TMT观察网_独特视角观察TMT行业

新一年的全球科技圈，主角儼然是DeepSeek。從發(fā)布以來，DeepSeek在整個AI產(chǎn)業(yè)鏈上引發(fā)一系列連鎖反應(yīng)，無論是OpenAI，還是英偉達(dá)，其明顯的震驚似乎皆驗(yàn)證著DeepSeek已奇襲成功。

而DeepSeek的初步表現(xiàn)也的確可圈可點(diǎn)，數(shù)據(jù)顯示，上線5天DeepSeek日活躍用戶已超過ChatGPT，上線20天的日活達(dá)2000萬人次以上，已是ChatGPT的23%。當(dāng)前，DeepSeek成為全球增速最快的AI應(yīng)用。

在海外一眾AI玩家不可置信的同時，國內(nèi)AI領(lǐng)域一片“鑼鼓喧天”：截至目前，阿里云、百度云、騰訊云、字節(jié)火山引擎均已正式支持DeepSeek；同時，百度昆侖芯、天數(shù)智芯、摩爾線程接連宣布支持DeepSeek模型。

這也標(biāo)志著全球AI競速賽中，國產(chǎn)廠商終于又跨出了一步。而DeepSeek的出現(xiàn)，是否為僵化已久的大模型行業(yè)破除了一些傳統(tǒng)“詛咒”，很多至關(guān)重要的細(xì)節(jié)，其實(shí)還值得進(jìn)一步深究。

DeepSeek出圈是“偶然性”的嗎？

縱觀當(dāng)前圍繞DeepSeek的幾大主要爭議，似乎每一點(diǎn)都指向同一個問題：DeepSeek是否真的實(shí)現(xiàn)了大模型的技術(shù)突破。早在DeepSeek公布其模型訓(xùn)練成本僅為行業(yè)1/10時，就有聲音質(zhì)疑，DeepSeek是通過大幅縮減模型參數(shù)規(guī)模，或依賴母公司幻方早期囤積的廉價算力實(shí)現(xiàn)的。

從某種角度來看，這些質(zhì)疑有跡可循。

一方面，DeepSeek在縮減模型參數(shù)規(guī)模方面的“激進(jìn)”有目共睹，另外一方面，DeepSeek背后的幻方確實(shí)有一定的算力儲存。據(jù)悉，幻方是BAT之外唯一能夠儲備萬張A100芯片的公司，有報道在2023年就曾公布過國內(nèi)囤積超過1萬枚GPU的企業(yè)不超過5家。

幻方就是其中之一。

但值得一提的是，無論是模型參數(shù)規(guī)模的縮減，還是算力創(chuàng)新爭議都無法否定DeepSeek“小力出奇跡”打法的實(shí)質(zhì)意義。首先，DeepSeek-R1在參數(shù)量僅為1.5億（1.5B）的情況下，在數(shù)學(xué)基準(zhǔn)測試中以79.8%的成功率超越GPT-4等大模型。

其次，輕量化模型天然在推理能力與性能方面表現(xiàn)更出彩，訓(xùn)練和運(yùn)行成本也更低。據(jù)悉，DeepSeek以僅需1/50的價格提供了GPT-4類似的性能，在中小型企業(yè)和個人開發(fā)者中搶奪了一定的市場地位。

至于幻方對DeepSeek的加成，與其說是一場資本的偶然游戲，不如說是國產(chǎn)大模型成長的必然結(jié)果。值得注意的是，幻方量化算是國內(nèi)第一批闖入大模型賽道的企業(yè)，早在2017年，幻方就宣稱要實(shí)現(xiàn)投資策略全面AI化。

2019年，幻方量化成立AI公司，其自研的深度學(xué)習(xí)訓(xùn)練平臺“螢火一號”總投資近2億元，搭載了1100塊GPU；兩年后，“螢火二號”的投入增加到10億元，搭載了約1萬張英偉達(dá)A100顯卡。

2023年11月，DeepSeek 的首個開源模型 DeepSeek-Coder發(fā)布。也就是說，這個引起海外科技巨頭集體破防的DeepSeek不是一夜之間的產(chǎn)物，而是國產(chǎn)AI廠商在大模型布局中早晚要走的一步。

不可否認(rèn)，當(dāng)前國內(nèi)已具備培育“DeepSeek ”的客觀條件。公開資料顯示，一個全面的人工智能體系正在各方資本的追捧下誕生，國內(nèi)人工智能相關(guān)企業(yè)超過4500家，核心產(chǎn)業(yè)規(guī)模接近6000億元人民幣。

