DeepSeek相关问题主要涉及技术使用、市场争议、企业动态及用户关注点，以下是核心问题的整理：

一、技术使用与性能

1. 部署模式差异

   • 网页1：网页版与APP无本质区别，APP为套壳；API调用通过接口实现功能，本地部署实际运行的是蒸馏模型（能力约满血模型的90%）。

   • 网页2：用户常关注模型上下文限制、长文本生成能力优化及多模态支持（如图像/代码生成）。

2. 模型能力与限制

   • 英伟达部署的671b模型响应速度较慢，但性能接近满血模型；DeepSeek r1训练成本低但推理成本高，且智能水平未显著超越早期模型。

二、市场争议与质疑

1. 知识产权与技术争议

   • OpenAI指控DeepSeek通过“模型蒸馏”技术不当使用其模型输出进行二次训练，引发知识产权纠纷。

   • 芯片数量与种类矛盾：DeepSeek宣称使用超2000个H800芯片，但实际仅约5万块H100芯片，引发技术可靠性质疑。

2. 技术领先地位争议

   • 部分观点认为DeepSeek未实现技术突破，仅通过低成本训练和开源社区传播建立影响力；另有人指出其运营成本与OpenAI的o3模型相当。

三、企业动态与行业影响

1. 企业合作与业务调整

   • 多家公司（如数据港、恒生电子）近期宣布接入DeepSeek，但部分企业否认存在直接合作或大模型产品。

   • NVIDIA面临生成性AI竞争压力，市场份额受到威胁，但高端GPU需求仍存。

四、用户关注点

1. 应用场景与伦理问题

   • 用户关注AI内容审查（如“破限”现象）、数据隐私保护及AI在职业发展中的角色。

   • 创意娱乐领域对AI生成内容（如文学、艺术）的潜力与伦理影响存在广泛讨论。

五、其他热点问题

• 投资与职业前景 ：AI技术对就业市场的影响及投资理财策略建议。

• 成本与计费机制 ：用户对API调用频率限制、免费额度及训练成本计算规则存疑。

以上问题综合了技术、市场、伦理及用户需求等多维度，反映了DeepSeek当前面临的挑战与机遇。