首次披露！DeepSeek V3 发布软硬一体协同训练论文，公开「降成本」秘诀

" V3 的成本下降密码， 是软硬协同设计。 " 作者丨郑佳美 洪雨欣 编辑丨陈彩娴 就在刚刚，DeepSeek团队发布最新论文《洞察 DeepSeek-V3：规模的挑战和对AI架构硬件的思考》。 论文链接：https://arxiv.org/pdf/2505.09343 在保持性能不变的情况下，论文采用了双重视角——跨越硬件架构和模型设计，通过研究这种协同作用， 探索 DeepSeek-V3 如何实现经济高效的大规模训练和推理。 随着 OpenAI o1/o3、DeepSeek-R1、Claude-3.7 Sonnet 等先进模型的出现，大规模架构和上下文推 理的进步强调了对更快、更高效推理的需求。因此，计算资源的需求也在逐步扩大。 DeepSeek 的出现证明了有效的软硬件协同设计可以实现大型模型的成本效益训练，为较小的团队提供公 平的竞争环境。 基于这一传统，DeepSeek-V3 代表了成本效益训练的新里程碑，仅需 2,048 个 NVIDIA H800 GPU 就 实现了最先进的性能。DeepSeek-V3 的实践和见解展示了如何充分利用现有硬件资源，为更广泛的 AI 和 HPC 社区提供宝贵的经验 ...