作者丨summer
图源丨midjourney
“如何用AI月入上万”的风，传到了大洋彼岸。
两年前，ChatGPT的横空出世，让AI恐慌席卷国内。焦虑的人们挤进各种AI课程，从李一舟到prompt工程师，从基础入门到进阶实战，大大小小的课程像春笋一样冒出来，在AI还没来得及改变世界的时候，这些“卖铲人”先富了起来。
如今风水轮流转，DeepSeek R1的火爆上线，让这部大戏有了新的剧情。这个来自东方的模型凭借着思维链、纯开源、低成本三板斧，在全球掀起了一波新热潮。老外们火速研究起了DeepSeek，在X和Youtube上充斥着DeepSeek使用教程和变现方案。
真研究的、卖焦虑的、玩情怀的......这些重出江湖的老套路，成了DeepSeek最好的“自来水”。
老外也卖课？
Deepseek教程遍布X和Youtube
很难想象打开X搜索“DeepSeek”，排在前列的不是技术分析，而是《提示词指南》。
在X平台上，大量海外博主开始分享DeepSeek的使用技巧。有的博主专注于提示词优化，声称掌握了能让模型产出更优质结果的“秘诀”。
不过，这一操作属实有些令人迷惑，毕竟DeepSeek的核心交互逻辑是“真实场景+具体需求”而非提示词框架，“我要做XX，用于XX场景，希望达到XX效果”的直白表达方式效果才是最好的，而非采用其他AI的结构化式的传统Prompt方式。
和国内早期的ChatGPT培训相似，这些博主们也常常先在社交媒体发布免费的入门教程吸引关注，再将粉丝引导至私域社群，进一步推销价格不菲的进阶课程，或兜售所谓的“DeepSeek专属提示词库”，或打造付费社群，配合一对一指导服务，甚至针对企业市场，推出定制化的DeepSeek应用培训方案。
“AI替代人类”“普通人逆袭案例”“不学DeepSeek就会被淘汰”......这些精准击中生存焦虑的话术，可以说是一股熟悉的味道扑面而来。
一些课程甚至售价高达99美元，免费的DeepSeek可能也没想自己居然可以这么值钱。
有人知识付费，也有人赚流量和订阅。
Youtube上的DeepSeek教程更是五花八门。有的创作者专注技术讲解；有的则搬运整理各种应用场景案例，展示DeepSeek在不同行业的实践，不乏一些大号，例如知名的编程教学账号freeCodeCamp，1月30号就发布了相关的快速教学视频，秀了一把专业水平和技术眼光。
更具实用主义精神的博主，则是录制了DeepSeek本地部署教程，手把手教人如何在个人电脑上运行模型。毕竟，区别于以往的大模型，DeepSeek模型大小压缩到了能够在计算机端侧部署的量级，开源的性质也让用户本地部署、二次开发有了可能性。此外，再加上官网网站被挤爆迟迟不能对话，以及对信息安全有顾虑的情况下，端侧部署自然成了焦点之一。
当然，和国内一样，人们最喜欢的还是直接谈论如何用DeepSeek赚钱，从接单到创业，各种商业方案层出不穷。
例如，有博主教用户如何用DeepSeek模仿恐怖故事视频账号来创作新的内容。
先是复制热门账号的主页所有内容，让DeepSeek进行分析，然后再模仿创作标题以及故事文本大纲。
博主指出，DeepSeek给出了非常详细精确的标题风格、视频时长、SEO关键词等全方位的拆解，并写出了非常流畅的故事。
尽管一定程度上，这波声势浩大的海外DeepSeek培训热潮充斥着焦虑贩卖，但也说明DeepSeek真切地受到了广泛地认可，成为了全球范围的流量密码。
当一个技术产品能在全球范围内形成知识付费生态，则说明它确实解决了一定的痛点问题。
通常企业出海、扩张，都需要投入大量资本来获取用户，但DeepSeek却走出了不一样的路：没有投入巨额营销费用，而是凭借纯粹的技术实力获得了全球开发者的自发传播。
这种“0投放”模式背后，有两个关键因素在支撑：一方面是DeepSeek在算力效率、推理性能等核心指标上实现突破，这让它在某些场景下的表现甚至超越了现有标杆；另一方面则是开源策略够硬核，通过开放源代码和技术文档，DeepSeek为全球开发者提供了可以深入研究和使用的完整工具链，让更多人能够参与进来，并且这种透明度也自然而然地建立起信任。
这也推翻了过去一年大模型企业和应用们对于投流的执着论调。彼时，巨头公司们得益于对互联网流量格局的把控，获得了AI产品推广赛中的领先位置，而创业公司中，有人苦于资金压力，早早地主动躲开巨头的射程范围，也有人寻找资金、扩大投流覆盖面，硬刚大厂。
无论如何选择，流量都在成为一种信仰，但 DeepSeek 打破了这一点。
据AI产品榜，今年1月20日DeepSeek R1模型发布后，1月DeepSeek用户增长达1.25亿（含网站（Web）、应用（App）累加不去重）。其中，80%以上用户来自1月最后一周，即DeepSeek在没有任何广告投放情况下实现了7天完成1亿用户增长，远超ChatGPT同期水平，这恰好说明了AI领域仍然存在大量未被满足的需求和机会，基础模型的迭代突破可能随时带来新一轮爆发。
