AI 新聞速報｜DeepSeek R1 年初已發佈，但訓練成本直到 Nature 論文公開才曝光：29.4 萬美元信息震撼全球

InfoAI 編輯部

中國 AI 新創 DeepSeek 於 2025 年初推出了大型語言模型 R1，當時就被視為挑戰 OpenAI 與 Google 的新勢力。然而，真正引爆全球媒體與產業震動的，不是年初的發佈，而是 2025 年 9 月中旬隨著 Nature 論文正式公開的訓練細節：R1 僅以 29.4 萬美元完成訓練，硬體使用 512 顆 Nvidia H800 GPU，訓練時間約 80 小時。這些資訊在年初並未揭露，直到獲得學術論文佐證後，才讓《路透社》等國際媒體選擇在此刻再度聚焦 DeepSeek。

年初發佈 vs 9 月公開：新聞價值為何延後爆發？

當 R1 在年初首次亮相時，DeepSeek 展示了模型在推理與中文任務上的潛力，但並未披露 GPU 規模、訓練時間與完整成本。外界對其低成本說法充滿猜測，缺乏可信依據。

到了 9 月 17 日，Nature 正式刊登 DeepSeek R1 的論文《DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning》，首次以同行評審形式完整揭露：

• 512 顆 H800 GPU 為主力

• 約 80 小時訓練時間

• 早期階段使用 A100 GPU 處理小型模型

• 訓練直接成本為 294,000 美元

這是第一次 DeepSeek 以科學論文佐證自身的低成本路線，讓數據具備可比性與可信度。也因此，《路透社》、《Nature News》與 Scientific American 等媒體選擇在此時再度報導，新聞熱度比年初更高。

Nature 論文的意義：透明度與可信度

多數大型 AI 模型只透過技術部落格或公司公告釋出資訊，缺乏經過審查的成本與方法細節。Nature 在同一期社論中更強調：「同行評審有助於提升 AI 模型透明度與可信度」。DeepSeek R1 成為少數在頂尖期刊完整公開 GPU 用量、成本與方法的案例，這也是它在 9 月再次成為全球焦點的重要原因。

DeepSeek 如何以有限算力完成低成本訓練？

DeepSeek 團隊指出，能大幅降低訓練成本的關鍵包括：

• 硬體優化：在 H800 GPU 的限制下，透過演算法與任務分配提升效能。

• 自動化數據處理：減少冗餘的清理與標註作業。

• 強化學習策略：R1 並非單純模仿其他模型，而是透過 reinforcement learning 引導推理能力。

• 工程極致化：透過跨團隊協作與流程最佳化，縮短訓練時間，降低資源浪費。

這種「極致工程」讓 DeepSeek 即使在 GPU 受限的情況下，仍能打造具競爭力的模型。

國際巨頭的成本對比：億級 vs 萬級的衝擊

OpenAI GPT-4 的訓練成本估計超過 1 億美元，Anthropic Claude 與 Google Gemini 也在數千萬美元規模。高昂費用來自：

• 大量 H100/A100 GPU 集群

• 海量高品質語料收集與清理

• 多階段測試與人類回饋

• 安全性與合規成本

與這些數字相比，DeepSeek 的 29.4 萬美元幾乎是「不可能的低價」。雖然模型的泛用性與跨語言表現仍有差距，但其「高性價比」路線為產業提供了另一種可行模式。

品質與成本的平衡問題

DeepSeek R1 在中文與程式碼生成上表現突出，並在 Hugging Face 與 Open LLM Leaderboard 上排名不錯。然而，與 GPT-4o、Gemini、Claude 3 等全面型商用模型相比，仍存在泛用性不足與安全性挑戰。

這也提醒產業：低成本並不必然意味著全方位競爭力，而是適合特定應用場景。DeepSeek 的強項是「在地化、性價比高的任務」，而非全面取代國際巨頭。

中國的算力挑戰與出口限制背景

美國對中國祭出 GPU 出口管制，使 H100 與 A100 難以合法進口，H800 成為中國市場的主要替代品。DeepSeek 選擇在 H800 上完成訓練，正好展現了中國新創如何在受限算力下尋找軟體與工程突破。這同時也說明，即便硬體被限制，透過演算法與流程優化，仍可能達到具產業價值的成果。

