几个月前，DeepSeek还被寄予厚望。作为中国AI大模型领域的黑马，它曾在春节期间一度冲上使用率7.5%的高点，在多个平台展现出强劲的增长势头。
然而短短数月之后，形势急转直下。根据Semianalysis与Poe平台提供的数据，截至今年5月，DeepSeek使用率已骤降至3%，官网流量下滑近三成，Token调用流量也从42%萎缩到16%。面对这种堪称“断崖式”的退潮，DeepSeek到底怎么了？
一、模型未迭代，新鲜感退却
技术产品的生命线，是迭代。AI大模型的更是如此。
DeepSeek之所以在年初获得一波流量爆发，很大程度上是因为其推出的R1模型在中文处理能力上表现亮眼，吸引了不少中文用户和开发者。然而，这种增长并未得到持续的产品支持。
原计划在5月发布的DeepSeek-R2迟迟未能上线，这成为使用率暴跌的直接导火索。市场原本期待通过R2看到DeepSeek能否突破R1的能力瓶颈，在多轮对话、长文本理解和代码生成等方面迎头赶上OpenAI的GPT-4和Anthropic的Claude。
如今这个期待被反复推迟，自然也就演变为失望。
更何况，AI用户对模型能力的容忍度极低，一旦性能增长停滞，他们转身的速度甚至比网文读者弃书还快。跟传统产业相比，AI时代的新常态是：技术红利有保质期，而用户忠诚却没有。
二、技术焦虑：硬件短缺、模型能力双重滞后
DeepSeek并非无所作为。据The Information报道，其团队一直在密集推进R2开发，CEO梁文锋本人对模型能力的标准相当严苛，这种“追求更好”的执念值得敬佩。然而，技术产品的尴尬在于——“还没准备好”也可能意味着“已经太迟”。
此外，英伟达H20芯片短缺对整个中国AI产业链都是一道难题，DeepSeek首当其冲。高性能GPU的匮乏限制了模型的训练效率和部署能力。也正因如此，R2的跳票并非单纯的产品管理失误，也暴露出国产AI基础设施的脆弱性。
在AI大模型领域，仅靠算法与人才远远不够，算力与资本才是决定生死的基石。
三、市场环境变了，强敌环伺之下腹背受敌
在DeepSeek陷入“更新难产”之际，竞争对手们却在全速前进。
OpenAI发布GPT-4o后，ChatGPT官网流量增长40.6%；谷歌Gemini则借助多模态能力，实现了85.8%的流量增长。Anthropic的Claude、Mistral的开源模型、Meta的Llama家族也都在不断抢夺用户注意力。
尤其是GPT-4o的免费化策略，对所有中高端国产模型构成降维打击。当用户能在官方渠道免费使用一个比DeepSeek更强、更快、更稳定的模型时，国产模型所仰赖的“民族亲切感”与“中文优化”就显得不那么有杀伤力了。
换句话说：产品力不足时，情怀也拯救不了冷冰冰的留存率。
四、产品战略失衡：模型强，但“平台感”不足
相比OpenAI、Anthropic等公司，DeepSeek在“产品+平台”的打造上还显稚嫩。虽然DeepSeek官网功能齐全，但在用户体验、插件生态、文档支持、第三方API接入等方面明显滞后。而ChatGPT已经逐步完成了从“AI模型”到“AI操作系统”的跃迁。
此外，不少用户反映DeepSeek官网对话体验缺乏记忆能力、响应速度不稳定，甚至UI设计也偏“工程气”，难以打动泛用户人群。这种“重技术、轻产品”的倾向，在初期可以靠硬核用户撑起门面，但在市场扩张期就成了短板。
更致命的是：DeepSeek虽然有被腾讯元宝、夸克、百度等平台接入，但自身缺乏像Claude或OpenAI那样具备清晰品牌感与平台闭环的核心阵地。在用户心中，它更像是一个“被接入的模型”，而非“主动打开的网站”。
五、数据争议也难改趋势真相
也有人对Semianalysis和Poe的数据提出质疑，认为其忽略了中国市场上各类分发渠道的真实活跃情况。比如很多用户通过夸克、QQ浏览器等场景调用DeepSeek，官网流量下降未必代表整体使用萎缩。
这个质疑并非毫无道理。但需要注意的是：即使排除数据偏差，DeepSeek用户活跃度的下滑也基本成为共识。不少开发者反馈，DeepSeek最近两个月在API调用与集成服务中的响应质量明显波动，部分用户已迁移到Kimi、百川智能等平台。
换言之，即便数据不精确，但“趋势是真实的”。一个模型使用率在多个平台、多种渠道下同步走低，其背后必然是能力、产品、运营三者的共振下滑。
结论：当潮水退去，谁在裸泳？
DeepSeek的断崖式下跌提供了一个重要警示：AI行业的爆发，不等于某家公司的成功。
中国大模型赛道从“百模大战”走到“几强争霸”，已经进入洗牌期。技术、算力、运营、生态，缺一不可。
当然，DeepSeek并不是失败了，它只是暂时没能跨过第二道门槛。从技术人主导的科研项目，进化为一个真正可持续的AI产品平台，仍需时间。但市场不会停下来等你。
潮水退去时，所有公司的底牌才开始显露。DeepSeek能否逆风翻盘，不仅取决于R2的上线速度，更取决于它能否真正打磨出一个足以留住用户的“体验闭环”。
而这，恰恰是中国所有AI模型的下半场考题，也是中国科技行业一直以来的老大难问题。