DeepSeek是什么？一款颠覆性的开源 LLM 的全面剖析

DeepSeek（深度求索）由梁文峰于 2023 年创立，是一家总部位于中国的 AI 公司，致力于开发高性能的大语言模型 (LLM)。 开发者创建该模型，旨在作为 OpenAI、Meta 和 Anthropic 等美国科技巨头所开发模型的开源替代方案。

2025 年 1 月，DeepSeek LLM 在发布两款开源模型，即 DeepSeek V3 和 DeepSeek R1 后，引发了国际关注，其性能可媲美全球部分顶尖的闭源 LLM。

DeepSeek V3

DeepSeek V3 采用专家混合 (MoE) 架构，仅加载回答提示所需的“专家”模块。 该模型还集成了多头潜在注意力 (MLA)，这是一种针对内存进行优化的技术，可加快推理和训练速度。

DeepSeek R1

DeepSeek R1 在 V3 的基础上引入了多令牌预测 (MTP) 功能，支持一次生成多个令牌。该模型还采用了思维链 (CoT) 推理方法，使其决策过程对用户而言更加透明。

*这两款模型均提供多种规格，参数数量从 15 亿到 6710 亿不等。*这使得它们能够部署在从个人笔记本电脑到企业级 GPU 集群的各种平台上。

基准测试结果表明，尽管 DeepSeek R1 所需的训练基础设施远少于 OpenAI 的 o1 和 Meta 的 Llama 3，但其性能与这两者相当或接近。

与 OpenAI 的前沿模型不同，DeepSeek 的完全开源模型激发了开发者的兴趣，并推动了社区的实验探索。

开发人员正在将 DeepSeek 应用于各种用途，包括：

• 多语言客户服务聊天机器人
• 文档摘要
• 自然语言代码生成
• 学业辅导与备考
• AI 工具的快速原型设计

然而，其开源性质和薄弱的安全防护机制，使其可能沦为恶意活动的工具，例如生成恶意软件、记录键盘输入或进行勒索软件实验。

任何人都可以从公开代码库中下载并在本地运行 DeepSeek。完整的 R1 模型 (6710亿) 需要企业级 GPU 集群，但其精简版本（参数规模为 15 亿到 700亿）可在消费级硬件上运行。

此外，还可通过以下方式访问 DeepSeek：

• Web 介面
• iOS 和 Android 上的移动应用
• API 集成（开发中）

DeepSeek 标志着 AI 领域开启了新篇章：性能卓越、开放可用，且正日益受到监管机构的审查。 

尽管该技术功能强大，但其宽松的设计引发了以下担忧：

• 隐私与监控
• 安全防护机制
• 内容过滤与偏见
• 被制裁或与国家有关联的实体使用

各国政府正通过出台 AI 相关法规来应对这一情况。截至 2025 年 2 月，DeepSeek 在以下地区已被封禁或正接受审查：

• 美国联邦机构（五角大楼、国会、DISA、NASA）
  • 美国各州：得克萨斯州、纽约州、弗吉尼亚州
• 意大利
• 韩国
• 中国台湾
• 澳大利亚

DeepSeek 的路线图包括：

• 拓展其开发者生态系统
• 提升 CoT 的推理能力
• 增强防越狱能力
• 推出配备高级 API 的付费云服务

但随着政府机构和私营部门安全研究人员的审查力度不断加大，其未来发展轨迹将取决于它在开放性与负责任的 AI 开发之间能取得多好的平衡。

Tenable Research 指出了使用 DeepSeek 时需要注意的四个主要方面：

• 数据隐私：用户数据存储在中国境内的服务器上，因此不受 GDPR 及类似保护法规的约束。
• 第三方追踪：百度为 DeepSeek 的网络分析提供技术支持，据报道，百度会与字节跳动共享网络和设备数据。
• 安全缺口：防护机制薄弱，导致该模型容易遭到越狱攻击和滥用。
• 审查和偏见：测试结果显示，审查率较高且存在系统性偏见。

