摘要：这一天，OpenAI仓促发布了该公司落后一代的大型语音AI模型，用于垂直打击市场上同类聊天AI产品，这就是在GPT-3基础上微调而成的：
❶ 无尽的算力战争
1965年6月的一个深夜，决定成为一名伟大的小说家的史努比，在一台沉重的老式打印机上，敲下了引人入胜的名著开头：
在一个漆黑的、风雨交加的夜晚…
据说，史努比构思的一切精彩小说，都是从这个艮古不变的开头写起的。
也就在这一年，史努比战胜了肯尼迪、赫鲁晓夫、披头士等强大对手，登上了《时代》杂志的封面。它觉得它当之无愧。
然鹅，一个美丽童话的终结，总是意味着另一个天方夜谭的开始。
2022年12月，年仅8岁的伊萨克·亚当斯命令一个冰冷的程序，写一个类似于史努比的小说开头。很快，他得到了它：
那是一个凄凉的大雾之夜，是那种让最勇敢的人也感到战栗的夜晚…
看到这个远超史努比的小说开头，亚当斯睁大了眼睛，怯生生地缩回手指，以为看到了神迹。
事实上，为人们写诗、写小说，仅仅是这个软件最粗陋的应用。而一切故事的开始，都发生于2022年11月30日。
这一天，OpenAI仓促发布了该公司落后一代的大型语音AI模型，用于垂直打击市场上同类聊天AI产品，这就是在GPT-3基础上微调而成的：
ChatGPT。
市面上的同类营销产品应声倒地，整个世界为之彻底改变。
北密歇根大学的学术委员会激烈地抨击了ChatGPT，因为它撰写的论文通过了盲审第一轮；硅谷高科技公司的HR叫苦不迭，因为有中学生通过ChatGPT答题，顺利通过了年薪50万美元的工程师笔试。
ChatGPT不仅能够以自然语言与人类进行互动问答、撰写小说剧本，还能生成可用的编程代码、学术论文…它似乎无所不能。
那么古尔丹，代价是什么呢？
答案就矗立在距离美国首都华盛顿仅有数十英里的微软云数据中心。
被称之为北弗吉尼亚州数据中心的大楼里层层叠叠地堆满了服务器，粗壮的同轴电缆把来自世界各地的指令导入其中，代码总量达350G的ChatGPT通过高性能的GPU处理数据，在输出结果的同时，也消耗了天量的电力，产生了大量的热能。
国际能源署（IEA）发布的白皮书指出：
ChatGPT每响应一个请求需要消耗2.9瓦时，这相当于一个5瓦的LED灯泡亮35分钟。
尽管北弗吉尼亚州数据中心拥有275个数据中心和超过2600兆瓦的配套电力，尽管在这里电价已经低至0.07美元/千瓦时，但这依然是一个沉重的负担：
ChatGPT每天都需要响应90亿次问题指令，每年消耗的电力是9太瓦时（1太瓦时=10^9千瓦时，1千瓦时即为1度电），接近一个中等核电站的全年满负荷发电量。
AI大模型能源消耗的疯狂飙升，源于支持AI运行的芯片组，后者被广泛应用于“更高、更快、更强”的算力战争。
一方面，高算力要求高性能的芯片集成，对应着功耗的增加；另一方面，高功耗又会增加芯片的发热量。
IEA报告指出，数据中心的电力需求主要来自计算和冷却两个方面，两者各占总电力需求的40%。而它们又反过来推高了ChatGPT的运营成本。
目前，ChatGPT API的价格是0.002美元/千token。相当于每输出100万个英文单词支付2.7美元，也相当于输出50万个中文需支付18元人民币。
IEA报告估算，如果全球60%的AI算力需求可以经算法优化后由中端芯片承载，由此节约的成本将以万亿美元计。
但事实上，算力战争从未停止，高性能芯片的需求一再被拉升——近年来，英伟达昇腾芯片的出货量，每年增速都接近300%，还供不应求。
对此，硅谷的高科技公司似乎并不在乎。在投资人的慷慨解囊下，它们不用在乎“烧钱”，也不用在乎被讽刺为“大力出奇迹”，只要成为最终活下来的胜利者，这些都不是事。
只是，AI应用必然要因为追逐算力，而被卡在高成本的怪圈中吗？
一家来自中国的初创公司决定说“不”。
2025年1月20日，一家名为DeepSeek的中国人工智能公司发布了DeepSeek-R1 模型，其性能可比肩OpenAI o1正式版，但由于采用强化学习，其成本已经降到了不可思议的地步。
综合36氪等媒体报道，GPT-4o模型训练成本约为1亿美元，而DeepSeek仅用了2048块GPU，训练了不到2个月，共花费550多万美元。其成本只有GPT-4o的1/20。
低廉的成本成为DeepSeek“免费商用、完全开源”策略的底气所在，由此形成的冲击，超乎了几乎所有人的想象。
