AI圈又領(lǐng)教了一回“神秘的東方力量”。

繼去年12月的V3模型之后，1月20日，國內(nèi)人工智能技術(shù)企業(yè)深度求索（以下稱“DeepSeek”）官宣了其最新AI推理模型DeepSeek R1。該模型在數(shù)學(xué)、代碼和自然語言推理等任務(wù)上表現(xiàn)優(yōu)異，性能直接對標(biāo)美國OpenAI最新的推理模型o1。

消息一出，AI圈幾近沸騰。社交平臺X上，有國外大廠工程師直白表示，其所在生成式模型研發(fā)部門“處于恐慌之中”。英偉達(dá)資深科學(xué)家Jim Fan給予R1極高評價，稱其不僅開源，還分享了所有模型訓(xùn)練細(xì)節(jié)，做了OpenAI“一直聲稱要做卻沒做到的事”。據(jù)統(tǒng)計(jì)，DeepSeek僅在1月的最后一周內(nèi)，用戶激增就超過一億。由于服務(wù)器不堪重負(fù)，官方甚至不得不在2月6日宣布暫停面向開發(fā)者的充值服務(wù)。

作為應(yīng)對，OpenAI公司在1月31日緊急發(fā)布其尚未官宣的大模型版本o3的小型版本o3-mini。2月6日，在全球最大的開源社區(qū)GitHub上，DeepSeek項(xiàng)目的評價星數(shù)首次超越了OpenAI，這被業(yè)內(nèi)視為開源勝過閉源的“歷史性事件”。

多位業(yè)內(nèi)人士指出，DeepSeek此次最大的貢獻(xiàn)，是向世界展示了快速、低成本實(shí)現(xiàn)o1同等模型能力的可能性。清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系副教授劉知遠(yuǎn)告訴《中國新聞周刊》，“東方力量”其實(shí)就是工程創(chuàng)新加持下的追趕能力。在算力吃緊的情況下，DeepSeek打了一場以少勝多的仗。

低成本培養(yǎng)出的“數(shù)理天才”

DeepSeek R1有多厲害？

有測試者讓R1詳細(xì)解釋勾股定理，R1在不到30秒的時間內(nèi)生成了完整的圖形動畫，給出了傳統(tǒng)的面積法證明過程，沒有出現(xiàn)差錯。另一個常用的測試問題是碰撞檢測，測試者要求大模型編寫一個程序，使得一顆小球在某個緩慢旋轉(zhuǎn)的幾何形狀內(nèi)彈跳，并保持小球停留在形狀內(nèi)。碰撞檢測十分考驗(yàn)?zāi)Ｐ偷耐评砟芰?，稍有不慎就會?dǎo)致肉眼可見的物理錯誤。這項(xiàng)測試?yán)?，R1的表現(xiàn)明顯優(yōu)于OpenAI o1 pro模式。

OpenAI于2024年9月發(fā)布了推理模型o1，首次實(shí)現(xiàn)真正的通用推理能力，相比其前作GPT-4o有巨大的性能提升，能在“博士級別”的科學(xué)問答環(huán)節(jié)上超越人類專家。新加坡南洋理工大學(xué)計(jì)算機(jī)學(xué)院助理教授劉子緯向《中國新聞周刊》解釋，傳統(tǒng)的ChatGPT模型屬于感知模型，擅長提取事件信息。但真實(shí)世界的很多任務(wù)不能僅靠感知完成，需要一定的決策推理，而且越復(fù)雜的任務(wù)決策成分越多，比如編程、數(shù)據(jù)分析等。因此，推理模型是業(yè)界公認(rèn)的通往通用人工智能（AGI）不可或缺的模型形態(tài)。

同為推理模型，在很多方面，R1都與o1的性能持平。在美國數(shù)學(xué)邀請賽AIME2024的測試中，R1取得了79.8％的成績，甚至略高于o1，甩開其他開源模型一大截。編碼類任務(wù)方面，R1也展現(xiàn)出專家級水平，在算法競賽平臺Codeforces上的表現(xiàn)超過了96.3％的人類參賽者。

DeepSeek公開的22頁技術(shù)報告中，有一個展示R1能力的直觀案例。在解決一道復(fù)雜數(shù)學(xué)表達(dá)式問題時，R1在解題步驟中突然停下來說“等等，這是個值得標(biāo)記的啊哈時刻”，隨后自主修正了解題過程?！鞍」鳖愃朴谌祟惖念D悟，R1的這種行為完全是自發(fā)產(chǎn)生的，而非預(yù)先設(shè)定。這也意味著，它已經(jīng)擁有了相當(dāng)程度的思考和自悟能力。

