比以往时候来得都早一些

发布时间：2025-08-01 22:26:09 来源：頭條視訊 作者：自然景观

　　来源：没错我叫刘怼怼

　　2025年的当D得住度使第一只黑天鹅，比以往时候来得都早一些。始教

　　农历春节假期，人买正在全国乃至全球大迁徙的房中饭碗附深中国人民，突然被一个叫作DeepSeek的还端AI大模型硬控了。

　　这几年国内大模型层出不穷，用技2024年中Kimi屠过榜，当D得住度使年底豆包火了一把，始教很多人认为字节要在大模型中超车了，人买结果舆论没炒几天，房中饭碗附深DeepSeek突然爆发成国民级应用。还端

　　——超过此前所有大模型在国内翻搅起的用技热度。

　　当然ChatGPT不算啊，当D得住度使我说国内的始教大模型。

　　我相信此时此刻，人买应该没几个人还没用过DeepSeek吧。

　　上一条稿发出去之后，本来我还储备了几个选题要写的，结果每天玩DeepSeek玩到深夜，很上瘾。

　　倒也不是没玩过大模型，大家还有印象的话，2022年我就记录过跟ChatGPT浅浅的聊天。（→ChatGPT说，中国的房子还能买哈哈）

　　也是持续在关注这方面的动态，跟Kimi、豆包不一样，DeepSeek突然出圈时，它的R1模型的深度思考能力，带给我的是革命性应用的震撼，我当时就跟朋友说：

　　今年，一定会发生颠覆性的变化。

　　不管是对整个社会，还是对于我们所在的行业，广州的楼市。

　　很多逻辑要改写了。

　　但是，很多人用了DeepSeek之后，觉得它也不过如此，顶多就是个搜索引擎而已；

　　依据就是，我想要用它写点东西，做个攻略，弄个工作报告，写个论文啥的，其实都没有外界所宣称的那么好，出来的东西要么太过浮夸，要么信息不准确，不切实际。

　　所以今天这条稿，我想来说说：

　　为什么我觉得DeepSeek是一款堪称革命级的应用，它到底牛在哪儿？

　　怎么去判断DeepSeek输出内容的准确性？

　　DeepSeek到底会对广州的买房市场带来什么具体的变化？

　　以及，我们怎么去科学使用它？

　　1

　　如果还没有好好用过DeepSeek，那么我接下来说的一切都会像隔靴搔痒，很难感同身受。

　　所以，先要解决的第一个问题是：

　　DeepSeek官网这么堵，有哪些好的方法，可以流畅使用它？

　　（对了解DeepSeek以及如何设置它不感兴趣的，可直接拉到第3趴）

　　从大的类别来说，一个是本地化部署，一个是第三方服务器云端部署。

　　首先，我不推荐本地化部署。

　　原因就一个字：贵。

　　目前，DeepSeek有两个模型，R1和V3．

　　V3是轻量化模型，算力要求低，适用于小规模训练；

　　R1是大规模预训练模型，算力要求很高，用于大规模数据处理和高性能运算。

　　目前网上爆火的是R1，火出圈的就是它的深度思考能力，其复杂的推理目前国内其他模型都难以望其项背。

　　所以，我们日常说的DeepSeek，实际上指的就是DeepSeek的R1模型。

　　好了，在这个背景之下，我们来看本地化部署R1模型需要的硬件配置，到底得花多少钱。

　　先说结论：几千块到100万+不等。

　　是的，如果想把R1的算力拉满，需要花费上百万元人民币。

　　为啥差别这么大？

　　事实上，R1模型提供了从1.5B到671B的不同选择，参数规模越大，所需的算力就越高，当然就越费钱。

　　你看，671B的“满血版”，需要的算力高达1543G！100多万不是白花的……

　　参数量越大，能进行的推理就越复杂，得出来的答案可能就越令人满意。

　　你说，不对，我用笔电或者家里的台机也成功搞了个本地化，一点都不卡了噢。

　　是的，普通消费级的家用配置，也是能配个1.5B到7、8B的，这个量级确实不卡。

　　671B以下的叫“蒸馏版”，这也就是为什么同样的问题，不同的人去问DeepSeek得到的答案会不同——

　　如果你总是用1.5B的模型去跟它聊天，一定会觉得DeepSeek也没那么好用嘛；

　　但你要用的是671B的“满血版”，体感就很不一样。

　　然后这两类人会给出截然不同的评价：一个会说DeepSeek不过如此，盛名之下，其实难副，一个就觉得果然是神级应用啊。

　　所以，有没一种可能是，低算力的R1模型，影响了你的对DeepSeek的判断？

　　所以，我也非常建议大家通过第三方的云端部署，低成本去使用满血版的R1，体验感拉满。

　　2

　　那么，具体怎么做云端部署呢？

　　亚马逊之类的国际云就不说了，毕竟服务器在国外，国内用起来其实没那么方便。