最先被震惊的是华尔街的投资人，他们惊呼DeepSeek是“来自神秘东方的魔法”。无数投资人忙着订飞往杭州的机票，哪怕是所谓的红眼航班也不要紧，哪怕大洋彼岸正忙着过年…也不要紧。
投资吗，就要拿出三顾茅庐的诚意来啊，混蛋！
然后感受到威胁的是硅谷的科技精英。毕竟550万美元的训练成本过于寒碜，它甚至于不及一名资深AI工程师的年薪。
现在，这么低成本的AI模型登陆应用商店，硅谷的AI工程师能怎么办？他们也很绝望啊，难不成要自愿降薪到1/20？
而美国网友则乐疯了。1月27日，DeepSeek应用登顶苹果美国地区应用商店免费APP下载排行榜，在美区下载榜上超越了ChatGPT。
一时间，从太平洋西岸的洛杉矶到太平洋东岸的上海，DeepSeek的名字无人不知无人不晓，而从寂寂无闻的发布到席卷全球的追捧，它仅用了不到一周的时间。
❷ DeepSeek强在哪里？
美国著名财经频道CNBC在最新访谈节目中表示，DeepSeek 的出现，对以 OpenAI 为代表的主流AI巨头构成了实质性威胁。
但我们都知道，人们都已经习惯于夸大竞争对手的强大，以此索要更高的投入。
那么，DeepSeek究竟好在哪里？
让我们从一篇16页的论文谈起。
2025年1月22日，DeepSeek AI在GitHub公开了一篇学术论文，介绍了DeepSeek系列模型的技术逻辑，从中说明了如何在Open AI的基础上进行蒸馏优化。
在论文的引言部分中，作者指出一个反直觉的结论：
Open AI的o1模型之所以取得成功，是因为它没有像传统大模型一样，把算力集中在模型的预训练上，而是把更多资源分配给模型的推理，赋予后者更多的算力，以实现性能的大幅提升。
打个比方，一个好的教师，好就好在没有让参加考试的小朋友把时间和精力集中在“刷题”之上，而是让他们集中思考怎么把问题分解，转化为已知问题。
传统的AI大数据模型中，预训练是很重要的一环，它限定了AI“学什么”
不过，因为Open AI的o1模型没有开源，DeepSeek的开发者也不知道具体的逻辑原理，相当于试卷中只有标准答案，但没有解题过程。
因此，开发者就通过“大范围强化学习”（ large-scale reinforcement learning）的策略，让模型在缺少“外部监管”的环境中，自己根据标准答案，在试卷上进行反复推理，做错了修改，做对了予以价值评判，给予正反馈。这就是DeepSeek R1-zero模型的基本原理。
当然，除了强化学习的技术，开发者还加入了GRPO优化和正则化奖励。
GRPO优化（Group Relative Policy Optimization）是采用分组，对同一个问题生成多条候选输出，并以组内相互比较的方式来估计相对奖励的方法。
打个比方，GRPO更接近于“小组竞争学习法”，也就是把全班同学分为若干个小组，组员合作完成解答成果，然后做好PPT，派代表上台讲解解题过程，而授课教师全程评判，选取“最符合答案”的解题思路，然后把它作为下一轮的标尺（benchmark），发放给所有的小组，让各小组继续学习，开始第二轮的答题…如此反复，逼近最满意解。
采用GRPO的AI模型，计算资源的消耗量下降了约40%，训练速度提升了两倍以上。
所谓正则化奖励（Regularizer Reward），是指在得出的完整答案中，根据经验风险最小化的原则，加上一个规则化项（regularizer）或罚项（penalty term），调整答案的权重。
这就相当于小朋友完成答题后，除了要求答案正确，还要求解题过程必须完整（程式化）、字迹清晰（标准化），绝不能和数学大神一样思维跳脱，动不动就写出“由上易得”、“显然有”…之类的虎狼之词。
正则化奖励的优势，不仅仅是便于溯源，而且还能遏制机器学习过程中拼凑答案的不良苗头——毕竟问题是已知的，结论也是已知的，中间蒙一下瞎写一个答题过程，也是人/机器之常情。
经由正则化奖励获得的实验结果，可以让GRPO的迭代学习更有效率，更加优化。
总之，感谢即时翻译工具，让我这个门外汉也能囫囵吞枣地了解DeepSeek的基本学习策略。
而这三大策略的“组合技”威力也是巨大的。
例如强化学习策略减少了监督微调过程；奖励机制便于筛选出更优质的语料，指导模型改进推理；GRPO则提高了训练效率，减少了功耗。更重要的是，在没有预设代码的背景下，DeepSeek在迭代强化学习的过程中拥有了“顿悟”的感觉，非常接近“一力降十会”的Open AI模型。
