“當我們所有人都在過圣誕的時候，一個中國實驗室卻發布了震撼世界的AI模型。這顯然具有象征意義。長期以來，美國都在AI競爭中處于全球領先地位，但DeepSeek的最新模型卻在改變這一格局。” Scale AI的創始人兼CEO亞歷山大·王（Alexandr Wang）在接受美國媒體采訪時這樣感慨。

短短半個月時間，一款中國實驗室發布的AI模型就用令人難以置信的實力數據，震撼了整個硅谷AI領域。從科技巨頭到AI新貴再到技術專家，幾乎所有人都感受到了來自中國AI行業的強烈沖擊。更令人震驚的是，中國AI行業在遭受出口管制和算力匱乏情況下，實現了彎道超車。

橫空出世空降登頂

這個實驗室就是來自中國的DeepSeek，2023年剛剛創建。他們在去年年底發布了一個免費開源的大語言模型。根據該公司發表的論文，DeepSeek-R1在多個數學和推理基準測試中超越了行業領先的OpenAI o1等模型，更在性能、成本、開放性等指標方面壓倒了美國AI巨頭。

科技行業需要用數據說話。在一系列第三方基準測試中，DeepSeek的模型在從復雜問題解決到數學和編程等多個領域的準確性上，超越了Meta的Llama 3.1、OpenAI的GPT-4o以及Anthropic的Claude Sonnet 3.5。

就在上周，DeepSeek又發布了推理模型R1，同樣在諸多第三方測試中超越了OpenAI最新的o1。在AIME 2024數學基準測試中，DeepSeek R1取得了79.8%的成功率，超過了OpenAI的o1推理模型。在標準化編碼測試中，它展示了“專家級”的表現，在Codeforces上獲得了2，029的Elo評分，超過了96.3%的人類競爭對手。

Scale AI則使用了“人類最后考試”（Humanity’s Last Exam）來測試AI大模型，它采用來自數學、物理、生物、化學教授提供的“最難問題”，涉及最新的研究成果。在測試了所有最新的AI模型后，亞歷山大·王不得不贊嘆，DeepSeek的最新模型“實際上是表現最出色的，或者至少與o1等最好的美國模型不相上下”。

毫不夸張地說，DeepSeek在美國AI行業引發了一場地震，更引發了媒體的爭相報道。幾乎所有的主流媒體和科技媒體，都報道了中國AI模型超過美國這一爆炸新聞。短短幾天時間，DeepSeek就已經成為蘋果應用商店排名第一的免費應用，力壓OpenAI的ChatGPT。

性能成本震撼巨頭

實打實的測試對比結果，不得不服。幾乎所有的AI巨頭、風投和技術人員都只能承認，在大模型這個領域，DeepSeek至少已經可以和OpenAI平起平坐，中國已經追上了美國。

微軟首席執行官薩蒂亞·納德拉（Satya Nadella）在世界經濟論壇上談到DeepSeek時表示：“DeepSeek的新模型令人印象深刻，他們不僅有效地構建了一個開源模型，能夠在推理計算時高效運行，而且在計算效率方面表現出色。我們必須非常非常認真地對待中國的AI進步。”

中國AI不僅是性能卓越，更是經濟實惠。讓硅谷諸多AI巨頭感到震撼和汗顏的是DeepSeek的低廉成本。R1模型的查詢成本僅為每百萬個token 0.14美元，而OpenAI的成本為7.50美元，使其成本降低了98%。

真的是小米加步槍，DeepSeek僅僅用了兩個月時間，耗費了不到600萬美元就打造了大語言模型R1，而且他們用的還是性能較弱的英偉達H800芯片。這意味著什么？打個比方，中國AI公司居然開著普通轎車，就實現了彎道超車，在競賽中超越了硅谷巨頭們的超級跑車。

除了訓練成本低廉，DeepSeek的團隊組成也與硅谷諸多AI巨頭大相徑庭。DeepSeek創始人梁文峰在組建研究團隊時，并未尋找經驗豐富的資深軟件工程師，而是專注于來自北大、清華等頂級高校的博士生。許多人曾在頂級學術期刊發表論文，并在國際學術會議上獲獎，但缺乏行業經驗。

“我們的核心技術崗位主要由今年或過去一兩年畢業的人員擔任，”梁文峰在2023年接受媒體采訪時表示。這種招聘策略有助于營造一個自由協作的公司文化，研究人員可以利用充足的計算資源來開展不拘一格的研究項目。這與中國傳統互聯網公司形成鮮明對比，在后者中，團隊通常為資源爭斗激烈。

