DeepSeek 目前搞得美國 AI 圈人心惶惶。
DeepSeek（深度求索）是由梁文鋒成立的。梁文鋒是量化投資領(lǐng)域的知名人物，同時也是量化私募巨頭幻方量化的創(chuàng)始人。他于 2023 年 7 月 17 日創(chuàng)立了杭州深度求索人工智能基礎(chǔ)技術(shù)研究有限公司（DeepSeek），專注于開發(fā)先進的大語言模型（LLM）和相關(guān)技術(shù)。
他做得最正確的選擇恐怕就是用量化投資賺的錢在較早時候開始屯英偉達 GPU。幻方量化作為中國頭部量化私募基金，早在 2021 年便大規(guī)模布局 AI 算力，搭建了高性能計算集群 " 螢火一號 " 和 " 螢火二號 "，并成為國內(nèi)少數(shù)幾家儲備上萬張英偉達 A100 GPU 的機構(gòu)。
隨著美國逐步封禁出口 GPU，有卡的創(chuàng)業(yè)者和沒卡的完全就是兩回事了，在初期就是算力為王。這樣有算力支撐且不急著賺錢的創(chuàng)業(yè)公司，在目前中國大模型領(lǐng)域恐怕也就是頭部幾個互聯(lián)網(wǎng)大廠能比的。
2023 年，幻方創(chuàng)始人梁文鋒在接受采訪時明確表示，公司已擁有超過 1 萬張英偉達 A100 顯卡，這些資源直接支持了 DeepSeek 的模型訓(xùn)練需求。
但算力的豐厚并未讓團隊依賴粗放的訓(xùn)練模式，而是采用了自主設(shè)計的 MoE（混合專家）架構(gòu)，在降低算力成本的同時提升模型性能。在訓(xùn)練其標(biāo)志性模型 DeepSeek-V3 時，DeepSeek 使用了 2048 塊英偉達 H800 GPU（H100 的中國特供版），并通過高速互聯(lián)技術(shù)（如 NVLink 和 InfiniBand）構(gòu)建算力集群，相比之下，Meta 訓(xùn)練同等規(guī)模的 Llama 3.1 模型需超過 16000 塊 H100 GPU，而 DeepSeek 僅用少量 GPU 便實現(xiàn)了性能對標(biāo)，凸顯其硬件利用效率。
實際驗證，DeepSeek-V3 在多項基準(zhǔn)測試中接近 GPT-4 水平，但推理成本僅為其 1/50。
但即便如此，我看到一些散戶股民們對梁并不友好。
他們認(rèn)為梁通過量化收割了散戶，賺的錢不光彩。
量化投資對散戶，確實是降維打擊，但也不是他一家做量化，如果合法合規(guī)，那就沒問題。他賺了錢，至少去投資國家級別的基礎(chǔ)科研產(chǎn)品，帶動就業(yè)，也沒轉(zhuǎn)移出去揮霍。
當(dāng)然，這也給梁提了一個醒，現(xiàn)在海外對 DeepSeek 評價非常高，可千萬別飄了，DeepSeek 未來能否真的搞出通用人工智能還需要時日檢驗，另外還是要面對商業(yè)版本能否賺錢的考驗。
不過從發(fā)言中看出他還是比較清醒的。梁文鋒指出，中國 AI 與美國的真實差距在于 " 原創(chuàng)式創(chuàng)新 " 的不足。
盡管中國在應(yīng)用層快速追趕，但基礎(chǔ)架構(gòu)層面的突破仍依賴西方技術(shù)社區(qū)。中國過去三十年更強調(diào)商業(yè)變現(xiàn)而非基礎(chǔ)研究，企業(yè)普遍選擇 " 短平快 " 的應(yīng)用開發(fā)路徑。例如，多數(shù)中國公司直接復(fù)制 Llama 架構(gòu)，而非探索新結(jié)構(gòu)。
中美 AI 差距的本質(zhì)是系統(tǒng)性創(chuàng)新能力的差距，而非單一技術(shù)指標(biāo)或時間維度。他呼吁中國科技界擺脫 " 跟隨慣性 "，通過原創(chuàng)研究、開源協(xié)作和生態(tài)建設(shè)縮小差距。
他認(rèn)為，創(chuàng)新的核心驅(qū)動力是 " 好奇心與創(chuàng)造欲 "，而非單純商業(yè)利益。
能夠搞出 DeepSeek，一部分確實是因為他有錢，但從另外一個角度看，把目標(biāo)定在通用人工智能 AGI，也許是他能夠在早期就下決心開始屯卡的原因之一吧，這讓他獲得了早期的優(yōu)勢。
好奇心與創(chuàng)造欲，能否支撐 DeepSeek 跨越后續(xù)發(fā)展的數(shù)字鴻溝，我們拭目以待！
參考資料：DeepSeek
點擊「推薦」，錦鯉附身！
- END -
廣告及商務(wù)合作｜bd@chreview.cn