此外，DeepSeek R1的蒸馏技术也非常出彩。所谓蒸馏技术，就是把大模型的推理能力迁移到小模型中，从而实现计算效率与性能结果的动态平衡。
打个比方，就是先用R1大模型生成数十万条高质量的推理样本，然后以这些样本作为监督微调的范式，去训练小模型，从而让小模型在某些方面达到接近于大模型的性能。
论文中列举了一个有趣的例子，在解答一道国际数学奥赛题的过程中，经过蒸馏技术训练的千问模型（拥有7B的参数，也就是70亿个参数），在性能上已经接近了此前的32B模型（拥有320亿个参数）。
论文发布后，有研究人员经过测试，基本复现了图表中的统计结论，由此引发业界轰动
但这并不意味着DeepSeek甫一出世，就能取代其他AI产品，就能终结AI行业对算力的依赖（例如有人狂言，DeepSeek R1发布后，英伟达的芯片滞销，穿皮衣的黄教主赶紧来访问中国了…）
Open AI的前代教父卡帕西一再表示：
（DeepSeek R1的成功）并不意味着大模型不再需要GPU的大规模集成，因为我们必须确保模型不浪费现有资源。
作为圈内大佬，卡帕西的话比较含蓄。他其实是说：
DeepSeek R1模型很可能是把ChatGPT的模型的知识蒸馏到了新模型之中，以之前存在的海量高质量模型提取出少量的高质量数据，以此作为新模型的训练数据，进而得到接近于原始数据的训练效果。
也就是说，Deepseek是一个善于从知识的汪洋里采摘明珠的孩子，这当然是极好的。但不能因此认为，为知识的海洋添加活水的其他孩子就不重要了——传统的大数据模型（例如Open AI）就是“其他的孩子”，而它们使用的工具，就是GPU集群。
你不能因为学生模型有着出色表现，就否认教师模型的作用。
这里我需要强调一点，DeepSeek并不是Open AI的换皮产品，但它在应用部署过程中使用了蒸馏技术，并将ChatGPT作为教师模型，这一点是大概率的事。
例如某媒体报道。一位科技圈知名评测研究员曾报告一个早期DeepSeek版本的bug：当你问“你是什么模型”的时候，DeepSeek说它是：
ChatGPT。
所以Open AI的CEO山姆·奥特曼在近期发文称：
复制你知道有效的东西是相对容易的，而尝试一些新的、有风险且你不知道效果如何的事情，是极其困难的，但那也是最酷的事…
凹凸曼教主的发言，没有一个字提及DeepSeek，但没有一句话不在暗示DeepSeek，其中纠结，用心良苦
但我们并不能因此否认DeepSeek R1的伟大。
在某种程度上，高质量的蒸馏才是DeepSeek R1模型的最突出贡献。这意味着“分布式AI”成为一种可能。换而言之，我们可以把算力较低的机器（例如家用计算机，小型服务器，甚至手机）接入大模型，经过蒸馏训练后，得到与大模型接近的性能。
而如果把眼界放得更长远一点，高质量的蒸馏技术，可以缓解算力紧张的危机。对于GPU进口大门被限制、相关资源有限的国家来说，更是具有重大的工程意义。
因此，像Deepseek这样的AI是藏不住的。
就算它有诸多不如意之处，它的口碑也会从每一次免费对话中流出来，拦不住，也断不掉。
哪怕很少有人能够说出它的原理，但也已经不重要了。
❸ 那些开发了DeepSeek的年轻人
掌声如潮水般涌起，涌向仅有140名员工的DeepSeek公司。
美国硅谷的同行称之为“神秘的东方力量”，诚邀团队人员参加最前沿的会议；而在国内，各路同行公司挥舞支票，盼望着DeepSeek开发团队人员的加盟。
最新的消息是，雷军成功地以千万年薪挖角“天才AI少女”罗福莉。对此，DeepSeek称，研究员罗福莉确实已经离职，但不清楚是否加入了其他公司。
如彗星般崛起的罗福莉，其实是一名“95后”。她在攻读北京大学计算语言学硕士期间，因在国际计算语言学协会（ACL）上发表多篇论文而声名鹊起，然后毕业后加入阿里巴巴达摩院，再在2022年进入幻方量化，参与DeepSeek大模型项目。
作为一名自信的95后，罗福莉在社交媒体上回答了网友的提问，并公布了自己的照片
而整个DeepSeek团队，甚至它的母公司幻方量化，基本由年轻人构成。
例如在2023年5月，DeepSeek发布V2模型时，在主页上重点介绍了作出卓著贡献，但又最为年轻的两位成员。
