TMT观察网_独特视角观察TMT行业

TechWeb文/卞海川

近期，DeepSeek在AI大模型領(lǐng)域引發(fā)熱議，憑借其驚人的性能表現(xiàn)和低成本訓(xùn)練模式，迅速吸引了全球關(guān)注，且熱度一直不減。但隨之而來的，對其成本、技術(shù)以及為未來作為大模型基礎(chǔ)設(shè)施的算力也引發(fā)了爭議。

DeepSeek陷成本誤區(qū)？

提及成本，DeepSeek發(fā)表的原始報告中有詳細解釋這筆成本的計算：“在預(yù)訓(xùn)練階段，每兆個token上訓(xùn)練DeepSeek-V3僅需要180K H800 GPU小時，也就是說，在我們擁有2048個H800 GPU的叢集上需要3.7天。因此，我們的預(yù)訓(xùn)練階段在不到兩個月的時間內(nèi)完成，耗費2664K GPU小時。加上上下文長度擴充所需的119K GPU小時和后制訓(xùn)練所需的5K GPU小時，DeepSeek-V3的完整訓(xùn)練僅需2.788M GPU小時。假設(shè)H800 GPU的租賃價格為每GPU小時2美元，我們的總訓(xùn)練成本僅為557.6萬美元。”

對此，近日知名的SemiAnalysis公開發(fā)布的《DeepSeek Debates: Chinese Leadership On Cost, True Training Cost, Closed Model Margin Impacts》的報告中稱：DeepSeek論文中提到的600萬美元成本僅指預(yù)訓(xùn)練運行的GPU成本，這只是模型總成本的一小部分，他們在硬件上的花費遠高于5億美元。例如為了開發(fā)新的架構(gòu)創(chuàng)新，在模型開發(fā)過程中，需要投入大量資金來測試新想法、新架構(gòu)思路，并進行消融實驗。開發(fā)和實現(xiàn)這些想法需要整個團隊投入大量人力和GPU計算時間。例如深度求索的關(guān)鍵創(chuàng)新—多頭潛在注意力機制（Multi-Head Latent Attention），就耗費了數(shù)月時間。

無獨有偶，據(jù)外媒報道，李飛飛等斯坦福大學(xué)和華盛頓大學(xué)的研究人員以不到50美元的費用，使用了16張英偉達H100 GPU，耗時26分鐘就完成了訓(xùn)練，成功“打造”出了一個名為s1-32B的人工智能推理模型。

有業(yè)內(nèi)觀點認為，DeepSeek模型低成本并不客觀。

武漢大學(xué)計算機學(xué)院教授、中國人工智能學(xué)會心智計算專委會副主任蔡恒進對TechWeb表示，DeepSeek在生成模型的成本在報告中已經(jīng)寫的很清晰了，過于糾結(jié)前期的投入，有多少實際成本是不重要的，特別是對于國內(nèi)產(chǎn)業(yè)成本很低的情況下，前期做研究的成本也會比美國低很多。

蒸餾業(yè)內(nèi)通行做法，是非公婆各有理

除了上述的成本外，業(yè)內(nèi)對于DeepSeek爭議最大的還有就是其是否使用了蒸餾技術(shù)，如果使用，究竟使用了誰家的？

最先提出質(zhì)疑的是，是在DeepSeek R1發(fā)布之初，OpenAI和微軟均向媒體證實，已掌握疑似DeepSeek通過“蒸餾”（distillation）技術(shù)，利用OpenAI專有模型來訓(xùn)練其AI大模型。這使得DeepSeek能夠以較低的成本在特定任務(wù)上達到類似的效果。OpenAI雖未進一步提供證據(jù)的細節(jié)，但根據(jù)其服務(wù)條款，用戶不得“復(fù)制”任何OpenAI的服務(wù)，或“利用輸出結(jié)果開發(fā)與OpenAI競爭的模型”。

對于DeepSeek爆火之下，馬斯克一直罕見地并未發(fā)表評論，卻在最近點贊了一則推文。推文中提到了DeepSeek大量依賴模型蒸餾技術(shù)，需要借助ChatGPT-4o和o1才能完成訓(xùn)練。盡管模型蒸餾是一項常見的技術(shù)手段，能夠?qū)penAI中的大量數(shù)據(jù)迅速提煉重點并快速理解和應(yīng)用，但這種模式只能讓DeepSeek接近OpenAI，而難以真正超越OpenAI。

除了國外，國內(nèi)關(guān)于DeepSeek V3曾在測試中出現(xiàn)過異常：該模型自稱是OpenAI的ChatGPT，并能提供OpenAI的API使用說明。專家認為，這很可能是由于訓(xùn)練數(shù)據(jù)中混入了大量由ChatGPT生成的內(nèi)容（即“蒸餾”數(shù)據(jù)），導(dǎo)致模型發(fā)生了“身份混淆”。

