：大模型开发框架通过提供高 层次的 API 简化了复杂模型的构建过程。这 些 API 抽象掉了许多底层细节，使开发者能 够专注于模型的设计和训练策略。 ：这些框架经过优化，以充分利用 GPU、TPU 等高性能计算硬件，以加速模型 的训练和推理过程。 ：为了处理大型数据集和大规模参 数网络，这些框架通常设计得易于水平扩展， 支持在多个处理器或多个服务器上并行处理。 ：它们提供工具来有效地加 载、处理和迭代大型数据集，这对于训练大 1530 亿个晶体管，为历代产品 之最。 科技团队自研，面向通用AI计算的芯片核心架构昆仑芯 XPU 从AI落地的实际需求出发，按 照复杂前沿的人工智能场景需求开展迭代，致力为开发者提供通用、易用、高性能的算力来源。 DCU 系列产品以 GPGPU 架构为基础，兼容通用的“类 CUDA”环境以及国际主流商业计 算软件和人工智能软件，可广泛应用于大数据处理、人工智能、商业计算等应用领域。 通用 GPU 公布新的先进计算芯 片、半导体制造设备出口管制规则，限制中国购买和制造高端芯 片的能力，受管制的包括但不限于 NVIDIA A100、H100、 A800、H800、L40、L40S 以及集成这些高性能计算的 DGX/HGX 系统，并将中国 GPU 企业及其子公司列入了实体清 单。 据 OpenAI 测算，自 2012 年以来，人工智能模型训练算力需求每3~4个月就翻一番，每年 训练 AI 模型所需算力增长幅度高达

成本，使其在性价比上远超 OpenAI 等竞争对手。  训练成本：DeepSeek V3 的训练成本仅为 557.6 万美元，远低于 其他国际大公司的训练成本。这种低成本策略使得更多企业和开发 者能够负担得起高性能 AI 模型的训练和使用。  调用成本：DeepSeek R1 的 API 服务定价为每百万输入 tokens 1 元（缓存命中）/4 元（缓存未命中），每百万输出 tokens 16 元， 其在性能和 成本方面展现出色的性价比，尤其在训练成本和开源透明度方面具有明显优势。 革新技术标准：低本高能，开放共创 DeepSeek的成功促使AI行业重新审视技术应用与发展方向。其低成本、高性能的模型为AI技术的普及提供了实际 范例，推动了AI技术在训练成本、模型效能和开源生态方面的新标准的形成。 创新技术路径 D e e p S e e k 通 过 算 法 优 化 与 架构创新（如MLA、MoE结