沒有囤積頂級GPU，沒有招攬資深AI人才，沒有高昂的運行成本，一樣可以拿出最佳的大模型，DeepSeek的一切都讓硅谷AI巨頭們感到沮喪。

硅谷巨頭陷入沮喪

被挑戰的巨頭們是怎么看待DeepSeek呢？OpenAI創始人兼CEO奧特曼（Sam Altman）的表態讓人感覺有點酸。他在社交媒體上表示：“復制已知有效的方案相對容易，但探索未知領域則充滿挑戰。” 這一言論被廣泛解讀為對DeepSeek的暗諷，暗示中國AI模型缺乏真正的創新，僅僅是在復制現有的有效方法。

Perplexity AI的CEO斯林尼瓦斯（Arvind Srinivas，印度人）從市場影響的角度來看待這一發布：“DeepSeek在很大程度上復制了OpenAI o1 mini并開源了它。”但他也贊嘆了DeepSeek的快速步伐：“看到推理如此迅速地商品化，這有點瘋狂。”他表示，自己的團隊會將DeepSeek R1的推理能力引入Perplexity Pro。

Stability AI的創始人Emad Mostaque暗示DeepSeek的發布給資金更充裕的競爭對手帶來了壓力：“你能想象一個籌集了10億美元的前沿實驗室現在無法發布其最新模型，因為它無法擊敗DeepSeek嗎？”

Meta AI首席科學家楊立昆（Yann

LeCun，法國人）則強調中國人是依靠開源的優勢取得成功。他在對DeepSeek的成功表示贊賞的同時強調，DeepSeek的成功并非意味著中國在AI領域超越美國，而是證明了開源模型正在超越閉源系統。

楊立昆表示，DeepSeek從開源研究和開源代碼中受益匪淺，他們提出了新想法，并在他人工作的基礎上進行創新。由于他們的工作是公開和開源的，所有人都能從中獲益。這體現了開源研究和開源代碼的力量。 他認為，DeepSeek的成功提現開源生態系統在推動AI技術進步中的重要性，表明通過共享和協作，開源模型能夠實現快速創新和發展。

但Meta內部可沒有這么淡定。過去幾天，職場匿名平臺teamblind上有一個來自Meta員工的貼子被瘋傳。帖子稱Meta內部因為DeepSeek的模型，現在已經進入恐慌模式，不僅是因為DeepSeek的優秀表現，更是因為極低的成本和團隊組成。

“一切都因為DeepSeek-V3的出世，它在基準測試中已經讓Llama 4相形見絀。更讓人難堪的是，一家中國公司僅用550萬美元訓練預算就做到了這一點。現在Meta的工程師們正在爭分奪秒地分析DeepSeek，試圖復制其中的一切可能技術。這絕非夸張。而且，管理層正為GenAI研發部門的巨額投入而發愁。當部門里一個高管的薪資就超過訓練整個DeepSeek V3的成本，而且這樣的高管還有數十位，他們該如何向高層交代？

高效算法彎道超車

那么，DeepSeek究竟是怎樣實現彎道超車，在算力明顯落后，成本只是零頭的情況下，打造出可以媲美甚至超越硅谷AI巨頭的大模型呢？

美國的出口管制嚴重限制了中國科技公司以“西方式”的方法參與人工智能競爭，即通過無限擴展芯片采購并延長訓練時間。因此，大多數中國公司將重點放在下游應用，而非自主構建模型。但DeepSeek的最新發布證明，獲勝的另一條道路是：通過重塑AI模型的基礎結構，并更高效地利用有限資源。

因為算力資源不足，DeepSeek不得不開發更高效的訓練方法。“他們通過一系列工程技術優化了模型架構——包括定制化芯片間通信方案、減少字段大小以節省內存，以及創新性地使用專家混合模型（Mixture-of-Experts）方法，”Mercator研究所的軟件工程師溫迪·張（Wendy Chang）表示。“許多這些方法并非新鮮，但成功地將它們整合以生產尖端模型是相當了不起的成就。”

DeepSeek還在“多頭潛在注意力”（Multi-head Latent Attention，MLA）和“專家混合模型”方面取得了重大進展，這些技術設計使DeepSeek的模型更具成本效益，訓練所需的計算資源遠少于競爭對手。事實上，據研究機構Epoch AI稱，DeepSeek的最新模型僅使用了Meta Llama 3.1模型十分之一的計算資源。

中國AI研究人員實現了許多人認為遙不可及的成就：一個免費、開源的AI模型，其性能可以媲美甚至超越OpenAI最先進的推理系統。更令人矚目的是他們的實現方式：讓AI通過試錯自我學習，類似于人類的學習方式。