台灣觀點：新創應借鏡「性價比」思維

台灣新創團隊雖難以與國際巨頭比拚算力規模，但在醫療、製造、金融等領域擁有深厚 know-how。DeepSeek 的做法對台灣的啟示是：

• 不必追求極致規模，而應專注精準應用

• 建立共享算力與資料平台，降低進入門檻

• 透過工程效率與跨界合作，提升模型性價比

這樣的策略更符合台灣新創的現實條件，也能創造具差異化的競爭力。

全球 AI 市場趨勢：多元化與雙軌並行

R1 的低成本新聞引爆後，國際市場開始重新審視投資路線。未來 AI 生態可能形成雙軌：

• 巨頭模型：全能型、高成本，維持主流地位。

• 新創模型：小而精，針對特定產業與市場，快速迭代。

DeepSeek 的案例象徵產業不再只有單一路線，而是走向多元化。

編輯觀點｜新聞價值在於透明，而非單純發佈

DeepSeek R1 的案例提醒我們：科技新聞的價值不在於「誰先發佈」，而在於「何時能被驗證」。年初的 R1 雖然引人注目，但缺乏可比數據，直到 9 月 Nature 論文公開，這些資訊才真正具有新聞價值。

對台灣新創而言，除了專注技術研發，更應思考如何在透明度、數據公開與性價比策略上建立信任，這才是打開國際市場的關鍵。

參考資料：

China's DeepSeek says its hit AI model cost just $294,000 to train
https://www.reuters.com/world/china/chinas-deepseek-says-its-hit-ai-model-cost-just-294000-train-2025-09-18/

DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning
https://www.nature.com/articles/s41586-025-09422-z

Secrets of DeepSeek AI model revealed in landmark paper
https://www.nature.com/articles/d41586-025-03015-6

Bring us your LLMs: why peer review is good for AI models
https://www.nature.com/articles/d41586-025-02979-9

Secrets of Chinese AI Model DeepSeek Revealed in Landmark Paper
https://www.scientificamerican.com/article/secrets-of-chinese-ai-model-deepseek-revealed-in-landmark-paper/

FAQ｜關鍵問答

Q1：為什麼 DeepSeek R1 的新聞要等到 9 月才爆發？
因為年初雖然發佈了 R1，但並未公開訓練成本與 GPU 細節。直到 9 月 Nature 論文正式披露，資訊才具備可信度，新聞價值因此放大。

Q2：R1 的硬體與時間配置是什麼？
R1 在 512 顆 H800 GPU 上訓練約 80 小時，並在早期用 A100 GPU 處理小型模型。這些細節首次出現在 Nature 論文中。

Q3：29.4 萬美元是否包含所有開發支出？
並非如此。這個數字僅涵蓋 GPU 運算等直接訓練成本，不包含資料收集、人力、合規與部署等完整開發費用。

Q4：R1 的品質如何？能與 GPT-4o、Gemini 相比嗎？
R1 在中文與程式碼任務表現不錯，但在跨語言與泛用性上仍有差距，適合特定場景，而非全面挑戰國際巨頭。

Q5：Nature 論文的重要性在哪裡？
Nature 是首度經同行評審完整公開 DeepSeek 訓練細節的學術文件，使其數據更可信，也讓新聞在 9 月再度成為全球焦點。

Q6：台灣新創可以得到什麼啟示？
啟示在於「高性價比思維」：利用有限資源做到精準應用，透過共享算力與跨界合作降低門檻，建立差異化生態。

Q7：低成本 AI 模型會成為主流嗎？
短期內仍難取代頂級商用模型，但它能推動 AI 普及與多元化，對新創與中小企業而言是重要機會。

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。若您有引用、轉載或任何商業用途的需求，請先來信 contentpower688@gmail.com 申請授權。

AI 內容合作／供稿服務

InfoAI 也為企業與組織提供專屬主題的內容策劃與供稿服務，若有合作需求，歡迎聯繫： contentpower688@gmail.com 。

如果你覺得這篇文章對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［QRCode］／［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。

AI 協作聲明：

本篇文章由 InfoAI 團隊策劃，並透過人工智慧進行編輯輔助，最終內容由編輯進行人工審閱與優化。

InfoAI 是針 AI 產業新聞進行精選與解讀的媒體

我們每日追蹤全球技術與商業動態

透過收集、比對驗證與分析

將複雜訊息轉為能落地的決策建議

幫助讀者在最短時間看懂趨勢、做出更好的選擇

內容原力 ContentPower｜化繁為簡的知識出版商

ContentPower 專注於將龐雜知識化繁為簡

轉化為實用的電子書、工具與行動手冊

打造陪伴你持續成長的學習工具箱

幫助你在職場與生活中走得更遠