中國清華大學工程學院計算機系教授鄭緯民分析出「3點」DeepSeek的成功原因，他表示目前業界對於DeepSeek的喜愛主要集中「技術層面」、「成本低廉」、「開源模型」。
1.技術層面：核心自主研發的DeepSeek-V3和DeepSeek-R1模型，其效能已與OpenAI的4o和o1模型相當。
2.成本低廉：DeepSeek研發的這兩款模型成本更低，僅為OpenAI 4o和o1模型的十分之一左右。
3.開源模型：DeepSeek把這一兩大模型的技術都開源了，讓更多的AI團隊，能夠基於最先進同時成本最低的模型，開發更多的AI應用程式。
鄭緯民指出，DeepSeek自研的MLA架構和DeepSeek MOE架構，為其自身的模型訓練成本下降，起到了關鍵作用。且MLA主要通過改造注意力算子壓縮了KV Cache大小，實現了在同樣容量下可以存儲更多的KV Cache，該架構和DeepSeek-V3模型中FFN 層的改造相配合，實現了一個非常大的稀疏MoE 層，這成為DeepSeek訓練成本低最關鍵的原因。
小補充：「KV Cache」是一種優化技術，常被用於存儲人工智能模型運行時產生的token的鍵值對（即key- value數值），以提高計算效率。
