2025 年 1 月,中國 AI 公司 DeepSeek 發布了 R1 模型。訓練成本約 600 萬美元,使用 2,000 張 Nvidia H800 GPU——而 GPT-4 的訓練成本估計在 8,000 萬到 1 億美元之間。
更關鍵的是,R1 在多項基準測試中逼近甚至超越 GPT-4 的表現,而且以 MIT 授權完全開源。
這個消息震動了整個產業。Nvidia 股價單日重挫,華爾街重新評估 AI 基礎設施的投資邏輯,企業 CIO 開始問一個之前不太敢問的問題:我們還需要花這麼多錢在 AI 上嗎?
答案比想像中複雜。
DeepSeek 到底改變了什麼
很多媒體把 DeepSeek 定位成「中國的 ChatGPT 挑戰者」,但這個框架太窄了。DeepSeek 真正改變的不是誰能做出最好的 AI 模型,而是 AI 的成本結構。
Bain & Company 的分析指出,DeepSeek 的意義在於證明了一件事:透過更高效的訓練方法(如稀疏注意力機制和混合專家模型),AI 的訓練和推論成本可以大幅下降,而且下降的速度比多數人預期的更快。
對企業來說,這意味著三個變化:
AI 推論成本正在快速趨近於零。 如果你現在每月花 10 萬在 AI API 呼叫上,一年後同樣的使用量可能只要 3 萬。這不是猜測——過去 18 個月,主要 AI 提供商的 API 價格已經降了 50% 以上,DeepSeek 的出現加速了這個趨勢。
開源模型成為企業可認真考慮的選項。 DeepSeek 之前,多數企業 CIO 認為開源 AI 模型只適合實驗和原型,真正上線要用商用模型。DeepSeek 打破了這個假設——一個開源模型可以達到商用水準,而且你擁有完整的控制權。
地端部署的經濟學改變了。 當模型本身免費、硬體成本持續下降,地端部署的總體成本開始接近甚至低於長期使用雲端 API 的成本。對有資料主權需求的企業(金融、醫療、政府),這是一個重大的策略轉折點。
但 DeepSeek 不是萬靈丹
在企業急著擁抱 DeepSeek 之前,有幾件事需要冷靜看待。
資料隱私和合規是最大的障礙。 DeepSeek 是中國公司,伺服器在中國。如果你使用 DeepSeek 的雲端 API,你的資料會經過中國的伺服器。對很多台灣和歐美企業來說,這在合規上是不可接受的——特別是金融業和政府單位。MIT Technology Review 的分析也指出,儘管授權成本低(MIT License),但缺乏資料隱私保障和治理合規是企業採用的主要障礙。
開源不等於免費。 模型本身開源,但部署、維護、調校、安全性管理都需要人力和基礎設施。一家沒有 AI 工程團隊的企業,拿到開源模型跟拿到一台沒有司機的卡車差不多——東西是你的,但你開不了。
效能和商用模型的差距仍然存在。 DeepSeek R1 在基準測試上表現優異,但基準測試和企業實際使用場景是兩回事。在中文理解的深度、特定產業術語的掌握、以及長期對話的一致性上,商用模型通常還是有優勢。這個差距在縮小,但還沒消失。
企業 AI 採購策略的三個調整
DeepSeek 的出現不代表你應該立刻放棄現有的 AI 供應商,但它確實意味著你的採購策略需要調整。
第一,把「模型自由」列為採購條件
如果你的 AI 平台只能用某一家的模型,你就失去了利用成本下降趨勢的能力。當更便宜、更好的模型出現,你切換不了——因為你的整合代碼、知識庫、業務邏輯都跟特定模型綁在一起。
MaiAgent 從架構設計上就支持多模型切換——今天用 Claude,明天換成 GPT、Gemini、或是開源模型如 DeepSeek,你的知識庫、Agent Skill、工具整合全都不用改。這不是技術炫耀,是商業生存策略。(想了解 MCP 如何解決 AI 供應商鎖定問題,可以參考:MCP 接通工具,Agent Skills 沉澱知識:企業 AI 整合的三個世代)
第二,重新分配你的 AI 預算
當模型推論的成本持續下降,企業的 AI 預算應該從「買模型」轉向「建知識」。模型是商品,會越來越便宜;但你的企業知識庫、你的業務流程、你的 Agent Skill——這些是護城河,不會因為模型降價而貶值。
