DeepSeek使用率暴跌至3%？对此，DeepSeek的回答亮了

还记得，DeepSeek刚发布时，令人振奋，几乎可以说是举国沸腾。当时我也下载了DeepSeek，现在还一直在使用，一直感觉挺好。在网上也经常看到有人的文章或者视频里提到使用DeepSeek。

但是，刚刚看到一个比较震惊的消息，说是DeepSeek的使用率，从年初的50%，暴跌到了现在的3%，很多人已经淡忘了DeepSeek问世时的辉煌，还说预计5月发布版本2也未实现，时间一拖再拖。

50%到3%，这两个数字对比相差之大，产生的震撼效果可想而知，所以确实令人震惊。从一开始的振奋，到现在的震惊，人们不禁要问，这是怎么回事？这个问题，我想看看DeepSeek会怎么回答。

首先得承认，DeepSeek一点也不虚伪，非常诚实。对于这样尴尬乃至难堪的问题，DeepSeek并不回避，而是敢于“直面惨淡的人生”，承认有这回事，但是DeepSeek同时指出要辩证看待。

然后，DeepSeek从“使用率暴跌的数据依据”“暴跌背后的多重原因”“行业背景：不止DeepSeek的困境”三个方面，对问题进行了分析，最后得出结论，强调“数据可信，但需注意统计口径”。

对于“使用率暴跌的数据依据”的引用，DeepSeek不仅全部给出了可查证的来源，甚至还提供自身流量与用户活跃度佐证，甚至还指明同期ChatGPT日活增至6101万，自己923万与之差距拉大。

重点是暴跌的原因，为什么会严重暴跌呢？看了DeepSeek的分析，我觉得这的确是辩证的分析，DeepSeek把辩证法运用得很好，说得头头是道，很有道理，既认识到自身不足，也看到了自身实力。

具体原因有哪些呢？我看到的新闻报道太简单，没说原因，而DeepSeek给出了答案，主要有以下几个：

第一，自身能力存在短板。比如严重的“幻觉”效应，即专业领域（医疗、法律）频繁虚构内容，逻辑错误频出，用户信任崩塌。这应该与数据不大有关，找不到专业数据，就自己编了。

此外，多轮对话能力弱，响应速度不够快，也是技术上的短板。不少用户反映，超过5轮对话即丢失上下文，实用性不足。 这一点我还没有发现，因为我没有连问这么多次，最多四次。

第二，生态与商业化失败。主要是，很多企业本地部署都DeepSeek开源模型，用户不需要访问官方平台，人家直接使用自己部署的DeepSeek开源模型，这就导致了流量流失。哪些企业部署了呢？

DeepSeek提供了一些，比如招商银行、蚂蚁集团、平安证券、微众银行、小红书、bilibili、知乎、米哈游、宁德时代、三一重工、国家电网、清华大学、中科院自动化所，等等，看来确实不少。

第三，数据与资源瓶颈。这方面讲了两点。一是国内高质量数据不足，幻觉率居高不下，所以R2模型被迫推迟发布。二是美国芯片出口限制导致高端算力匮乏，拖累研发效率。

高质量数据，主要是指专业方面的数据，这从侧面说明，我国在相关专业方面的研究不足，数据库不够大，无法为DeepSeek提供科学支撑，这就难怪Deep Seek已经“自由发挥”了。

而看到第二点，不由得一声叹息，看来卡脖子美帝确实有这方面的实力，而我们只知道欢呼，不知道人家一卡脖子，就呼不出来了。不过，越是这样，就越得坚定地进行自主研发，不然永远受制于人。

第四，市场竞争非常激烈。国内，有豆包、通义千问、Kimi等同类产品参与竞争，这些产品用户翻倍增长。国外，OpenAI、谷歌凭借多模态功能（如文生图）持续扩大市场份额。这些都导致Deepseek使用率下降。

DeepSeek承认了使用率严重暴跌至3%的事实，进行了深刻反思，很有点“实事求是”“勇于自我革命”的精神。

而从国内多家AI产品参与竞争来看，这个赛道似乎呈现出“稀释资源”的情况，这会不会导致“共同贫穷”呢？

不过，从另一个角度看，各自为了生存，自然要拼尽全力，智慧就在忧患中被激发出来，这就是优胜劣汰的法则。

从这个意义上说，经济发展与科技发展，似乎在本质上也是遵循自然法则的，生于忧患死于安乐，古人所言极是。