关于deepseek-AI，你最关心的答案都在这里
很多年以后，当你回想起2025的蛇年春节，你会想起在高铁上、在飞机场、在前往景点的路上，很多人都在谈论或使用一个叫DeepSeek的AI应用。很多人家里的老人在这个春节第一次问孩子，啥是AI？很多人在DeepSeek的热点分析中，第一次了解了世界AI领域的竞争格局。很多人第一次体会到了基于推理的大模型带来的震撼。
别误会，今天这期节目可不是要强行上价值。前面这两句话，是模仿《百年孤独》的开头写的，估计也是很多人在这个春节的真实感受。 1月20日，国内的AI初创公司深度求索推出了大模型DeepSeek R1，两天就震撼了整个AI界。在之后的两周里，AI界满城尽带DeepSeek。英伟达、华为云、天翼云、亚马逊、微软Azure，还有阿里云、百度智能云、腾讯云、京东云，等等，都宣布接入DeepSeek R1。
那么，DeepSeek带来的震撼到底是什么？它后续的影响有哪些？以及那些被DeepSeek热度掩盖的，同样至关重要的事情又是什么？ 今天，我们就建立一个尽可能全面的视角。过去几天，得到App几位关注AI领域的老师，《精英日课》的主理人万维钢老师、《科技参考》的主理人卓克老师，以及《AI学习圈》的主理人，得到联合创始人快刀青衣老师，都做了深入的分析。同时，我们得到自己早在去年5月就开始使用DeepSeek，从得到App内的学习助手，再到我们的新产品Get笔记，DeepSeek每个版本的更新，快刀青衣老师都要带着技术团队做评测。 接下来，我们就结合几位老师的观察，以及我们自己过去9个月积累的使用体验，来说说关于DeepSeek人们最关心的几个问题。
首先，DeepSeek到底厉害在哪？可以用三个词概括，性能、开源、成本。 第一，性能。从性能上看，媒体和专业机构的测评用词是，DeepSeek R1的实际性能对标GPT-o1，有些能力甚至超过o1。比如昨天我们讲到电影产业，我分别问了几个大模型关于电影产业的问题，其中DeepSeek在深度思考模式下的回答确实是最好的，而且在一些逻辑细节上要远超其他产品。在回答之前，它还会逐字分析你提出的问题，确保准确理解，再给出回答。 第二，开源。整个模型不仅开源，而且开发团队还把研发过程写成论文，公开发布。据说在过去两周里，全世界的AI实验室都在研读这篇论文。从16个月之前，DeepSeek就在开源社区（GitHub）持续提交自己的每一个版本，而且全部都是MIT协议，这是开源社区中对使用者要求最低的协议，你只要声明版权，就可以随意使用，可以用于学术，也可以用于商业，即使拿走之后自己改造，改造过的版本不再开源也行。 而在此之前，性能好的模型很贵，而开源不要钱的模型性能又不太行。DeepSeek是第一个开源，且性能对标o1的大模型。而且这是一个中国AI初创公司做的。之前一直号称非营利，把开放共享挂在嘴边的OpenAI，从来都没有做到这种程度的开源。 英伟达资深研究员Jim Fan对DeepSeek的评价是，我们生活的这个时间线上，是一家非美国公司，在延续OpenAI最初的、真正开放的前沿研究，赋能所有人。这最有趣的结局居然成真了。 Meta的首席人工智能科学家杨立昆说，这不是两个国家之间谁超越谁的问题，而是开源模型超越了专有模型，这是开源世界的胜利。 之前市面上还有人质疑，说DeepSeek R1是抄袭GPT，是从GPT蒸馏出来的。所谓蒸馏，就相当于压缩。比如张三是开快餐店的，但又不会炒菜，他就从李四开的大饭店里买回菜，然后分装成盒饭再去卖，这就属于张三蒸馏了李四。 但对于这个质疑，开源社区（GitHub）上的所有开发者早就有共识，DeepSeek不是抄袭，不是蒸馏。毕竟，人家之前的每一步都已经公开。而且所有的功能和自己公布的代码全都能对得上。现在已经有几十家规模不同的公司，用DeepSeek公开的信息，复现了R1大模型。 当然，假如仅仅是开源和性能，还不足以引起那么大的讨论，还有第三个关键因素。这就是R1的成本。 很多人说DeepSeek摆脱了对GPU的依赖，英伟达的股价都被DeepSeek搞垮了。这个说法其实不是很准确，咱们后面展开说。但回到成本，DeepSeek确实把成本打下来了。
从参数上看，R1是一个比较小的大模型，总共有6710亿个参数，而且一次推理调用的参数只有370亿个。什么概念？GPT-4的参数有1.76万亿个。 至于DeepSeek的具体成本，他们自己并没有公开过。目前市面上对R1成本最详细的分析，来自研究机构SemiAnalysis出具的报告。根据SemiAnalysis的研究，DeepSeek一共有6万张计算卡，其中A100、H800、H100各一万张，H20三万张。其中相对最先进的，是H100。假如以这个H100为基准，假设H100的算力是100，那么A100的算力大概是50，H800的算力是60，H20的算力是15，后面这些算力较低的计算卡，都是美国芯片禁令的结果，在这里就不多说了。而这些计算卡的算力加起来，大概是255万。这个配置要远低于同规格的其他大模型。 从资金上看，外界盛传R1的成本只有600万美元，这其实不太准确。600万美元只是模型的预训练费用。确切说，是DeepSeek R1的上一版，DeepSeek V3的预训练费用，这笔钱是600万美元。 