一個實際的比喻:如果你經營咖啡店,咖啡豆的價格你控制不了,但你的配方、你的服務流程、你的客戶關係——這些才是讓你跟隔壁區分開來的東西。AI 也是一樣。(想了解如何評估 AI 投資的回報,可以參考:AI 導入的 ROI 怎麼算?一個企業可以用的評估框架)
第三,為「混合部署」做好準備
未來的企業 AI 架構,很可能不是純雲端、也不是純地端,而是混合的——敏感資料用地端模型處理,一般任務用雲端 API,不同場景選用不同模型。這個混合架構需要一個統一的管理層,讓不同模型、不同部署方式對上層應用透明。
DeepSeek 加速了這個趨勢,因為它讓地端部署變得更可行。但真正讓混合架構運作起來的,不是模型本身,而是中間那一層能力——知識庫管理、Agent 編排、工具整合、權限控制。
台灣企業的特殊考量
台灣的企業 AI 市場有幾個特殊的背景。
根據 Statista 的預測,台灣的生成式 AI 市場規模在 2024 年約 5.1 億美元,預計到 2030 年將成長到 16 億美元,年複合成長率超過 20%。這個成長速度意味著,今天的採購決策會深刻影響未來五年的 AI 能力。
資料主權在台灣特別敏感。金管會的 AI 指引明確要求金融業的敏感資料不能離開台灣,PDPA 也對個人資料的跨境傳輸有嚴格限制。(想了解為什麼對內和對外的 AI Agent 需要不同的導入策略,可以參考:導入 AI Agent 之前,先想清楚一件事)
中文語言能力是另一個考量。繁體中文是全球 AI 模型相對弱勢的語言,特別是台灣特有的產業術語、法律用語、政府公文格式。在地的 AI 服務商在這方面有先天優勢,因為訓練資料和使用場景都更貼近本地需求。
DeepSeek 的出現對台灣企業的意義是:開源模型提供了更多選擇,但選擇更多不代表決策更容易。你需要的不是最便宜的模型,而是一個能讓你在不同模型之間自由切換、同時保護資料主權的平台。
常見問題
DeepSeek 適合台灣企業直接使用嗎?
要區分使用方式。如果是使用 DeepSeek 的雲端 API,企業資料會經過中國伺服器,對有合規要求的企業不適合。如果是下載開源模型部署在自己的伺服器上(地端部署),資料不離開企業,這在技術上是可行的——但需要具備自行部署和維護 AI 模型的技術能力。
DeepSeek 會讓 AI 服務變免費嗎?
模型推論的成本確實在快速下降,但企業 AI 的成本不只有模型——知識庫建置、系統整合、安全性管理、持續優化都需要投資。模型免費了,但讓 AI 真正在企業裡有用,這件事不會變免費。
企業現在應該等更便宜的 AI 方案,還是先導入?
不應該等。AI 成本下降是持續的趨勢,如果一直等「更便宜」,你永遠不會開始。正確的策略是現在就導入,但選擇一個不會被特定模型綁住的平台,這樣你能持續享受模型降價的好處,而不需要重新來過。
DeepSeek 跟 ChatGPT Enterprise 比,企業該選哪個?
這不是非此即彼的選擇。DeepSeek 的優勢在成本和開源靈活性,ChatGPT Enterprise 的優勢在成熟的企業功能和合規認證。更好的問題是:你的 AI 平台能不能讓你同時使用兩者,根據場景選擇最合適的模型?如果能,選哪個模型就不是一次性的大決策,而是可以隨時調整的戰術選擇。
引用來源
Bain & Company — DeepSeek: A Game-Changer in AI Efficiency(DeepSeek 訓練成本 $6M、效率突破之分析)
MIT Technology Review — Enterprise AI Beyond the DeepSeek Moment(企業採用障礙:隱私、合規、治理)
IBM Think — DeepSeek's Global AI Impact(DeepSeek 對全球 AI 市場的影響分析)
Statista — Taiwan Generative AI Market Forecast(台灣 AI 市場規模:2024 年 $511M,2030 年 $1.6B)
Chambers Global Practice Guide — Taiwan AI Trends 2025(台灣 AI 產業趨勢與法規環境)