　　国内目前很多云服务都接入了DeepSeek，但要支持满血版的R1，主要是和华为云合作的硅基流动，以及字节旗下的火山引擎。

　　先说硅基流动。

　　跟火山的设置相比，硅基流动的部署可以说是相当简单了。

　　这也导致大多数人在遭遇了官网的日常卡顿后，纷纷转投硅基流动，目前硅基也会时不时掉一下，但跟官网动辄“服务器繁忙”相比，硅基速度虽慢，至少能用。

　　部署硅基流动就两步：

　　第一步，注册账号并创建API。

　　第二步，下载客户端，粘贴在硅基流动获取的API密钥即可。

　　然后就能刷刷刷打字，疯狂调戏DeepSeek了。

　　硅基流动的注册地址是：

　　https：//cloud.siliconflow.cn/i/iv0veX6G

　　用手机号收个验证码就算注册了，很简单。

　　大家也可以在注册时输入我的邀请码：iv0veX6G

　　这样我俩都能得2000万Tokens，后台实际到账是14元的平台配额，以我的经验来说，即便每天都跟DeepSeek高频互动，也足够用一个月了。

　　这是官方送的羊毛，不薅白不薅。

　　注册成功之后，在左边菜单栏选“API密钥”，新建一个自己的密钥。

　　然后复制密钥。

　　硅基流动的动作就完成了。

　　接下来是下载客户端，我用的是Chatbox AI。

　　首次登陆会有个提示页面，选“使用自己的API Key”就行，之后也可以在“设置”里重新修改。

　　“模型提供方”选“SilliconFlow API”：

　　粘贴“API密钥”：

　　“模型”选DeepSeek-R1。

　　全部保存就能随便用了。

　　硅基流动+Chatbox AI的方案，真的是简单又好用。

　　当然，如果不想弄客户端，还有个更简单的办法——

　　直接在硅基流动的网站上在线体验满血版R1：

　　“模型广场”出来的第一个，就是满血版，判断标准就看是不是671B。

　　点“在线体验”，直接用。

　　硅基流动的部署和在线使用就这些了。

　　相对于硅基流动，火山的部署门槛就要高很多了，用的人也少很多，加上字节的算力比其他家都强，所以火山用起来确实“嗖嗖”的。

　　（温馨提示：火山的设置有点复杂，如果觉得硅基流动就够用的朋友，可以直接拉到第3趴。）

　　以下是火山的设置方法——

　　首先，在火山引擎的产品栏里，选“火山方舟”：

　　注册成功之后，每个模型官方都会送50万Tokens的额度，同样能在模型广场直接选满血版在线体验：

　　自行部署的话，也是先新建API密钥，跟硅基流动一样：

　　然后“在线推理”，创建推理接入点：

　　名称随便填，模型选R1：

　　接入后，点名称进去看详情页：

　　选API调用、通过API Key 授权、第三方SDK调用示例：

　　设置Chatbox客户端，模型提供方选自定义：

　　如图所示进行设置：

　　选模型的时候特别要注意！

　　输入的是在火山“推理接入点”的ID，ep-2025开头的那一串数字。

　　然后保存，就设置好了。

　　以上是硅基流动和火山引擎的云端部署步骤，确实长，大家设置过程中有啥疑问，可以加我微信，探讨探讨。

　　3

　　现在来说说我的使用体验。

　　为啥我觉得，今年，DeepSeek就能在全社会掀起颠覆性的变化？甚至重塑整个社会的游戏规则？

　　首先，肉眼可见的，DeepSeek是目前为止，国内大模型中，“普世度”最高的一款。

　　春节期间，哪怕是我老家那种三线小城，大家都在讨论DeepSeek这个东西了。

　　当然，这跟此前大多数模型都不开源有关。

　　我一直觉得，一个新事物只有发展到全民皆知，人人言必称之，成为一种再不跟风就晚了的“社交资本”，才有可能迎来行业的拐点。

　　现在越来越多的企业宣布接入DeepSeek——

　　比如汽车领域，吉利、东风、长安、长城说，要把DS应用到智能座舱交互和车控系统，极氪、智己、Smart则要聚焦语音交互，提升对用户意图的预测。

　　能源领域，国家电网、中国中化已经接入DeepSeek；

　　通信领域，国内三大通信运营商，移动、电信、联通也部署了R1模型；

　　金融领域，国金证券、兴业证券等券商接入DeepSeek，用来优化客户服务和智能投研；

　　还有医疗、教育、传媒等。

　　截至2月5日，国内已经有超过160家企业接入DeepSeek。

　　还有英伟达、亚马逊、微软、AMD、英特尔等国际巨头。

　　当然最重磅的是——微信。

　　是的，就连微信，都接入DeepSeek了……

