近日，中国AI初创公司深度求索在全球掀起波澜，硅谷巨头恐慌，华尔街焦虑。

　　短短一个月内，DeepSeek-V3和DeepSeek-R1两款大模型相继推出，其成本与动辄数亿甚至上百亿美元的国外大模型项目相比堪称低廉，而性能与国外顶尖模型相当。

　　作为“AI界的拼多多”，DeepSeek还动摇了英伟达的“算力信仰”，旗下模型DeepSeek-V3仅使用2048块英伟达H800 GPU，在短短两个月内训练完成。除了性价比超高，DeepSeek得到如此高的关注度，还有另一个原因——开源。被誉为“深度学习三巨头”之一的杨立昆在社交平台X上表示，DeepSeek具有哪些创新之处？DeepSeek的开源策略对行业有何影响？算力与硬件的主导地位是否会逐渐被削弱？

　　针对上述疑问，郑骁庆

　　规模法则之外，还有另一个法则

　　此外，Deepseek还采用了FP8混合精度训练的技术手段。这些其实之前都有所探索，而在业界存在着两个法则，一个是规模法则，即模型的参数规模越大、训练数据越多，模型就会更好。比如说，以GPT-3为例，早期它的成本就很高。但随着研究的深入，研究人员逐渐清楚哪些东西是工作的，哪些东西是不工作的。研究人员基于过往的成功经验，研究目标会逐渐清晰，成本实际上也会随之降低。

　　DeepSeek有效平衡性能和成本，但对芯片需求影响不大

　　首先，像DeepSeek或者类似的公司，比如说，DeepSeek的训练预算不到600万美元。它的技术报告中提到，不到600万美元的资金，是按照GPU的小时数来估算的。也就是说，他们基于之前的很多研究，把整条训练流程都已经搞清楚的情况之下，重新走一遍。它的GPU的运算速度是多少，运算小时数是多少，然后再乘以每小时两美元得到的这个结果。报告中也提到了，另外，DeepSeek的研究表明，很多中小企业都能用得起这样的大模型。
 

　　刚才也提到DeepSeek其实是在很多先期研究的基础之上，找到了一条性能和成本平衡的一个解决方案。另外就是应用方面。即便是模型的推理成本再低，当需要支持数千、数万甚至更大规模的并发使用时，仍然需要一个配备大量显卡的强大基础架构来确保稳定运行。

　　开源加速模型更新和迭代，降低安全顾虑

　　开源模型最大的好处就在于，另外，

　　现在的AI竞争是在中国的中国人和在美国的中国人竞争

　　在这样的情况之下，我们的基础高等教育质量的提升，使得我们储备了大量的人才。在这样的过程当中，我们能够对现有的技术进行迅速的消化。