DeepSeek尚不足以撼動中美AI差距格局
王維嘉 776
編者按本文是776王維嘉校友最近在一個企業家微信群裏的語音發言記錄稿，由他授權《科大瞬間》發表。
王維嘉1984年獲碩士學位，1985年赴美斯坦福大學電氣工程係攻讀博士，兩年後獲博士學位。1994年，在矽穀創辦美國通用無線通信有限公司，專注於移動互聯產業。他還著有《暗知識：機器認知如何顛覆商業和社會》。王維嘉是中科大新創基金會籌備委員會委員、第一屆籌款委員會副主席。作為一位數字信號處理、人工智能以及移動互聯網絡等領域的專家、創業者和投資人士，他對最近火爆全網的DeepSeek 有什麽洞見呢？讓我們來讀一讀。
眼下科技圈最關注的莫過於Deepseek事件。網絡上充斥著各種技術與財務分析。在此，我願分享一些個人見解，以期為諸位提供更清晰的思路。
技術創新的探索之路
我在矽穀工作了40年，對技術創新有著深刻的體會。技術創新如同探路者在大山中尋找金礦。盡管有人指出大山中存在金礦，但具體位置卻無人知曉。因此，眾多探索者湧入，各自尋找不同的方向。回顧人工智能發展曆程，自 2012 年圖像識別取得首次突破，到後來人工智能在圍棋領域的應用，我們可將其視為人工智能 1.0 階段。彼時，矽穀乃至全球人工智能行業主要聚焦於圖像識別和視頻識別領域。
2017年，穀歌推出Transformer模型，聚焦語言翻譯，尤其是英文與法文之間的翻譯。然而，穀歌在完成相關研究後，並未深入探索，因為當時業界普遍認為語言翻譯市場有限，遠不及圖像識別和視頻識別領域。
然而，OpenAI 另辟蹊徑，洞察到語言領域的廣闊前景。人類智慧多以語言呈現，因此 OpenAI 全力投入研發。盡管當時OpenAI 資源匱乏，與穀歌、微軟等巨頭相比，人力、財力均相差懸殊，但他們憑借敏銳的洞察力，於2022年11月發布了ChatGPT。
這如同在眾人行走的陽光大道旁發現了一條小岔道，OpenAI 一頭紮進去，竟意外發現了一座金礦，引發了行業的震動。眾多從業者紛紛湧入，將此領域開拓成新的陽光大道。
此後，行業預訓練模型不斷加大規模和數據量，但逐漸迷失方向。在此過程中，OpenAI 又做出了新的貢獻 —— 推理學習。研究發現，在模型規模並非極大的情況下，通過精心訓練推理能力，模型性能可實現大幅提升。2024年 9 月 24 日，OpenAI 發布 o1 model，再一次為行業開辟了新的路徑。
在這一探索過程中，全球團隊，尤其是美國團隊，發明了諸多工具，如同更鋒利的砍刀與鏟子，助力各團隊在荊棘叢生的探索之路上加速前行。
DeepSeek的開源理想和成功偶然性
在技術發展中，領先者通常會對核心技術有所保留，而落後者則傾向於通過開源匯聚全球智慧推動發展，如 Meta（Facebook）在與OpenAI 的競爭中選擇開源。因為開源是一種類似公益社區的精神，阿拉善的企業家就會比較更能理解，就是哪怕不知道有沒有收獲，但是仍會選擇付出。
美國有開源的文化，比如軟件的開源Linux，比如Wikipedia做成了全世界的字典，中國當時也來拷貝，結果做得很差。在中國，開源文化並不深厚，DeepSeek 能堅持開源，將優質成果與世界共享，實屬難得。這體現了美國開源社區精神對中國年輕程序員和企業家的影響，盡管這種影響在國內仍較為稀缺。
團隊核心人物梁文鋒自2013年便開始運用機器學習進行量化投資，團隊在機器學習領域已有十餘年的經驗積累。在技術敏感度上，他們可能早在 ChatGPT 之前就已開始使用 transformer 開發大語言模型，如 2019 年或許就已啟動相關工作。同時，團隊匯聚了一批國內頂尖人才，在技術探索中，他們利用前人開發的先進工具，在推理模型的基礎上又發現了一條新路徑 —— 完全自動訓練，區別於 OpenAI 的人工訓練方式，降低了成本。
這種自動推理訓練類似於 AlphaGo Zero 的模式。AlphaGo 擊敗李世石後，穀歌工程師嚐試讓 AlphaGo Zero 不依賴人類經驗從頭學習，結果在短時間內，AlphaGo Zero 便超越了擊敗李世石的舊版 AlphaGo。DeepSeek 在這一路徑上深入探索並取得成功，雖然其貢獻程度不及 ChatGPT 和推理訓練的發現，但也堪稱自 ChatGPT 以來第三大重要貢獻，將推理成本降低了兩個數量級。
從技術格局來看，盡管 DeepSeek 的成果縮小了中美在人工智能技術上的差距，但中美人工智能整體格局尚未被撼動。
在人工智能技術的幾個關鍵方麵，芯片領域中國仍與美國存在較大差距；在算法突破方麵，過去十年間，從 2012 年的 AlexNet 到2017 年的 Transformer，再到 2022 年的 ChatGPT 以及後續的思維鏈、RAG 和推理訓練等重大突破，大多發生在美國，法國的 Mistral 公司也有少量貢獻，DeepSeek 的貢獻占比約為 5%，但這已然十分了不起。