　　这里面多少有国家下场助攻的影子，但也有市场自身力量的推动，不管怎么说，AI大模型在今年的爆发，基本是毫无悬念的事——

　　因为它已经从实验室研发的Demo阶段，全面扩散到了真实世界的应用层面，实现了全社会“应用场景”的无限扩张。

　　无论是从DeepSeek的开源模式来说，还是当下“日日新，又日新，苟日新”的全民普及和渗透度，都是时候了。

　　何况，此时此刻，还只是2025年的开头。

　　今年接下来的日子会怎么迭代，真的很值得期待。

　　4

　　那么，回到房地产来说，DeepSeek会对行业产生什么影响？

　　房企内部一定会更卷。

　　‘人效’这个词，一定会在企业内部被无限放大。

　　应对之策，至少要比你的领导先懂DeepSeek，更懂DeepSeek，用魔法打败魔法。

　　而对于房产交易来说——

　　那些专业度不够，很难生产自己的原生观点，一直靠着全网“学（xi）习（gao）”再对外输出的从业者，职业危机可能要来了。

　　以后购房者只需要两种价值：

　　一种是楼盘的基本资讯。

　　包括项目和销售提供的楼书，这是最基本的；

　　还有楼盘隐藏的不利因素，比如地块的环评有没问题，预售之后是否会有不利的公建因素如立交桥、大型垃圾站等尚未公布等。

　　能提供越多关于楼盘隐藏资讯的，越有价值。

　　一种是买房的深度选筹能力。

　　现在但凡是个房产交易的从业者，一上来就要跟你讲学铁商，把已有信息翻来覆去换着话术来回说——

　　要么就是放大学位价值，你看这个配建的学校是名校集团的成员校噢，老牛了；

　　要么就是放大配套价值，你看这几个商业，厉害的嘞，太古汇知道不？全中国有几个？广州有几个？其中一个就在这儿！山姆、Costco都争着要来的地方，怎么都错不了！华润万象系啊，太古+华润的双商业，未来潜力无限！

　　要么，就说地铁规划，哪个线在建，通了你得多方便之类的。

　　无非就是把学铁商的信息进行排列组合，放大一些因素，套用在购房者的学位、通勤、预算和居住要求的排序里。

　　基本就是一个筐，就着购房的需求就哐哐往里装，怎么说都对，反正也挑不出毛病。

　　但是！

　　从今往后，这些简单的选筹建议，是不是可以问问DeepSeek了？

　　它是个莫得感情的AI机器啊，至少客观嘛不是？

　　比如，我来上个实操的案例，问问DeepSeek，要不要为了学位放弃海珠的大房子，搬去越秀？

　　你们看看它咋说的——

　　先看深度思考的推理结果：

　　第一，海珠也有学位预警，如果你在海珠的房子属于预警的学区，要注意入学的确定性。

　　第二，你问这个问题，可能担心的不仅仅是学位数量，还担心海珠的整体教育质量。

　　第三，越秀作为广州的教育强区，学位房比较稳定，招生地段变化小，入学确定性高，即使招生地段变化，学校资源的差异也不大，保险系数也高。

　　第四，但越秀的学位房多为老破小，价格高，居住环境不如海珠的大房子，未来也更难卖。

　　第五，越秀地产在海珠拿了些新地块，今年入市，可能给海珠带来新的学校资源。

　　总结下来的选筹建议就是：

综合权衡教育质量、居住条件、经济负担以及未来的房产价值，如果教育是首要考虑，越秀的学位房更优，但要接受较高的房价和较差的居住环境。

如果看中居住舒适度和经济性，海珠可能更合适，但需面对可能的学位紧张和被统筹的风险。

　　以上就是DeepSeek的全部推理。

　　你看，作为购房者，你问的很多从业者，他们都未必能超出这个选筹分析。

　　DeepSeek随便从50个网页里思考37秒，就能得出这个结论，而且你还可以不断问它，它还能不断给你修正和完善，关键是：客观啊。

　　如果真实世界的人给你的选筹建议，并没有超出这个水准，而且还会在选筹中时不时“夹带私货”，那么，很快，大家问问DeepSeek就完事了。

　　不久的将来，当DeepSeek像微信一样高频出现在我们的生活中，并且得以高频使用，购房者需要的，一定是超出DeepSeek整合水平的更专业的深度选筹能力。

　　要想不被淘汰，还是赶紧跟洗稿洗观点说拜拜吧。

　　小心时代抛下你的时候，连招呼都不打。

　　5

　　当然，DeepSeek也不是全能，现在它被诟病的最厉害的就是幻觉严重，给出的信息常常不真实，不准确，甚至差个十万八千里。

　　原因在于R1模型的研发定位，是一个强在逻辑推理的模型，如果想要更准确的信息，得你自己投喂。

　　或者挂载一个外部知识库。

　　你用它去检索信息，并根据检索结果做大量的数据处理，得出来的结果大概率有很大偏差。

　　工欲善其事，必先利其器。

　　用对地方了，它才无敌。

责任编辑：尉旖涵

相关文章