简单来说，DeepSeek-V3仅使用了2048块英伟达H800 GPU，耗费了557.6万美元就完成了训练，相比同等规模的模型（如GPT-4、GPT-4o、Llama 3.1），训练成本大幅降低。

近日，想必诸多用户都怀揣着这样的疑惑：我的手机为何频频推送关于DeepSeek的资讯？这 DeepSeek 究竟是什么？它又为何能在问世之际，就引发如此热烈的关注与轰动？

作为 GPU 领域的领导者，NVIDIA 推出的 H100 和 A100 两款产品备受瞩目。本文将深入剖析这两款 GPU 的技术细节、性能差异以及应用场景，帮助读者全面了解 H100 和 A100，从而在实际应用中做出明智的选择。 Hello folks，我是 Luga，今天我们来聊一下人工智能应用场景 ...

V3模型是在2000块英伟达H800 GPU（针对中国市场的低配版 GPU）上训练完成的，而硅谷大厂模型训练普遍跑在几十万块更高性能的英伟达H100 GPU上。

最近，一段 2009 年的老视频在 X 上走红，这段仅 90 秒的视频直观地展示了 CPU（中央处理器）与 GPU（图形处理器）之间的区别： 这个视频的主要内容 ...

事实上，不仅仅库克刀法好，另外一位大佬黄仁勋刀法也是不错的，阉割了H100、A100，搞成了H800、A800，后来更是阉割成H20。 一次又一次阉割这些AI卡，然后卖给中国市场，然后价格却没有降什么，疯狂割中国市场的韭菜。 而近日，老黄又一次挥出了阉割大刀 ...

加上后训练，DeepSeek-V3完整训练消耗了278.8万个GPU小时。假设H800 GPU的租用价格为每块GPU 2美元/小时，DeepSeek-V3的全部正式训练成本总计仅为557.6万美元。