“我在工作中需要担心 DeepSeek 吗？” 在 DeepSeek 登上全国新闻头条后，许多人都在思考这个问题。

事实上，DeepSeek AI 的兴起既为贵组织带来了机遇，也伴随着风险。虽然 DeepSeek 模型的开源特性可以加速实验和创新，但也由此引发了严峻的安全、合规及隐私风险。

需要关注的关键 DeepSeek 风险

• 影子 AI 的使用：员工可能未经 IT 部门批准，即使用 DeepSeek 聊天应用、浏览器扩展程序或本地托管的模型，这会在数据处理和合理使用方面造成盲点。
• 数据外泄：DeepSeek 的移动端和网页应用会收集用户输入和行为数据，并将这些数据传输至海外服务器，游离于大多数西方监管框架之外。
• 防护机制不足：DeepSeek 的抗越狱能力极弱，更容易生成违规或恶意内容。在内部滥用该系统的组织可能会面临声誉或法律暴露风险。
• 政策不协调：如果缺乏可见性，您可能无法针对 LLM 的使用执行合理使用政策、出口管制指南或内部治理规则。

我接下来该采取哪些措施来降低 DeepSeek 带来的风险？

• 使用 Tenable 的 AI Aware 检测插件监控 DeepSeek 活动。
• 更新您的 LLM 使用政策，明确规定开源模型和未经授权的 AI 工具的相关事项。
• 向用户说明使用未经审查的模型和工具所带来的风险，特别是在处理受监管或敏感数据时。
• 部署检测和响应控制措施，其范围不仅涵盖云资产，还应包括 AI 模型的使用、浏览器扩展程序以及终端交互。

DeepSeek 标志着 AI 模型开发与分发方式的转变。那些采取主动姿态（通过评估暴露风险并严格执行政策）的组织，最能在利用新兴工具的同时，兼顾安全防护与合规要求。

适用于 DeepSeek 检测的 AI Aware

Tenable 的 AI Aware 解决方案可帮助您在整个环境中发现并监控 DeepSeek 等工具的未经授权使用情况。

AI Aware 包含用于以下用途的自定义插件：

• 检测已知的 DeepSeek 可执行文件和浏览器插件
• 识别正在使用的 DeepSeek API 或模型变体
• 使用 DeepSeek 基础设施监控网络通信
• 已启用的插件包括：
  • 插件 196906
  • 插件 701497
  • 插件 701498

这些检测功能是 Tenable Vulnerability Management 和 Tenable Enclave Security 的一部分，可帮助安全团队针对新兴的 AI 风险实施安全策略。

了解有关 AI Aware 的更多信息。

DeepSeek 是什么？

DeepSeek 是一家 2023 年成立于中国的开源大语言模型 (LLM) 公司。该公司于 2025 年发布了 DeepSeek V3 和 R1。

使用 DeepSeek 安全吗？

DeepSeek 存在隐私风险，特别是对于托管在中国服务器上的数据而言。在本地运行 DeepSeek 可能比使用其网站或移动应用更安全。 

DeepSeek R1 有何不同？

R1 采用独特的“思维链”推理系统和多令牌预测机制，其性能可与 OpenAI o1 等顶尖模型媲美，同时保持开源特性。

DeepSeek在任何地方被禁用了吗？

是的。出于对隐私和安全的担忧，多个国家和美国相关机构已禁止或限制使用 DeepSeek。

Tenable 如何检测 DeepSeek？

Tenable 利用 AI Aware 插件来监控与 DeepSeek 相关的使用情况、识别漏洞，并确保符合组织的安全政策。

DeepSeek 是开源 AI 领域的一项突破，但并非没有风险。其模型可与美国顶尖产品相媲美，但隐私、偏见和安全问题却令人深感担忧。Tenable 可通过主动检测、策略执行以及对 LLM 行为的实际测试，帮助贵企业应对这些风险，让团队在创新的同时保障安全。

想进一步了解 DeepSeek 吗？阅读更多“关于 DeepSeek 大型语言模型 (LLM) 的常见问题”。