第一位是2013年被保送到北京大学物理系的广东人高华佐，第二位是2017年考入北京邮电大学的湖南新化人曾旺丁。
他们是那么的年轻，但在二十多岁的年纪时，就已经为改变这个世界尽了一份自己的努力。
而几乎每一个DeepSeek团队的成员，都对公司创始人梁文锋表达了敬意。
在接受腾讯“暗涌”的专访时，梁文锋表达了他选人、用人的标准。他说，过去很多年，中国公司习惯了别人做技术创新，我们拿过来做应用变现，但这并非是一种理所当然。这一波浪潮里，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。
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。例如过去三十多年 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。
因此，梁文锋选人的第一个原则，就是好奇心和创造欲。
例如他说，团队成员在午歇期间聊天，聊起人工智能的本质是不是语言。因为人类的思维最终是以语言表达出来的，你以为你在思考，其实是在脑子中组织语言，它们看上去是一回事。
梁文锋认为这个想法很有意思，愿意提供资源，鼓励成员去了解语言学相关知识，去验证这个猜想——这个猜想的答案也许无用，也许会成为催生人工智能的关键。
除此以外，梁文锋喜欢从国内的TOP高校招募应届生。
他认为，也许行业中前50名顶尖人才可能不在中国，但我们能利用本土人才打造这样的人。因为本土大学的应届生，往往有着敢爱敢做的创新精神。
梁文锋说，应届生有一个好，就是认为所有的套路都是上一代的产物，未来不一定成立，这对创新是非常重要的。
因为如果追求短期目标，找现成有经验的人是对的。但如果看长远，经验就没那么重要了。例如做一件事，有经验的人会不假思索告诉你，应该这样做，但没有经验的人，会反复摸索、很认真去想应该怎么做，然后找到一个符合当前实际情况的解决办法。
因此幻方量化有个招人的原则，就是核心技术岗位，基本以应届和毕业一两年的人为主。
其实，就连梁文锋创立幻方量化时，他本人都没有任何量化经验。
2002年，梁文锋以广东省吴川市第一中学“高考状元”的成绩考上浙江大学电子信息工程专业，后来又攻读该校硕士，因为做课题才积累了市场行情数据和探索全自动量化交易。
2010年，硕士毕业后的梁文锋与同校好友徐进一起创业，并在2015年共同创办了幻方量化。幻方很快就成为国内四大量化公司之一，2021年管理的基金规模炒股了千亿元大关，并获得基金界的最高荣誉金牛奖。
2019年，为了解决算力瓶颈，梁文锋创办了幻方AI公司，投资2亿元研发深度学习训练平台“萤火一号”，为此搭载了1100块GPU显卡。
在GPU卡脖子事件汇总，梁文锋成为幸运加成的幸运儿。对此，他谦虚地表示：
并不是我在2021年有了什么先见之明，也没有一个不为人知的商业逻辑，因为如果单纯只做量化投资，很少的卡也能达到目的…我主要就是好奇心驱动。
同样是因为兴趣，梁文锋在2023年创办DeepSeek公司，宣布要做通用人工智能（AGI）。他说：
一件激动人心的事，或许不能单纯用钱衡量。就像家里买钢琴，一来买得起，二来是因为有一群急于在上面弹奏乐曲的人。
2022年，幻方量化的一位员工以“一只平凡的小猪”的名义，向慈善机构捐款1.38亿元，其中的扶持项目涵盖白血病救助、乡村工匠、中学生资助、听障儿童支持、关爱老兵等。有人说，这位员工就是梁文锋。
2024年10月，梁文锋的幻方量化发布一份“告投资者公告”，称未来会逐步将对冲产品投资仓位降低至零。
2025年1月，国务院总理主持召开专家、企业家和教科文卫体等领域代表座谈会，梁文锋在会上发言。
在农历2024年的最后一天，我们看过了太多灰败的塌房事件，但AI圈被DeepSeek这条鲶鱼搅了个天翻地覆，显然是一个难得的、振奋人心的好消息。
有人说，当经济开始进入下行期，资本也进入了冷周期，这可能对生活、工作、创新产生不利。
但我们欣喜地看到，在中国，有这么一批年轻人认为，中国产业结构的调整，让人们发现过去靠时代红利赚快钱的机会消失了，而更愿意俯身去做真正的创新。
中国的希望，就在于有这样的年轻人。
王尔德说：
We are all in the gutter，but some of us are looking at the stars.
来源：将军箭