摘要：好家伙，最新发布的 R1 在 AIME2024 数学基准测试中 79.8% 直接踢走OpenAI 的 o1 ，在标准化编码测试中，DeepSeek-R1 也展现出“专家级”水平，在 Codeforces 平台上取得了 2029 Elo 评级，超越了 96.3%
大数据文摘受权转载自夕小瑶科技说
最近 DeepSeek 真的是全网刷屏！
前几天发布的 V3 给我们的大震撼还没消散呢！DeepSeek-R1 一来，又引爆了全球的 AI 社区！
Deepseek v3 实测来了！智商牛逼，情商不存在，自信退出价格战
好家伙，最新发布的 R1 在 AIME2024 数学基准测试中 79.8% 直接踢走OpenAI 的 o1 ，在标准化编码测试中，DeepSeek-R1 也展现出“专家级”水平，在 Codeforces 平台上取得了 2029 Elo 评级，超越了 96.3% 的人类竞争者。
R1 不仅以 MIT 许可（最宽松的规格）完全开源，而且，成本优势非常大，每百万 token 的查询成本仅为 0.14 美元，相较于 OpenAI 的 7.50 美元，成本骤降 98%。
真的是太牛了！
DeepSeek 的横空出世，如同在平静的硅谷投下了一枚震撼弹。
美国焦虑着其人工智能领域的霸主地位是否岌岌可危，这会 DeepSeek 的大成功，在全球掀起了一股“复现”浪潮不说，更将硅谷的焦虑推向顶峰。 这份焦虑，并非仅仅是对技术失利的担忧，而是对自身模式和未来战略的深刻反思与重新审视。
与此同时，Meta 的员工在美国匿名职场社区 teamblind 发布了一个公开的帖子，称 Meta 生成式 AI 团队对 低成本和高性能的 DeepSeek V3 的出现感到非常非常“担忧”:
DeepSeek-V3 的出现是这一切的导火索，它在性能基准测试中已领先于 Llama 4。 更令人不安的是，这款模型竟来自一家“训练预算仅 550 万美元的中国公司”。
工程师们正全力以赴地分析 DeepSeek，试图从中找到突破口。
这绝非虚言。
管理层正面临如何证明高昂的生成式 AI 部门成本的难题。 当部门内众多“领导”的薪资总和远超 DeepSeek-V3 的训练预算时，他们将如何向上级交代？DeepSeek-R1 的出现更令局势雪上加霜，具体情况虽不便透露，但很快将公开。
本部门原本应是一个精干的工程团队，但由于过度扩张，导致效率低下，最终所有人皆受其害。
这个帖子引发了非常激烈的讨论，有的人担心英伟达的卡卖不出去了，有人担心 Meta 今年将推出的 Llama4 打不过V3，而就昨天，Meta 的首席科学家下场了！
LeCun在 X（推特）上发帖称目前的焦虑的方向是错的，与其关注其霸主地位，不如关心开源与闭源的胜负：
给那些看到 DeepSeek 的表现后，觉得「中国在 AI 方面正在超越美国」的人：
你们的解读是错的。
正确的解读应该是：「开源模型正在超越专有模型。」
DeepSeek 得益于开源研究和开源项目（例如 PyTorch 和来自 Meta 的 Llama）。
他们在他人工作的基础上提出了新想法并进行了构建。
因为他们的工作是公开且开源的，所以每个人都能从中受益。
这就是开放研究与开源的力量。
小鹿看到 LeCun 的评论区中被点赞比较高的评论，还是在一直讨论究竟美国和中国谁先达到 AGI：
甚至还有美国网友阴阳中国是鹈鹕，是靠吃掉了美国的 AI 模型才变强的：
甚至 Meta 的 CEO 扎克伯格也还在关注这场战怎么打才能赢，在 LeCun 发言不久他就在 Facebook 上宣布：
加速研发 Llama 4，计划投资 650 亿美元扩建数据中心，并部署 130 万枚 GPU 以确保 2025 年 Meta AI 成为全球领先模型。
在 DeepSeek V2 模型发布之际，“暗涌”采访了 DeepSeek CEO 梁文锋时，梁老师当时也提到了这个问题，直接驳斥了美国的偏见：
暗涌提问：互联网和移动互联网时代留给大部分人的惯性认知是，美国擅长搞技术创新，中国更擅长做应用。
梁文锋答：
我们认为随着经济发展，中国也要逐步成为贡献者，而不是一直搭便车。过去三十多年 IT 浪潮里，我们基本没有参与到真正的技术创新里。我们已经习惯摩尔定律从天而降，躺在家里 18 个月就会出来更好的硬件和软件。Scaling Law 也在被如此对待。但其实，这是西方主导的技术社区一代代孜孜不倦创造出来的，只因为之前我们没有参与这个过程，以至于忽视了它的存在。
暗涌提问：为什么 DeepSeek V2 会让硅谷的很多人惊讶？
梁文锋答：
在美国每天发生的大量创新里，这是非常普通的一个。他们之所以惊讶，是因为这是一个中国公司，在以创新贡献者的身份，加入到他们游戏里去。毕竟大部分中国公司习惯 follow，而不是创新。
硅谷这次的震惊，恰恰印证了他们长期以来对中国科技创新抱有的偏见，这种偏见大到盖过了关键问题的本质。
他们戴着“有色眼镜”，先入为主地否定中国创新能力，却完全没有意识到，真正值得他们关注的，根本不是什么“国家超越”，而是开源模式的崛起及其对全球 AI 发展的深远意义。
DeepSeek 就像一个厨师，他做菜做得特别好吃 ～
但他不是凭空变出来的，他用了别人公开的菜谱（开源研究），用了别人免费提供的工具（开源项目，比如 PyTorch 和 Llama），用了别人免费的面粉、免费的烤箱，再融合自己的关键的创新小配方，然后做出了美味的面包。
更棒的是，这个厨师做完面包，也把自己的新菜谱公开了！ 这样一来，其他厨师也能学，也能在它的基础改进，也能做出更好吃的面包。
这样的力量是无穷无尽不会枯竭而且非常巨大的！
因此，如果硅谷对 DeepSeek 成功的解读仅仅停留在“中国 AI 突飞猛进，超越美国 AI”的层面，那无疑是一种格局狭隘的认知。
真正值得深思的是 DeepSeek 背后所代表的 AI 研究开源模式。 正是这种开放共享的模式，让全球的研究者得以站在巨人的肩膀上，互相借鉴，共同精进，最终推动 AI 技术朝着更健康、更普惠的方向发展。
这才是 DeepSeek 的成功为硅谷，乃至整个 AI 领域带来的更深远、也更值得关注的启示 ～
参考文献
GPU算力按需租用
A100/H100 GPU算力按需租用，
秒级计费，平均节省开支30%以上！
来源：大数据文摘
