这匹中国大模型黑马，让扎克伯格破防了！

hnn

DeepSeek用实例给风投们上了一课，不用高薪聘请拥有浮夸头衔的资深从业者，以免费的AI开源项目为基础，利用有限资源同样能够做出一流的AI大模型。

撰文丨周隆斌

1月13日，美国拜登政府在卸任前最后一周出台了《人工智能扩散暂行最终规则》。

这份规则将全球各国和地区划分为3个等级，在获取美国最先进的AI芯片时，分别接受不同级别的限制。让人非常不希望看到的是，中国被划分进了最严格的三级管控，数据中心将被全面禁止进口尖端AI芯片。

这项规则是否施行，将在120天的公众意见征询期后再行商讨。不过，显而易见的是，美国政府试图通过行政手段干扰全球芯片和AI行业正常发展。

AI技术中蕴藏着无限潜力已经被广泛证实，尖端AI芯片更是训练模型时必不可少的基础。在获取算力资源难度加大的背景下，国内AI行业的出路究竟在何方？

近期，被称作“AI界拼多多”的国产AI大模型——DeepSeek（深度求索），用有限的算力资源，给出了一个解决方案。

01

有起错的名字，没有叫错的绰号。去年底刚刚发布的DeepSeek-V3开源AI大模型，以史无前例的性价比，刷新了全球AI行业的认知。

先来看看这个AI大模型的性能，DeepSeek在自家公众号中这么介绍V3模型：

DeepSeek-V3多项评测成绩超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型，并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。

简单来讲就是，DeepSeek-V3已经成为现在全球最强开源大模型，可以与头部闭源大模型掰掰手腕。从测评结果上看，DeepSeek好像并没有吹牛，在百科知识、代码生成等场景中，DeepSeek-V3确实取得了第一梯队的成绩。

不过，行业内的评测是一份公开试卷，完全可以有针对性地对模型进行训练。就像电脑的跑分测试，未必就那么客观。在实际使用体验上，DeepSeek-V3的数学和编程能力确实非常强，这也是评测的重点方向。不过，它在一些特殊语境或者创造性思维方面还是差点意思。

例如，向DeepSeek-V3询问，香菇掉到了马桶中，那它还能被称作香菇吗？它只会一本正经地给出回答，GPT-4o则是先点明这是一句幽默的提问，再进行回答。

对于将AI大模型当作搜索引擎的我来说，DeepSeek-V3是合格的。尽管在一些总结归纳上与GPT-4o略有差距，考虑到后者的使用限制，我还是愿意将免费的DeepSeek列为首选AI工具。

令人想不到的是，DeepSeek-V3整个模型的预训练成本花费为557.6万美元，仅需GPT-4o的二十分之一。“低廉”的成本给了DeepSeek砸穿行业底价的勇气，开发者调用DeepSeek-V3的支出只要GPT-4o的十分之一，性价比爆棚。

更加难能可贵的是，DeepSeek-V3在训练时使用的GPU是英伟达的H800，一款在性能上被阉割的特供AI芯片。OpenAI手握上万块英伟达一流的AI芯片，愿意为其融资的投资者络绎不绝，成本从来都不是他们考虑的第一要素。

后来者大部分以OpenAI为标杆，AI大模型只有砸钱、砸算力才能做出来的观念在行业中深入人心。正因如此，花小钱办大事的DeepSeek才让一众硅谷大佬们惊呼这是“来自东方的神秘力量”。

扎克伯格在谈到DeepSeek时，罕见地表示：“他们的技术真的很不错，这个模型非常先进。（在AI大模型领域）中国正在全力冲刺，我们当然该支持美国的公司。实际上，这是一场差距很小的竞争。”

02


早在去年5月，DeepSeek发布DeepSeek-V2模型时，超低的价格就引起了AI大模型降价的血雨腥风。彼时DeepSeek尚未推出面向消费者的应用，大众知名度远没有现在这么高。

直到去年12月26日，DeepSeek-V3推出网页版后一夜爆火，月度访问量迅速突破千万。与大模型一同发布的，还有一篇53页的论文，详细介绍了DeepSeek-V3模型的技术细节，将如何用有限资源进行模型优化的策略全部公之于众。

