中國AI新創公司DeepSeek日前推出大型推理模型DeepSeek-R1以及開源模型DeepSeek-V3，標榜低價且性能直逼OpenAI的GPT-4旗鼓相當，引發美國科技界熱議。有部分討論聲浪指向DeepSeek將大大降低AI開發費用，對於這說法，政大應數系副教授蔡炎龍認為根本完全錯誤，因DeepSeek是在大量高性能GPU作為硬件支持的開源模型，如Llama為基礎，才有辦法做出。
蔡炎龍在臉書粉專「呆一布呀Diveai」指出，如果沒有基礎的開源模型，比如說 Llama等，就沒辦法做出 DeepSeek R1。DeepSeek的成功，沒有pre-trained模型是做不到的，因此，那些稱「DeepSeek大大降低AI開發費用」的說法完全錯誤。
蔡炎龍提到，DeepSeek真正重要貢獻之一，在強化學習方面改了 OpenAI的（Proximal Policy Optimization），推出GRPO（Gradient Policy Optimization）。
對於那些覺得輝達是不是完蛋的說法，蔡炎龍也吐槽，事實上NVIDIA GPU可能會更難買，他表示，你可能不用也買不起訓練基礎模型的超多高級 GPU，就可以做出一些厲害的模型，DeepSeek許多模型都開源，基本上方法也是公開的，可以用 DeepSeek的方法，打造一個更符合自己需求的模型，也就是不要覺得只有有錢的超級大公司才能做 AI。
他提到，DeepSeek使用的 GPU數量和等級，對大多數的企業還是天價的。但讓大家有新的希望，那就是說不定買少一點的 GPU，不要訓練到 DeepSeek的程度，但非常符合自己需求是可能的。看懂這件事的就會去買沒那麼多的 NVIDIA H100，再沒錢的就買消費級的 NVIDIA RTX5090等等
最後，蔡炎龍強調，DeepSeek真正令人振奮的地方是，可以用類似的方法，用自己的電腦跑得動的小模型，打造一個完全符合自身的需求和效能的模型出來。DeepSeek最聰明的地方是，把重點放在「引導 LLM回應」的部分。如果你可以寫出一個非常好的 prompt引導，你的語言模型就可以回應得很好。DeepSeek有許多有趣的地方，也讓大家更知道怎麼用 LLM方式，這才是真正的重點。