DeepSeek的成功在一定程度上具有偶然性。在一個充滿偶然性的科學探索過程中，眾多團隊在不同的方向上探索，總會有某個團隊率先取得突破。中國擁有龐大的 AI 基礎和工程師隊伍，經過30年的發展，已經與西方建立了良好的交流基礎。因此，中國出現像 DeepSeek 這樣的團隊並不令人意外。這類似於蘇聯在1957年成功發射第一顆人造衛星，其背後是美國在兩次世界大戰期間對蘇聯技術的開放，使得蘇聯培養了強大的技術基礎。然而，一旦蘇聯閉關鎖國，這種技術能力便迅速衰退。
AI浪潮前景廣闊，目前仍處起步階段
在商業和股市層麵，人工智能領域的發展與英偉達密切相關。我在2017 年《暗知識》一書便指出，AI 時代的芯片霸主是英偉達，當時其市值約三百億美元，此後漲幅近百倍。近期美國股市大跌，部分原因是市場認為算法效率提高會減少對算力的需求，進而降低對英偉達等芯片的依賴。但這是一種靜態思維，正如 19 世紀英國經濟學家傑文斯發現的一個現象：當蒸汽機的效率大幅提升後，煤炭的消耗量並未減少，反而大幅增加。這一現象被稱為“傑文斯悖論”（Jevons Paradox）。其背後的邏輯是：盡管單台蒸汽機的煤炭消耗量減少了，但由於蒸汽機變得更加經濟高效，人們開始在更多領域廣泛使用蒸汽機，從而導致蒸汽機的總數大幅增加，最終使得煤炭的總消耗量不降反升。
同理，AI 模型成本降低將推動 AI 應用的廣泛拓展，對芯片的需求也會隨之增長。過去，AI 應用麵臨的一大障礙是成本高昂。以 ChatGPT 為例，用戶每次提問都需要支付費用，且隨著問題複雜度的增加，計算成本呈指數級上升。例如，回答一個簡單問題如“唐朝的第一任皇帝是誰”可能瞬間完成，而回答一個複雜問題如“唐宋之變的核心原因是什麽”則需要進行深入分析和佐證，計算時間可能增加百倍甚至更多。
如今，AI 已經發展到可以作為智能代理（agent）為用戶提供全麵服務的階段。例如，用戶計劃前往巴西旅遊，AI 可以像私人助理一樣，從行程規劃到酒店預訂，再到機票購買，全程提供服務。這一過程的計算成本可能是簡單問答的萬倍以上。如果每次服務的費用高達10000元人民幣，用戶可能會望而卻步；但如果費用降至100元，用戶則會毫不猶豫地使用。因此，低成本的 AI 模型將極大地擴展 AI 的應用場景，可能實現百倍、千倍甚至萬倍的增長。
對於 Deepseek，外界關注其芯片使用量以及是否存在數據盜用問題。但從其市場定價來看，每次訪問成本僅為 OpenAI 的 1/30 且仍有利潤，這表明其在成本控製上卓有成效，至於其他問題，目前並無確鑿證據，且對其技術價值和市場影響的判斷並非關鍵。
DeepSeek 未來能否繼續取得重大突破仍是一個未知數。隨著團隊的知名度提升，政府的高要求和大公司的高薪挖角，可能會對其純粹的技術追求產生不利影響。能否在這種環境下堅守技術理想，繼續前行，是一個值得打問號的問題。
AI 浪潮的前景極為廣闊，目前仍處於起步階段，未來十年甚至二十年仍將蓬勃發展。與互聯網在20世紀90年代末和21世紀初的發展類似，AI 有望在未來十年到二十年內實現重大突破。
更為重要的是，AI 的潛力究竟有多大？目前，包括 OpenAI、Anthropic、Google、微軟在內的各大實驗室都在積極研發通用人工智能（AGI）。AGI 的定義是：機器能夠完成人類絕大部分的智力活動。根據目前的研究進展，AGI 的出現時間可能在兩年到五年之間。如果 AGI 成為現實，其市場規模將極為龐大，有望超過互聯網市場，達到數萬億美元甚至數十萬億美元的規模。
DeepSeek 的技術突破進一步證實了人類有可能以較低成本實現 AGI。如果 AI 的成本過高，甚至超過人力成本，那麽其應用範圍將受到限製。正如中國許多生產線仍然使用人工而非機器人，因為人工成本更低。隻有當機器人的成本遠低於人工時，機器人才能廣泛普及。DeepSeek 在降低 AGI 成本方麵做出了重大貢獻，這一點非常值得肯定。
總之，DeepSeek 的成功是中國 AI 領域的技術突破雖有偶然性，但更多源於團隊技術積累。在這場漫長的征程中，DeepSeek 已經邁出了第一步，未來能否繼續引領潮流，還需時間的檢驗。
編輯：許讚華
排版：俞霄
校對：劉揚
《科大瞬間》文學城編輯部
許讚華 803 | 陶李 8112
劉揚 815 | 黃劍輝 815
滕春暉 8111 | 陳錦雄812 | 餘明強 9115
陳風雷 786 | 沈濤 822 | Jay Sun 836
吳鈞 856 | 王
9015 | 林菁 8616