DeepSeek采用的主要技术总结下来有三点，创新的模型架构、高效的训练技术以及优化资源利用。我认为，其中MLA（多头潜在注意力机制）架构最值得称道。DeepSeek将用户任务分解为多个子任务，由不同的专家模型分别处理，再将各专家模型的结果汇总输出结果。

这就意味着，大模型在接到用户需求时，不用调动全部资源进行处理。提升模型运行效率的同时，显著降低了运行成本，有种“专人专办”的感觉。

如果仔细研究DeepSeek的解决方案，会发现DeepSeek更多是在进行“工程创新”。它虽然没有创造出一套全新的技术，却改进了业内原有的模型训练方式。

有人认为业内对于DeepSeek的评价有些过高，它只是对原有技术进行了优化。这样的看法显然过度关注技术层面，而忽略了AI行业无限光明前景的背后，是有些阴暗的现实。

过去一年中，全球科技公司几乎都铆足了劲在AI项目上发力，全球AI初创公司如雨后春笋般冒出，“用AI重塑所有行业”的口号喊得震天响。然而，摆在所有企业面前的窘境是，AI商业化路径并没有被完全打通。

对于传统企业而言，如果需要AI大模型为业务赋能，选择开源模型进行微调，定制专属大模型试错成本更低。广大消费者为AI功能付费的意愿也不高，大部分用户都是“白嫖党”，尚且属于培养用户习惯的阶段。

就连作为AI行业的领军企业OpenAI至今都尚未实现盈利，很大一部分原因在于尖端AI模型的训练耗资惊人，运行成本也十分高昂。据测算，仅维持ChatGPT的运营，每天成本就高达70万美元。OpenAI首席执行官山姆·奥特曼则表示，未来的AI模型成本预计将超过10亿美元。

《纽约时报》获得的融资文件显示，OpenAI 2024年预计收入达到37亿美元，但预计亏损也将达到50亿美元，而2026年亏损可能会高达140亿美元，这一估算还不包括给员工的股票激励兑现。

可以说，高度依赖融资的OpenAI在破产的边缘反复摇摆。如果明天投资界厌倦了看不到盈利希望的AI行业，OpenAI仅凭自身的造血能力，恐怕难以为继，其他AI初创企业更是如此。

这样的担忧并非空穴来风，知名数据分析机构 CB Insights 发布的《2024年第三季度全球人工智能投融资报告》显示，2024年第三季度生成式AI领域的投资额环比下降了29%，10亿美元以上的大额融资量环比下降77%。

任何生意的核心都是成本与收入的平衡，DeepSeek为AI行业提供了一种崭新的思路，既然收入端暂时难以大规模提升，不妨先从成本端发力。或许DeepSeek在技术上没有多么惊天动地的创新，却让国内AI行业看到了一丝在夹缝中生存的可能性，也为全球AI行业长久存续提供了新范式。

DeepSeek的成功离不开前辈们技术开源的支持，DeepSeek也愿意将自己的成果以开源的方式反哺整个行业。在通往AGI（通用人工智能）的漫漫石阶中，DeepSeek刻下了属于自己的名字。

03


降低成本这件事并不是什么精妙的点子，更是中国企业最擅长的事情。为什么从百度、腾讯、阿里这些互联网大厂，到月之暗面、智谱AI、零一万物等号称中国大模型领域“六小虎”的创业公司，没有一家能够提早想到呢？

如果深入了解DeepSeek这家公司后，就会发现这绝非偶然。

DeepSeek在V3模型发布前相当低调，模型发布后也没有如国内同行一样，铺天盖地地打广告，知名度更多来自于用户们口口相传。但如果说到它的全资母公司幻方量化，股民朋友们肯定十分熟悉。

幻方量化，迄今为止国内唯一规模曾经超过千亿元大关的量化私募。根据私募排排网数据显示，幻方量化的代表产品九章幻方中证500量化多策略1号，从2017年1月19日成立至今（2025年1月10日），累计收益率超过300%，年化收益率达到19%，与巴菲特年化收益率的20%十分相近。

ChatGPT 3.5问世时，业内测算想要做出这种级别的大模型，至少需要1万张英伟达A100芯片。彼时全球算力竞赛尚未正式开启，国内拥有万卡算力的公司，满打满算也就6家，百度、腾讯、字节、阿里、商汤，还有一位手握入场券的正是幻方量化。

