关于如何在不损害模型整体生成性能的前提下，从大规模文本到图像扩散模型中去除不希望出现的概念的论文里，得到了 DeepSeek 研究员 XingchaoLiu 的帮助，
Hyperbolic
Hyperbolic Labs 也率先宣布在其 GPU 平台上托管 DeepSeek-R1 模型，用户可以租用去 Hyperblic GPU 资源在本地或指定数据中心运行 DeepSeek-R1 模型，而无需将敏感数据发送到 DeepSeek 的服务器上。这种方式既保障了数据隐私，又能利用 DeepSeek 模型出色的推理性能，同时通过 Hyperbolic 的去中心化计算网络，用户可以以更低的成本获得 DeepSeek 模型的高效推理能力，对于初创公司或者超级个体创业者甚至单纯的 AI 高效使用者来说，将会是很有竞争力的解决方案。
这轮泡沫破裂，的确让 Crypto AI 市场遭受重创，许多 AI Token 失去了炒作价值。但本质上，DeepSeek 不是在消灭 Crypto AI，而是在逼迫市场加速进化。在 DeepSeek R1 之后，Crypto AI 的未来将不再仅仅依赖于投机，而是要围绕去中心化 AI 计算、模型训练的经济激励机制、AI 资源的公平分配、实用类产品等方向进行重构。真正的挑战是 Crypto 是否能利用 DeepSeek 带来的技术革命，建立真正有价值的 AI 生态，而不仅仅是制造概念和炒作。
这不是终结，而是进化。Crypto AI 需要更快、更激进地前进。/ 加速