但是，DeepSeek并不是租用算力做的模型，而是自己买计算卡，自己搭建服务器。目前DeepSeek大概有150名员工，还会定期从北大、浙大招募人才，有潜力的候选人年薪能达到900多万元。而且DeepSeek背后的投资方，幻方量化早就意识到AI在金融之外的潜力，在2021年就买入了10000块A100计算卡。2023年5月，DeepSeek从幻方量化拆分出来，全面专注于AI业务。这期间，前前后后购买GPU的总花费是7亿美元，搭建服务器等各类系统的费用大概9亿美元，再加上期间的运营成本等等，根据SemiAnalysis的估算，总费用应该在26亿美元。 当然，这26亿美元买入的硬件后续还会持续使用，它并不是针对R1的成本，而是这家公司多年之后的总成本。换句话说，R1确实很厉害，但外界传闻的，一个金融公司，本来没想专门做AI，只是顺手不小心做出了个R1，这个说法多少有点夸张了。这背后哪有什么网络爽文式的故事？这是一家公司几年持续的大规模投入，一群顶尖人才持续研发的结果。
而回到R1，仅仅是这600万美元的训练成本，也已经比市面上的同类模型低了一个数量级。比如，Meta去年7月发布的Llama 3.1大模型，训练费用是6000万美元，这在当年已经算是很便宜的大模型了。但它的训练成本依然是R1的10倍。 关于R1的性价比，再说个更直观的例子，就是我们得到研发的新产品Get笔记。这个产品是去年6月推出的。其中有一个环节是润色，假如使用GPT-4o，那么每天在润色环节上的花费大概是2000美元，而假如用当时DeepSeek的V2，也就是R1的前一个版本V3的再前一个版本，那么每天的花费能降低到120美元。一年算下来，能节省450万人民币。也许对于很多产品来说，因为更换这个模型，公司就能从亏损企业变成盈利企业。 前面说了这么多，细节和数字你可以不用记。我们只需要记住一件事，DeepSeek是目前世界上的大模型里，性价比最高，而且是唯一一个能够对标o1的完全开源的大模型。而它的创作者是一家名叫深度求索的中国AI公司。 那么，R1是怎么做到的呢？DeepSeek公开的论文中给出的答案是，没有人为干预的强化学习。也就是，工程师并不告诉模型应该如何推理，而是只要模型做对了，就让它获得奖励，然后在这个反馈机制里一步步摸索，就好像AI在自己引导自己，自己调整自己一样。在这个过程中，涌现出了解题方法。关于其中的技术细节，卓克老师有一份很详细的解读，感兴趣可以在得到App里搜索卓克老师的专栏《科技参考4》去查看。 对于很多外行人来说，人们更关心的，是这个技术的后续影响。 第一，R1节省了大量的显卡和算力，是不是意味着英伟达以后要不行了？ 大概率上不会。R1确实在很大程度上打消了科技公司对算力的迷信。不需要几十万张算力卡，也能做出厉害的大模型。目前包括OpenAI在内的几个科技巨头，都在用R1的核心技术微调自己的模型，大家都想把算力的消耗降下来。 但是，这也许并不意味着英伟达就不行了。英伟达的股价确实出现了暴跌，在1月27日跌去了5900亿美元，创下了美股历史上单日最大市值下跌纪录。但问题是，英伟达的股价之前在AI概念的追捧下也许就已经严重虚高，这时稍微有点风吹草动，哪怕是黄仁勋得流感，都可能被庄家利用，当成暴跌的信号。
事实上，抛开股价不谈，英伟达的核心产品，H100算力卡的价格在R1推出后，是在持续上涨的。而之前H100的价格一度低迷。为什么上涨？因为需求变多了。为什么需求变多？因为R1的推出等于是告诉所有人，不需要那么多算力卡也能训练大模型。这就好比淘金，你突然告诉所有人，挖金子的难度和成本其实没有那么高，这个信号放出去，你觉得买铲子的人会变多还是变少？ 出海的成本越低，大航海时代来得越猛。 第二，DeepSeek R1自己面对的挑战是什么？ 根据快刀青衣老师的观察，R1目前要解决的挑战之一，是技术工程化的问题。说白了，就是让这个技术在面对全世界的需求时，依然表现得足够稳。现在R1的接口服务还不够稳定，假如访问的用户太多，可能就会出现卡顿和超时。 我在文稿里放了一张图，是DeepSeek R1过去90天的运行情况。你可以明显看到，过去10天随着访问量增加，R1的API接口服务受到了巨大的冲击。API服务，你大概可以理解成更专业的需求，要么来自公司机构，要么是对AI使用相对深度的个人。而相应的，网页对话服务的情况相对稳定，也许是DeepSeek把更多的精力用来保证C端普通用户的体验。
注意，在这里，再强调一句，尽管R1面对一些挑战，但借用万维钢老师的话说，它依然是独树一帜的重量级存在。 第三，关于AI领域之后的竞争格局。 就在前几天，OpenAI毫无预兆地发布了Deep Research功能，也许等DeepSeek的热度褪去一些，你就能看到很多关于它的报道。在搜索研究方面，Deep Research展现出了巨大的优势，它甚至能在整合信息的基础上，生成自己的研究思路。 你可以把这个产品当成一个信号，依然不能低估算力的价值，也不能低估竞争者的野心。 在这个过程中，先发优势是真的，但后来居上的颠覆式创新也一直在发生。 今年AI领域的进展，将更加值得期待。因此在这里，也再一次向你推荐快刀青衣老师主理的《AI学习圈》，在2025年，我们更有跟上AI的必要。
来源得到APP得到头条
2025-02-09
浏览277
🍁优质贴
登录后评论
7
评论
分享