此外，由中國科學(xué)院深圳先進技術(shù)研究院、北京大學(xué)、01.AI、南方科技大學(xué)、Leibowitz AI等多個知名機構(gòu)的研究團隊聯(lián)合發(fā)表的《Distillation Quantification for Large Language Models（大語言模型的蒸餾量化）》論文則顯示DeepSeek V3的蒸餾過程可能主要來自GPT4o，且蒸餾程度較高。

該論文提出了一個系統(tǒng)化的框架，量化并評估大模型蒸餾的過程及其影響，采用了“響應(yīng)相似性評估（RSE）”和“身份一致性評估（ICE）”兩個量化指標。RSE實驗結(jié)果顯示，DeepSeek V3的蒸餾程度與GPT4o接近，評分為4.102，遠高于其他模型（如Llama 3.1-70B和Doubao-Pro-32k）。在ICE實驗中，DeepSeek V3也顯示出較高的蒸餾程度，屬于可疑響應(yīng)數(shù)量最多的模型之一。

對于蒸餾技術(shù)的爭議，蔡恒進對TechWeb表示，DeepSeek完全蒸餾GPT的說法是錯誤的，ChatGPT的模型是閉源的，而DeepSeek展示了思考過程，這是抄不出來的。“DeepSeek技術(shù)上是有創(chuàng)新的，過于糾結(jié)蒸餾這方面完全沒有意義。”蔡恒進說道。

蔡恒進認為DeepSeek有著獨特的技術(shù)路徑優(yōu)勢，它可以從底層優(yōu)化，可以繞開英偉達CUDA生態(tài)，可以大幅提升國產(chǎn)芯片做預(yù)訓(xùn)練的性能。

打破算力魔咒，未來算力還重要嗎？

基于我們前述成本的優(yōu)勢，有業(yè)內(nèi)觀點認為，DeepSeek的出現(xiàn)，打破了英偉達等科技巨頭“堆積算力”的路徑，也就是說，美國AI巨頭們認定的那個靠錢、靠更高算力芯片才能堆出來的更好的模型，不需要那么高昂的門檻了。

蔡恒進對TechWeb表示，原來我們一直認為不斷“堆積算力”才能提高AI模型能力，但Deepseek的出現(xiàn)走出了另一條路，即不一定要提升很高的參數(shù)規(guī)模就能實現(xiàn)很高的性能，可能對算力需求至少降到10倍以上。“堆算力”本身沒有錯，但隨著Deepseek的出現(xiàn)我們會發(fā)現(xiàn)這條路的性價比不高。

DeepSeek-V3極低的訓(xùn)練成本預(yù)示著AI大模型對算力投入的需求將大幅下降，但也有觀點認為，DeepSeek表現(xiàn)固然優(yōu)秀，但其統(tǒng)計口徑只計算了預(yù)訓(xùn)練，數(shù)據(jù)的配比需要做大量的預(yù)實驗，合成數(shù)據(jù)的生成和清洗也需要消耗算力。

此外，在訓(xùn)練上做降本增效不代表算力需求會下降，只代表大廠可以用性價比更高的方式去做模型極限能力的探索。

業(yè)內(nèi)在討論算力時，常引用蒸汽時代的杰文斯悖論來類比。這一悖論由經(jīng)濟學(xué)家威廉?斯坦利?杰文斯提出，核心觀點是：當某種資源的使用效率提高、獲取變得更容易時，其總體使用量往往不減反增。以蒸汽機為例，燃油效率的提升降低了單位工作量所需的煤炭成本，反而刺激了更多的工業(yè)活動，導(dǎo)致煤炭的總體消耗量上升。蒸汽機效率的提升，不僅沒有減少對蒸汽機的需求，反而因為技術(shù)的推廣和應(yīng)用場景的擴大，進一步增加了市場對蒸汽機的需求。DeepSeek 的發(fā)展也呈現(xiàn)出類似的趨勢：算力效率的提升并未減少對算力的需求，反而推動了更多高算力應(yīng)用的落地，使得行業(yè)對算力的需求持續(xù)增長。

對此，中信證券研報也指出，近日，DeepSeek-V3的正式發(fā)版引起AI業(yè)內(nèi)廣泛高度關(guān)注，其在保證了模型能力的前提下，訓(xùn)練效率和推理速度大幅提升。DeepSeek新一代模型的發(fā)布意味著AI大模型的應(yīng)用將逐步走向普惠，助力AI應(yīng)用廣泛落地；同時訓(xùn)練效率大幅提升，亦將助力推理算力需求高增。

而Bloomberg Intelligence最近的一篇報告顯示，企業(yè)客戶可能會在2025年進行更大規(guī)模的AI投資，而AI支出增長將更側(cè)重于推理側(cè)，以實現(xiàn)投資變現(xiàn)或提升生產(chǎn)力。

那么上述存有爭議的事實究竟如何？俗話說：讓子彈再飛一會吧！