DeepSeek由幻方量化创始人梁文峰一手创办，虽然公司成立时间是在2023年7月，但DeepSeek项目在幻方内部已经孵化很久。

2021年幻方量化私募规模破千亿元时，梁文峰选择主动降低管理规模，暂停旗下所有产品的申购，并免除所有基金的赎回费用。目前，幻方量化的管理规模已降至200亿-300亿元。

彼时外界几乎没有任何人能理解梁文峰的决定。主动降低管理规模固然有行业监管趋严、市场风险等客观因素，但很少有私募基金会和送上门的钱过不去。以幻方量化当时的体量和名气，不说业绩提成，单是管理费每年都能躺赚数十亿元。

现在看来，或许梁文峰早就看到了AI技术爆发的曙光。梁文峰在接受采访时提到：“我们的出发点，就不是趁机赚一笔，而是走到技术的前沿，去推动整个生态发展。中国也要逐步成为贡献者，而不是一直搭便车。”

04


DeepSeek这家公司的企业文化也十分独特。其他国内科技企业习惯重金聘请行业大佬，DeepSeek的团队则十分年轻化。

据梁文峰自己透露：“我们的核心技术岗位，基本以应届和毕业一两年的人为主。”就连公司的管理层，也都是一些毕业5年左右的年轻人。当然，这些年轻人没有很深厚的工作背景，却也都是国内一流院校的天之骄子。

DeepSeek内部采用扁平化管理模式，每一位员工的想法都会得到充分尊重。只要有新点子，不论职级，在经过内部讨论后，都可以调动公司资源进行项目研究。DeepSeek-V3的MLA架构，最初正是由一位年轻研究员的个人兴趣所诞生。

除此之外，背靠幻方的DeepSeek是业内罕见的不依靠外部融资生存的初创公司。没有投资人给的压力，商业化自然也不是DeepSeek的首要任务。所以直到V3模型之前，DeepSeek都没有选择上线面向大众的产品。或许是巧合，OpenAI的ChatGPT也是迭代到3.5版本，才选择公之于众。

成员年轻化，组织结构扁平化，不以商业化为首要目标，这一切组合在一起，使得DeepSeek在行业中显得格格不入。梁文峰主动跳出私募行业的舒适圈，带领一群压根没有找到自己舒适圈的年轻员工，开辟出了一条未曾设想的道路。

有人说，DeepSeek闪亮登场，用少量算力资源训练出超强大模型，英伟达慌了，芯片要卖不动了。然而，DeepSeek提供的是一种现有大模型训练的优化方案，要想达成AGI光凭现有技术肯定是不够的，下一代大模型还是要仰仗算力堆砌。

真正应该慌的，是那些AI初创企业们。

正如小米造车前，雷军计划5年投入1000亿元。没想到研发、建厂、营销一系列开支下来，仅花费300亿元，第一款车型小米SU7就火爆全国。国内投资圈这才明白过来，那些砸进去大几百亿连年亏损，毛利率转正都难的造车新势力们有多无能。

DeepSeek同样用实例给风投们上了一课，不用高薪聘请拥有浮夸头衔的资深从业者，以免费的AI开源项目为基础，利用有限资源同样能够做出一流的AI大模型。

没有对比就没有伤害，其余AI初创公司的精美PPT中，究竟有多少是高管给投资人画的大饼，无数轮募资中拿到的钱是不是用在了刀把上？DeepSeek论文发布后，不知道有多少AI初创公司的高管正在连夜开会，琢磨新的说辞。

在中美AI竞赛中，DeepSeek以业界黑马的形象出现，给硅谷带来了一点小小的中国震撼。作为一家以量化交易起家的中国公司，DeepSeek并不被视为技术引领者，但他在有限的算力资源条件下，却依然能够做出令整个AI行业为之侧目的技术创新。

这也让世人看到，在这场前途未卜的AI大竞赛当中，中国公司仍然有很大机会，结合自身优势，在先进AI领域拥有自己的话语权，进而迸发出改变世界的力量。

*本文为冰川思想库原创文章，未经授权禁止转载，否则追究相关法律责任