研究論文中寫道：“DeepSeek-R1-Zero是一個通過大規模強化學習（RL）訓練的模型，無需監督微調（SFT）作為初步步驟，展示了卓越的推理能力。”

“強化學習”是一種方法，模型在做出正確決策時獲得獎勵，做出錯誤決策時受到懲罰，而無需知道哪個是哪個。經過一系列決策后，它會學會遵循由這些結果強化的路徑。

DeepSeek R1是AI發展的一個轉折點，因為人類在訓練中的參與最少。與其他在大量監督數據上訓練的模型不同，DeepSeek R1主要通過機械強化學習進行學習——本質上是通過實驗和獲得反饋來解決問題。該模型甚至在沒有明確編程的情況下，發展出了自我驗證和反思等復雜能力。

隨著模型經歷訓練過程，它自然學會了為復雜問題分配更多的“思考時間”，并發展出捕捉自身錯誤的能力。研究人員強調了一個“頓悟時刻”，模型學會了重新評估其最初的問題解決方法——這是它沒有被明確編程去做的事情。

開源模型廣獲贊賞

值得一提的是，DeepSeek愿意將其創新成果開源，使其在全球AI研究社區中獲得了更大的贊賞。 與專有模型不同，DeepSeek R1的代碼和訓練方法在MIT許可證下完全開源，這意味著任何人都可以獲取、使用和修改該模型，沒有任何限制。

對許多中國AI公司來說，開發開源模型是趕超西方競爭對手的唯一方式，因為這樣可以吸引更多用戶和貢獻者，幫助模型不斷成長。在OpenAI逐漸封閉化的當下，DeepSeek的開源得到了AI從業人員的交口稱贊。

英偉達資深研究員樊錦（Jim Fan）博士贊揚了DeepSeek前所未有的透明度，并直接將其與OpenAI的原始使命相提并論。“我們生活在一個非美國公司保持OpenAI原始使命的時間線上——真正開放的、前沿的研究，賦能所有人，”樊錦指出。

樊錦指出了DeepSeek強化學習方法的重要性：“他們可能是第一個展示[強化學習]飛輪持續增長的開源軟件項目。”他還贊揚了DeepSeek直接分享“原始算法和matplotlib學習曲線”，而不是行業中更常見的炒作驅動公告。

遵循同樣的推理，但帶有更嚴肅的論證，科技企業家Arnaud Bertrand解釋說，競爭性開源模型的出現可能對OpenAI沖擊巨大，因為這會使OpenAI模型對付費意愿強烈的高級用戶的吸引力降低，從而損害OpenAI的商業模式。“這基本上就像有人發布了一款與iPhone相當的手機，但售價為30美元而不是1000美元。這是戲劇性的。”

出口管制面臨挑戰

這對英偉達來說，DeepSeek的橫空出世是一個利空因素。很多AI行業人士不禁開始思考另一個問題：既然DeepSeek用上一代芯片的閹割版就可以訓練出最強勁的大模型，那么科技巨頭們還需要繼續瘋狂燒錢搶購英偉達的最新GPU嗎？這個問題細思極恐。

眾所周知，因為美國政府的AI芯片禁運，中國無法采購英偉達最高性能的AI芯片，而H800則是高算力A100芯片的閹割版。與A100相比，H800的核心數量、頻率和顯存方面明顯較低，算力上降幅大約在10-30%之間，主要不需要頂級算力的場景，例如中等規模的AI訓練與推理任務。H800的內存帶寬被限制在 1.5 TB/s，而A100 80GB版本可達到 2 TB/s，這將直接影響數據處理能力，尤其在深度學習任務中。

Scale AI的亞歷山大·王堅持認為，DeepSeek的芯片數量可能遠遠高于外界想象。他公開表示，自己認為DeepSeek至少擁有5萬塊H100，他們不會公布具體數字。

H100的算力是A100的六到七倍，這款3萬美元起售的頂級GPU也是目前硅谷科技巨頭們爭先搶購的軍火。Meta和微軟都超過采購了15萬塊H100，谷歌、甲骨文和亞馬遜都采購了5萬塊，馬斯克的xAI更部署了10萬塊H100組成的超級計算機集群用于訓練大預言模型Grok3。

亞歷山大·王進一步表示，未來中國AI行業可能會面臨更多挑戰，“未來他們將受到我們已經實施的芯片和出口管制的限制，難以再獲取更多芯片。”他上周在《華盛頓郵報》購買了整版廣告，寫道“美國必須贏下這場AI戰爭！”