芯片、算法、數(shù)據(jù)、平臺、應(yīng)用……我國以大模型為代表的人工智能普及率達(dá)16.4%。

當(dāng)然，DeepSeek的技術(shù)路徑依賴風(fēng)險始終存在，這也讓DeepSeek的出圈多了一絲偶然，尤其“數(shù)據(jù)蒸餾技術(shù)”不斷遭受重重質(zhì)疑。事實(shí)上，DeepSeek并非第一個使用數(shù)據(jù)蒸餾的大模型，“過度蒸餾”甚至是當(dāng)前人工智能賽道的一大矛盾。

來自中科院、北大等多家機(jī)構(gòu)就曾指出，除了豆包、Claude、Gemini之外，大部分開/閉源LLM蒸餾程度過高。而過度依賴蒸餾可能會導(dǎo)致基礎(chǔ)研究的停滯，并降低模型之間的多樣性。上海交通大學(xué)也有教授表示，蒸餾技術(shù)無法解決數(shù)學(xué)推理中的根本性挑戰(zhàn)。

總而言之，這些都在反逼DeepSeeK乃至整個國產(chǎn)大模型賽道繼續(xù)自我驗(yàn)證，或許，國內(nèi)還會誕生第二個“DeepSeek”，從現(xiàn)實(shí)的角度來看，DeepSeek成功的必然遠(yuǎn)遠(yuǎn)大于偶然。

“開源時代”要來臨了嗎？

值得注意的是，相比于技術(shù)之爭，DeepSeek也再度引發(fā)了全球科技圈對開源、閉源的激烈論證。Meta首席科學(xué)家楊立昆還在社交平臺上表示，這不是中國在追趕美國，而是開源在追趕閉源。

談及開源模型，還要追溯到2023年Meta的一場源代碼泄露風(fēng)波。彼時，Meta順?biāo)浦郯l(fā)布了LLama 2開源可商用版本，頓時在大模型賽道掀起開源狂潮，國內(nèi)諸如悟道、百川智能、阿里云紛紛進(jìn)入開源大模型領(lǐng)域。

根據(jù)Kimi chat統(tǒng)計，2024年全年開源大模型品牌超過10個。2025年開年不足兩個月，除了大火的DeepSeeK之外，參與開源者數(shù)不勝數(shù)。

據(jù)悉，1月15日，MiniMax開源了兩個模型。一個是基礎(chǔ)語言大模型MiniMax - Text - 01，另一個是視覺多模態(tài)大模型MiniMax - VL - 01；同時，NVIDIA也開源了自己的世界模型，分別有三個型號：NVIDIA Cosmos的Nano、Super和Ultra；1月16日，阿里云通義也開源了一個數(shù)學(xué)推理過程獎勵模型，尺寸為7B。

從2023年到2025年，無數(shù)AI人才爭論不休后，大模型的“開源時代”終于要來了嗎？

可以確定的一點(diǎn)是，比起閉源模式，開源模型能在短時間內(nèi)憑借其開放性獲得大量關(guān)注。公開資料顯示，當(dāng)年在“LLama 2”發(fā)布之初，其在Hugging Face檢索模型就有超6000個結(jié)果。百川智能方面則顯示，旗下兩款開源大模型在當(dāng)年9月份的下載量就超過500萬。

事實(shí)上，DeepSeek能快速走紅與其開源模式分不開關(guān)系。2月統(tǒng)計顯示，當(dāng)前接入DeepSeek系列模型的企業(yè)不計其數(shù)，云廠商、芯片廠商、應(yīng)用端企業(yè)皆來湊了把熱鬧。在AI需求鼎盛的當(dāng)前，大模型開源似乎更能促進(jìn)AI生態(tài)化。

但大模型賽道開源與否，其實(shí)還有待商榷。

Mistral AI、xAI雖然都是開源的支持者，但它們的旗艦?zāi)Ｐ湍壳岸际欠忾]的。國內(nèi)大部分廠商基本也是一手閉源，一手開源，典型的例子如阿里云、百川智能，甚至李彥宏一度是閉源模式的忠實(shí)擁躉。

原因并不難猜測。

一方面，在全球科技領(lǐng)域里開源AI公司都不受資本歡迎，反而是閉源AI企業(yè)在融資方面更有優(yōu)勢。數(shù)據(jù)統(tǒng)計顯示，從2020年以來，全球閉源 AI 領(lǐng)域初創(chuàng)公司已完成 375 億美元融資，而開源類型的 AI 公司僅獲 149 億美元融資。

這對花錢如流水的AI企業(yè)而言，其中的差距不是一星半點(diǎn)。

另外一方面，開源AI的定義在這兩年愈發(fā)復(fù)雜。2024年10月份，全球開放源代碼促進(jìn)會發(fā)布關(guān)于“開源AI定義”1.0版本，新定義顯示，AI大模型若要被視為開源有三個要點(diǎn)：第一，訓(xùn)練數(shù)據(jù)透明性；第二，完整代碼；第三，模型參數(shù)。

基于這一定義，DeepSeek就被質(zhì)疑不算真正意義上的開源，只是為了迎合短期聲勢。而在全球范圍內(nèi)，《Nature》的一篇報道也指出，不少科技巨頭宣稱他們的AI模型是開源的，實(shí)際上并不完全透明。

前幾日，受到“打擊”的奧爾特曼首次正面承認(rèn)OpenAI的閉源“是一個錯誤”，或許，趕著DeepSeek的熱度，一場AI界的“口水大戲”又要拉開序幕。

大規(guī)模的算力投入即將“暫停”？

這段時間，不少沉迷囤積算力的AI企業(yè)因DeepSeek的橫空出世遭到冷嘲熱諷，英偉達(dá)這類算力供應(yīng)商還在股價上跌了一個巨大的跟頭。坦白來說，DeepSeeK在某些方面的確帶來了新的突破，尤其在“壟斷詛咒”上，緩解了一部分焦慮。

但全球大模型賽道的算力需求依舊不可忽視，甚至DeepSeeK自身都未必能暫停算力投入。

需要注意的是，DeepSeek目前僅支持文字問答、讀圖、讀文檔等功能，還未涉及圖片、音頻和視頻生成領(lǐng)域。即便這樣，其服務(wù)器還困在崩潰的邊緣，而一旦想要改變形式，算力需求則會呈爆炸式增長，視頻生成類模型與語言模型之間的算力需求差距甚大。

公開數(shù)據(jù)顯示，OpenAI的Sora視頻生成大模型訓(xùn)練和推理所需要的算力需求分別達(dá)到了GPT-4的4.5倍和近400倍。從語言到視頻之間的跨度尚且如此之大，隨著各種超級算力場景的誕生，算力建設(shè)的必要性只增不減。

數(shù)據(jù)顯示，2010年至2023年間，AI算力需求翻了數(shù)十萬倍，遠(yuǎn)超摩爾定律的增長速度。進(jìn)入2025年，OpenAI發(fā)布了首個AI Agent產(chǎn)品Operator，大有要引爆超級算力場景的趨勢，這才是關(guān)系算力建設(shè)是否繼續(xù)的關(guān)鍵。

據(jù)悉，當(dāng)前大模型發(fā)展定義總共分為五個發(fā)展階段：L1 語言能力、L2 邏輯能力、L3 使用工具的能力、L4 自我學(xué)習(xí)能力、L5 探究科學(xué)規(guī)律。而Agent位于L3 使用工具能力，同時正在開啟對L4的自我學(xué)習(xí)能力的探索。

根據(jù)Gartner預(yù)測，到2028年，全球?qū)⒂?5%的日常工作決策預(yù)計將通過Agentic AI完成。如果大模型賽道按照規(guī)劃預(yù)想地一路狂奔，從L1到L5，全球各大AI企業(yè)對算力的建設(shè)更加不會忽視。

到L3階段，算力需求大概會是多少？

巴萊克銀行在2024年10月份的一則報告中預(yù)測過，到2026年，假如消費(fèi)者人工智能應(yīng)用能夠突破10億日活躍用戶，并且Agent在企業(yè)業(yè)務(wù)中有超過5%的滲透率，則需要至少142B ExaFLOPs（約150,000,000,000,000 P）的AI算力生成五千萬億個token。

即便超級應(yīng)用階段的到來還遙遙無期，在目前大模型賽道加速淘汰的激烈戰(zhàn)場上，也沒有一家企業(yè)甘愿落后一步。微軟、谷歌、亞馬遜、Meta、字節(jié)跳動、阿里、騰訊、百度……這些海內(nèi)外的AI巨頭只怕會繼續(xù)花錢賭未來。

另外，DeepSeek最為人稱道的莫過于繞開了“芯片大關(guān)”。

然而，作為算力產(chǎn)業(yè)的基石，相同投入下，優(yōu)質(zhì)的算力基礎(chǔ)設(shè)施往往會提供更高的算力效率與商業(yè)回報。《2025年算力產(chǎn)業(yè)十大趨勢》中提到過，以GPT-4為例，不同硬件配置下其性能會發(fā)生顯著差異。對比H100和GB200等不同硬件配置驅(qū)動GPT-4的性能，采用GB200 Scale-Up 64配置的盈利能力是H100 Scale-Up 8配置的6倍。

DeepSeek一問三崩的服務(wù)器，或許暗示著大模型賽道的“追芯”游戲在算力角逐環(huán)節(jié)中遲遲未能結(jié)束。據(jù)悉，2025年，英偉達(dá)下一代GPU GB300可能會出現(xiàn)多個關(guān)鍵硬件規(guī)格變化，而國內(nèi)的AI芯片國產(chǎn)化進(jìn)程也星夜兼程。

種種跡象顯示，辛苦的算力建設(shè)一時半會無法停止，反而更卷了。