看到DeepSeek就愣住了？　還有上百萬個AI模型等著你！

Posted By MakerPRO編輯部 on 2 月 7, 2025 in AI關鍵技術, 新聞稿 | 0 comments

就在剛剛結束不久的農曆新年假期前夕，一款由中國開發的大型語言模型DeepSeek R1正式發布，震撼了美國金融市場，甚至讓NVIDIA的股價應聲下跌。這款AI模型因其卓越的性能和低成本（約600萬美元）引起了投資者的關注，尤其是與OpenAI、Gemini等動輒耗資數億美元開發成本的美國尖端AI模型相較，更是形成了鮮明對比。

針對DeepSeek旋風，一家總部位於美國的AI策略顧問機構Liftr Insights指出，中國對AI的野心遠不只有DeepSeek。根據該公司的研究，截至2024年第四季末，阿里雲與騰訊雲在所有主要雲端供應商中，共佔據31.4%的AI專屬運算實例類型( instance types)，而AWS僅佔20.2%，甚至低於阿里雲的單獨占比(參考下圖)。此外截至2024年12月，Hugging Face平台上共有120萬個AI與機器學習模型，其中僅28.4%被標記為自然語言處理（NLP）。

圖片來源：Liftr Insights

Liftr Insights的報告指出，DeepSeek的崛起及中國AI的快速發展，正在挑戰一些普遍的AI認知，重點如下：

AI並不只有自然語言處理（NLP）
過去兩年來，NLP與通用大型模型獲得了大部分媒體、分析師和投資者的關注。然而，DeepSeek能在超過百萬個AI與機器學習模型中迅速崛起，顯示AI生態遠比想像的更加多元。即便NLP佔據了61.2%的下載量，但這是由少數幾個熱門模型所主導的。事實上，還有約90萬個AI與機器學習模型正在執行各種不同的任務，例如其中有5.6%是專注於電腦視覺(參考下圖)。

圖片來源：Liftr Insights

AI模型不一定要「大」才能發揮效能
過去，AI開發往往仰賴巨大的運算資源與龐大的模型參數。然而，DeepSeek採用了蒸餾( distillation )模型技術，這種方法能夠「縮小」模型，使其更小、效率更高，且專注於特定任務。而且不僅是DeepSeek，我們也看到許多小型模型取得優秀成果。例如，IBM的Granite模型可提供不同規模大小的選項，從30億個參數到超過340億個參數不等，以滿足不同專案的需求。根據Liftr Insights的調查，在所有明確標示參數數量的模型中，有90.3%都是以中等規模參數為基礎訓練而成，有些小型模型甚至可以直接在CPU上運作，或是使用如MacBook Pro這類支援GPU的筆記型電腦，當然，具體性能表現可能會有所不同。

圖片來源：Liftr Insights

AI的使用不一定要依賴雲端
雲端服務供應商一直在積極投資並推廣AI解決方案，這些供應商有強烈的商業動機來推動AI應用。但Liftr Insights指出，AI專屬運算實例的每小時成本，比單純的CPU實例高出20%到30%。雖然目前AI專屬運算實例佔據所有主要雲端工作負載的6.0%，企業卻不一定只能透過雲端來運行AI模型。包括DeepSeek、IBM、NVIDIA與Meta等公司，都提供既能在雲端運作，也能部署在企業內部資料中心的模型。而隨著小型模型的普及，私有部署變得比以往更加可行。

Liftr Insights也指出，雖然目前有Hugging Face等開放源碼平台提供便利的方式，讓企業能夠輕鬆取得AI模型，但開源AI與機器學習（ML）技術仍面臨與其他開源軟體類似的挑戰——企業需要確保模型的穩定性、可行性，以及是否有足夠的開發者社群支持。因此該機構建議，當企業制定AI策略時，與其單純相信市場的趨勢或大廠的行銷話術，更應該去深入了解各種不同類型的模型與工具發展趨勢，以及其中的互補與競爭關係，才能做出更明智的決策。