DeepSeek的技術創新已經重要到很難被禁用，因為全球的實驗室都在爭相復刻DeepSeek的成功。

　　2月5日，A股在農歷新年后迎來首日開盤，DeepSeek概念股繼續大漲。每日互動、青云科技、安恒信息、安凱微、天娛數科、三六零等多股開盤即漲停。

　　DeepSeek正在引發一場全球AI開源技術的變革。盡管面臨安全審查，但分析人士認為DeepSeek的技術創新已經重要到很難被禁用，因為全球的實驗室都在爭相復刻DeepSeek的成功。

　　當地時間2月4日，澳大利亞政府表示，由于擔心中國人工智能初創公司DeepSeek存在安全風險，已禁止在所有政府設備上使用或安裝DeepSeek產品、應用程序和網絡服務，但該禁令不適用于私人設備。

　　此前，意大利等歐洲國家也對DeepSeek采取了類似的限制使用措施。比利時政府隱私監管機構發言人2月3日表示，比利時數據保護機構確認收到有關DeepSeek的投訴，但未就是否已對DeepSeek啟動調查作出評論。

　　DeepSeek的AI模型背后的技術突破在過去兩周內引起了國際的廣泛關注，該模型的能力和效率震驚了硅谷和投資者。包括OpenAI創始人奧爾特曼在內的企業高管都表示，他們對DeepSeek印象深刻，并歡迎競爭。但他們也呼吁美國應利用這一契機，對人工智能基礎設施和政策投入更多支持。

　　DeepSeek的開發人員選擇了開源人工智能模型的技術路線，并將如何構建模型的過程通過論文的形式公開，提供了極大的透明度，得到業內的稱贊。更重要的是，DeepSeek的這種開放性與OpenAI將其專有的AI模型“隱藏在黑匣子”的封閉策略形成了鮮明對比。后者因其不透明性被行業詬病已久。

　　“DeepSeek可能會開辟一個全新的由中國引領的技術生態系統，這會讓全球的開發者因DeepSeek開發的低成本、更高效的人工智能產品而受益。”一位TMT領域投資人對第一財經記者表示，“這種競爭從某種程度來說也將打破美國科技巨頭的市場主導地位。”

　　上述投資人認為，即便DeepSeek的應用程序在一些國家將受到審查甚至被禁用，但這家初創公司已將其大部分突破性成果發布在網上，這將允許世界各地的程序員免費修改并利用其技術構建新的定制產品。

　　“DeepSeek對于整個人工智能行業的影響是深遠的，其底層技術已經被全球很多人理解并效仿。作為美國的科技領袖和政策制定者，更應該去研究如何利用DeepSeek的開源技術突破來推動美國的人工智能創新。”他表示。

　　對于支持開源的人士而言，DeepSeek的成功將推動更多人擁抱開源系統。此前，AI開源模型的典型代表是Meta的Llama模型，DeepSeek的成功也受益于Llama模型的開源。

　　Meta首席人工智能科學家Yann LeCun就表示，DeepSeek的成功代表了開源人工智能模型的勝利。“開源模型正在超越專有模型。”他在LinkedIn上的一篇帖子中寫道，“DeepSeek從開放研究和開源中獲益匪淺，但他們也提出了新的想法，并在其他人的工作基礎上構建了這些想法。因為他們的工作是公開的和開源的，所以每個人都可以從中獲益。這就是開放研究和開源的力量。”

　　近日，在瑞典舉行的一場GoWest風投會議上，人工智能初創公司NetMind首席商務官Seena Rejal公開表示：“DeepSeek表明開源人工智能不再只是一項非商業研究計劃，而是一種可行的、可擴展的封閉模型替代方案。”

　　Rejal認為，這會對OpenAI的GPT模型構成挑戰。包括NetMind在內的一些歐洲AI初創公司已經表示，他們已經將系統從GPT遷移至DeepSeek模型中，從而節省大量的費用，并稱“用戶并未發現有任何差別。”

　　然而，開源人工智能在有利于技術創新的同時，也有易于受到網絡攻擊的缺點。Rejal表示，開源AI模型的引入可能會提高企業需要考慮的網絡安全風險，包括軟件供應鏈攻擊、提示越獄和試圖引入偏見或有害輸出的所謂“數據中毒”事件。

　　已有網絡安全公司發現DeepSeek的AI模型存在漏洞。思科AI安全研究團隊上周發布的一項研究表明，研究人員使用了“算法越獄技術”，讓DeepSeek的R1模型對流行的HarmBench一系列有害提示做出肯定的回應，“攻擊成功率為100%”。

　　思科研究人員Paul Kassianik和Amin Karbasi寫道：“DeepSeek R1的訓練預算僅為其他前沿模型提供商在開發模型上花費的預算的一小部分。然而安全性可能是它付出的代價。”

　　但也有技術專家強調，安全性的問題是所有開源系統面臨的共同問題，而并非僅針對DeepSeek才有的。“DeepSeek和其他生成式AI平臺一樣，對企業和個人來說都是一把‘雙刃劍’。”研究公司Proofpoint網絡安全策略師Matt Cooke在一份報告中稱，“DeepSeek的模型還相對較新，需要時間來了解這項技術，并提出更安全的解決方案。”