在人工智慧（AI）技術日新月異的當下，DeepSeek的出現無疑為產業投下了一顆震撼彈。為了解析DeepSeek產業的影響，以及台灣的AI相關供應鏈該如何因應，CTIMES東西講座特別邀請資策會產業情報研究所分析師楊智傑，針對DeepSeek對AI產業的影響與衝擊進行分享，深入剖析這項技術可能為台灣在全球AI供應鏈中帶來的挑戰與商機。

圖一 : 資策會產業情報研究所分析師楊智傑，針對DeepSeek對AI產業的影響與衝擊進行分享，深入剖析這項技術可能為台灣在全球AI供應鏈中帶來的挑戰與商機。

楊智傑首先回顧了AI的發展歷程，從早期的符號邏輯、專家系統，到現今的深度學習，AI技術不斷演進。他指出，目前的第三波AI浪潮，以深度學習為核心，自2022年底ChatGPT問世以來，持續為產業帶來衝擊。

AI三大要素：算力、資料、演算法

楊智傑強調，AI的發展離不開三大要素，分別是「算力、資料、演算法」。算力即是硬體伺服器的運算能力，而台灣在全球算力供應鏈中扮演重要角色；資料則是AI模型訓練的基礎，高品質資料對於提升AI效能至關重要；演算法則是如何最佳化算力與資料的運用，提升AI模型的效率與準確性。

楊智傑指出，在DeepSeek出現之前，產業多聚焦於算力提升，尤其以Nvidia GPU的供應為關鍵。然而，DeepSeek的出現，讓人們開始思考，是否能在演算法與資料優化上取得突破，進而降低對高階GPU硬體的依賴？這無疑為AI產業帶來了新的發展思路。

楊智傑進一步比較了DeepSeek-R1和OpenAI的o1模型，在多個AI效能測試中的表現。他指出，DeepSeek-R1在數學推理和軟體工程任務上展現了優勢，而OpenAI的o1則在一般知識和問題解決方面略有領先；另外，DeepSeek在模型的監督微調、獎勵模型以及MoE（混合專家）的運用上做了高度的優化。

在訓練方法上，DeepSeek結合了FP16和INT8的優點，以提升效率並保持數值穩定，同時也運用了多頭注意力機制、Multi-Token Prediction、MoE、稀疏矩陣運算等多種技術，並搭配多次的監督式微調和強化學習，使之降低對算力的需求，同時提高準確度 。

楊智傑也說明了DeepSeek在強化學習和監督式微調方面的技術應用，並強調了其在AI推論方面利用優化架構和MoE來降低成本的策略。

AI大推理時代來臨 台灣挑戰與商機共存

楊智傑表示，台灣在全球AI供應鏈中佔有舉足輕重的地位，無論是半導體製造或AI伺服器組裝，都具備優勢。然而，DeepSeek的出現也可能帶來挑戰，因此台灣產業應該盡早思考如何應用。

包含在演算法與資料優化上持續精進，把握AI大推理時代的新趨勢，另外也要掌握DeepSeek所帶來的機會, 進一步強化台灣AI產業在全球供應鏈中的競爭力。

楊志傑認為，DeepSeek的出現，預示著AI大推理時代的來臨。這不僅僅是技術的變革，更將對各行各業產生深遠影響。台灣產業應積極應對，把握機遇，迎接AI時代的新挑戰。

圖二 : 資策會產業情報研究所分析師楊智傑

如需了解更多相關內容，請連結下列頻道網址: