TMT观察网_独特视角观察TMT行业

DeepSeek的開發成本極低，開源、服務完全免費，這讓山姆·奧特曼和其他AI人工智能的從業者“印象深刻”，讓世界首富馬斯克破防，讓瑞·達利歐對美股深感擔憂。

知名投資人“木頭姐” 凱茜·伍德甚至直言：DeepSeek加劇了人工智能的成本崩潰。

“神秘的東方力量”讓全世界為之側目，也引發了中美AI領導地位更替的思考。不過，對于算力進行重新判斷，可能仍然為時尚早。

當前，我國AI算力部署占全球算力基礎設施的26%，名列世界第二。在“算力即國力”的思潮下，東數西算等數字基礎設施工程正積極進行。

DeepSeek顛覆了固有的“大力出奇跡”的大模型性能提升路徑，短期內對算力需求預期會出現大幅下降。但長期來看，算力部署仍然有大規模需求擴張作的基礎。

正在進行的超大規模算力投資，對于中國科技產業來說，仍是一筆巨大的財富。Deepseek帶來的對算力成本的大幅節省，與如今中國大規模投入的算力基礎設施建設并不沖突。

顛覆

DeepSeek的顛覆性創新，在于極致的效率革命。它僅用不到OpenAI十分之一的成本，就達到了后者最新大模型的性能。

1月20日，DeepSeek 正式發布DeepSeek-R1模型系列，大模型排行榜Chatbot Arena上，DeepSeek- R1的基準測試排名已升至全類別第三，與ChatGPT-4o最新版并駕齊驅，并在風格控制類模型分類中與OpenAI-o1并列頭名。

R1模型雖未公布訓練成本，但據DeepSeekV3技術報告，V3模型的訓練總計只需要278.8萬GPU小時，相當于在2048塊H800 (英偉達特供中國市場的低配版GPU)集群上訓練約2個月，合計成本僅557.6萬美金。

有傳言，R1模型的訓練成本基本相當，但參數規模達到驚人的6710億，這些數據都足夠令外界震驚。

作為對比，GPT-4o模型的訓練成本約為1億美元，需要英偉達GPU量級在萬塊以上，且是比H800性能更強的H100。

同樣是開源模式的Meta Llama 3 系列模型，其訓練需要多達3930萬H100 GPU小時，DeepSeek的訓練成本約相當于Llama 3的7%。也有AI大佬表示過，僅DeepSeek-V3級別的能力就需要接近16000顆GPU的集群。

也就是說，這家中國初創AI公司僅用不到十分之一的成本，就達到了世界一流水平。

這種顛覆性的成本優勢，極有可能改變過往“高投入、高算力”的研發路徑，市場對算力硬件需求持續高增長的預期或產生動搖。

“四兩撥千斤”的能力源于其自研的MLA和MOE架構，為其自身的模型訓練成本下降起到了關鍵作用。

此外，R1模型使用數據蒸餾技術（Distillation），通過一系列算法和策略，將原始復雜的數據進行去噪、降維、提煉，從而得到更為精煉、更為有用的數據，提升訓練效率。

模型蒸餾可以通過訓練小型模型模仿大型模型，廣泛應用于提高AI效率與降低成本。比喻來說，DeepSeek相當于通過更高效的學習方法獲得了優異分數，而OpenAI還在搞題海戰術。

關于“蒸餾技術”網絡上出現了一些爭議

OpenAI的訓練非常依賴人工，其數據團隊甚至分為不同水平的部門，大量數據標注還要轉交給肯尼亞等廉價外包勞工，高維數據還需更高素質的專業人員進行標注，這些都是成本。

近期OpenAI和一些輿論也在公開指責DeepSeek團隊通過“模型蒸餾”技術“違規復制”其產品功能，但始終未提供具體證據。

而且“數據越多性能越強”屬于慣性固有思維，因為數據量越多，其中的干擾也將隨之變大，在此之前，市場上已經有“人工智能變蠢了”的討論出現。

也就是說，如何對數據進行清洗和精煉，同樣是提升模型能力的關鍵。通過創新訓練方法，DeepSeek改變了堆砌算力的共識。

正如創始人梁文鋒所說：“我們想去驗證一些猜想?！?/p>

改寫

半導體領域普遍遵循摩爾定律，AGI行業則是沿著Scaling Law（模型規模定律）向前演進。

Scaling Law被業界認為是大模型訓練的“第一性原理”，模型性能與規模（參數量、數據大小、算力資源）呈正相關——參數越多、計算資源越大，模型的性能就越強。

好比一個中學生，給他提供更豐富的學習資料、更長的學習時間和更好的學習環境，他的學習成績普遍會更好。

此次AI浪潮正是以Scaling law為底層邏輯的技術革命，但DeepSeek的出現打破了這一定律，或者至少讓Scaling law的邊際效益出現放緩的跡象。

這帶給業界的啟示是，人工智能產業將不再一味追求大規模算力的投入，而是在模型架構和工程優化結合上進行突破。粗放式的瘋狂投入發展階段逐步退潮，AI創新進入追求效率，追求模型架構設計、工程優化全新階段。

正如達摩院首席科學家趙德麗所認為的，大模型可以看成是知識的壓縮，怎么利用知識產生更好的智能，就是基于基礎模型的思維推理必然發展的方向。

如微軟rStar-Math無需蒸餾，用60塊A100訓練的7B模型在數學推理上可媲美 OpenAI-o1；上海 AI 實驗室的書生·浦語3.0，僅使用4T數據進行訓練，綜合性能超過了同量級的開源模型，而且訓練成本降低了75%以上。?

DeepSeek帶來的“范式轉移”，不僅破除了科技大廠建立的技術領先壁壘，同時還打破了重資本比拼的游戲慣例。而且它不僅開源，而且還免費。

作為回應，OpenAI緊急上線新一代推理模型o3系列的mini版本，并且首次免費向用戶開放其基礎功能。奧特曼承認，“我個人認為，在（開閉源）這個問題上我們站在了歷史的錯誤一方，需要找出一個不同的開源策略?！?/p>

效率優化策略，無疑給互聯網大廠們的超級愿景潑了一盆冷水。

字節跳動2024年在AI賽道的資本開支就高達800億元，接近BAT的總和；微軟、谷歌、亞馬遜、Meta、蘋果五巨頭合計資本開支2253億美元，2025年有望繼續增長19.6%。其中，單是微軟就計劃在2025財年砸下800億美元，用于建設人工智能數據中心。

就在DeepSeek-R1模型發布兩天后，美國政府就聯合OpenAI、軟銀、甲骨文等啟動“星際之門”項目，計劃在未來四年內最高投資5000億美元。孫正義還宣布要給OpenAI投資250億美元，巨頭們期望通過“軍備競賽”，維持自身在AI領域的全球領導地位。

此前，美國大廠為GPT-5、Llama4等下一代模型正使盡全力補充算力，奧特曼甚至一度去找到中東巨富，計劃籌集7萬億美金建設一座超級數據中心和芯片制造廠。

奧特曼一度試圖籌資7萬億美元

DeepSeek的出現，改變了這種超大規模擴張算力的行業發展“固定路徑”，但同時也出現了一種應該徹底放棄算力建設的聲音。

過剩？

國家算力戰略部署的復雜性，顯然會超過一般輿論討論所得出的結論。尤其是，我國算力基礎設施目前仍處于初步搭建階段，還遠未到過剩狀態。

一方面，隨著訪問量急速飆升，用戶蜂擁而至，DeepSeek深度思考和聯網搜索功能也出現了宕機情況。DeepSeek移動應用上線僅18天就迎來了1600萬次下載，幾乎是ChatGPT同期的兩倍，更是成為全球140個市場中下載量最高的APP。

另一方面，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、音頻和視頻生成領域，未來要想突破文本范疇，其對算力和前期訓練成本的投入都將呈幾何級飆升。

對于其他追隨DeepSeek的大模型公司來說情況也是類似，隨著用戶的增長和產品線的不斷豐富，最終都需要不斷擴張算力。目前國內各大投資機構都在“瘋狂對接”DeepSeek，顯然是對此有非常清晰的判斷。

百度CTO王海峰就認為，規模定律（Scaling Law）仍然有效，更高質量更大規模的數據、更大的模型將會帶來更強的能力。

目前算力建設已成為國家級戰略。2024年《政府工作報告》中就明確提出，適度超前建設數字基礎設施，加快形成全國一體化算力體系。根據《中國綜合算力指數（2024年）》報告，截至2023年末，我國算力基礎設施規模占全球的26%，名列第二，僅次于美國。

工信部數據顯示，截至2024年9月，我國算力總規模246EFLOPS（每秒進行百億億次浮點運算的能力），在用算力中心機架總規模超過830萬標準機架。

此前，六部門聯合印發《算力基礎設施高質量發展行動計劃》，其中指出到2025年，我國算力規模將達到300EFLOPS，智能算力占比要達到35%。

“東數西算”工程早在2021年5月就已啟動，京津冀、長三角、粵港澳大灣區、成渝、貴州、內蒙古、甘肅、寧夏八大樞紐和10大集群雛形已現。

國內已建、正在建設的智算中心超過250個，規劃具有超萬張GPU集群的智算中心已有十多個，國產芯片廠商也因此受到極大關注。華為昇騰910B、寒武紀思元590、百度昆倉芯II-R200、海光信息深算二號，加上中芯國際，共同形成了對抗英偉達、AMD的中國軍團。

這些大規模部署和研發投入，都具有歷史性的戰略意義，是人工智能時代的重要社會財富。

寫在最后

用低成本開發出優質產品，是中國在資源匱乏的歷史條件下，實現工業現代化的獨特文化，而美國則擅長所謂的“范佛里特彈藥量”，倚仗超大規模投入獲得超級領先地位。

在當前的世界經濟格局中，中國家電、光伏等制造業基本都是以高性價比策略取勝，DeepSeek的成功，也是在另一個領域中體現出了中國智慧、巧思和韌性。

中美AI拉鋸的混戰中，原先還處在追趕階段的中國企業，突然以一種領先或顛覆者的身份出現，讓全球科技界大為吃驚。但我們仍需要保持冷靜和謙遜的心態。

就像梁文鋒所說的：

在美國每天發生的大量創新里，這是非常普通的一個。他們之所以驚訝，是因為這是一個中國公司，以創新貢獻者的身份，加入到他們的游戲里去。

也正因如此，算力基礎設施仍是一種人工智能時代不可或缺的創新土壤、社會資源。