看上去R1已經(jīng)走出了“題海戰(zhàn)術(shù)”，轉(zhuǎn)而進(jìn)入了探究性學(xué)習(xí)的領(lǐng)域。事實(shí)上，這正是它的核心技術(shù)強(qiáng)化學(xué)習(xí)與傳統(tǒng)監(jiān)督學(xué)習(xí)的差別。劉知遠(yuǎn)指出，傳統(tǒng)大模型特別是o1以前的GPT系列模型，都采用監(jiān)督學(xué)習(xí)的訓(xùn)練方法，意味著模型學(xué)習(xí)的目標(biāo)有標(biāo)準(zhǔn)答案。比如讓模型根據(jù)一篇文章的部分文字，去預(yù)測下一個詞。由于用于訓(xùn)練的文章是完整的，因此這個詞是固定的，預(yù)測結(jié)果也有明確的對錯。人類就像嚴(yán)厲的老師，對模型的預(yù)測行為反復(fù)規(guī)訓(xùn)。

而強(qiáng)化學(xué)習(xí)則是在開放環(huán)境中進(jìn)行的任務(wù)訓(xùn)練，開發(fā)者只會告訴模型，它走出的每一步會得到外部環(huán)境怎樣的反饋。模型需要根據(jù)反饋，自己學(xué)會如何接近最終目標(biāo)。“這個世界沒有那么多純數(shù)學(xué)題，因此無法永遠(yuǎn)通過給標(biāo)準(zhǔn)答案的方式，讓模型完成監(jiān)督學(xué)習(xí)。”劉知遠(yuǎn)說。從監(jiān)督學(xué)習(xí)向強(qiáng)化學(xué)習(xí)的范式轉(zhuǎn)變，是實(shí)現(xiàn)推理模型的關(guān)鍵。

劉子緯指出，o1可視作大模型強(qiáng)化學(xué)習(xí)的鼻祖，但其沒有公開技術(shù)文件，因此其強(qiáng)化學(xué)習(xí)的具體技術(shù)路線和占比，只能靠業(yè)內(nèi)猜測，但可以推測其采用了預(yù)訓(xùn)練、監(jiān)督微調(diào)、強(qiáng)化學(xué)習(xí)的流程。預(yù)訓(xùn)練類似“背書自學(xué)”基礎(chǔ)知識，監(jiān)督微調(diào)類似學(xué)生模仿教師的示范來解例題，最后強(qiáng)化學(xué)習(xí)相當(dāng)于“模擬考試”。而R1則拋棄了監(jiān)督學(xué)習(xí)，僅憑基礎(chǔ)語言能力和數(shù)學(xué)規(guī)則，在持續(xù)解題試錯中自悟方法論，考出高分，這一點(diǎn)得到了絕大多數(shù)從業(yè)者的贊嘆。

R1提出的純強(qiáng)化學(xué)習(xí)讓模型自主學(xué)習(xí)成為可能。劉子緯認(rèn)為，這可以類比AlphaGo，其早期模型也是混合模型，類似于監(jiān)督學(xué)習(xí)加上搜索，從人類的棋譜中學(xué)習(xí)。2017年的AlphaGo Zero模型則完全拋棄了人類棋譜，通過強(qiáng)化學(xué)習(xí)完成自我對弈訓(xùn)練，產(chǎn)生眾多“妙招”，最終完全超越人類棋手?！氨O(jiān)督學(xué)習(xí)向強(qiáng)化學(xué)習(xí)的過渡正在大模型領(lǐng)域發(fā)生?！眲⒆泳曊f。

而除了性能外，R1更令人震撼的優(yōu)點(diǎn)在于便宜。2024年底，DeepSeek推出V3模型，作為R1的前體，訓(xùn)練成本僅為557.6萬美元，而2020年發(fā)布的GPT-3的訓(xùn)練成本接近1200萬美元，GPT-4更是超1億美元。技術(shù)報告顯示，R1面向開發(fā)者的服務(wù)定價為每百萬輸入字符串（token）1—4元，這一價格只有o1的1/30左右。不過，DeepSeek團(tuán)隊(duì)目前仍未公開R1確切的開發(fā)成本。

R1怎么能如此便宜？劉子緯認(rèn)為，在算力達(dá)到一定量級的情況下，可以通過工程創(chuàng)新把性能差距抹平。在堆算力的“大力出奇跡”路線進(jìn)入瓶頸后，DeepSeek選擇在底層算法、訓(xùn)練模式和數(shù)據(jù)三個層面進(jìn)行了工程迭代。基于混合專家模型、注意力機(jī)制等方面的創(chuàng)新，R1做到了“用50次運(yùn)算達(dá)成別人做100次運(yùn)算的效果”，效能提升明顯。而在拋棄監(jiān)督學(xué)習(xí)后，計(jì)算資源的需求也大幅減少。

截至2月1日，DeepSeek日活躍用戶突破3000萬大關(guān)。有業(yè)內(nèi)人士稱，R1已成為美國頂尖高校研究人員的首選模型。一位不愿具名的來自澳門大學(xué)的AI研究者向《中國新聞周刊》表示，R1完全可以取代日?？蒲袑PT模型的使用需求，在對科研文章的錯誤識別、修改潤色、語言轉(zhuǎn)換上都表現(xiàn)出色。

商業(yè)化落地仍待探索

盡管R1展現(xiàn)出了驚人的推理能力，但它的思維過程可能難以被人理解。技術(shù)報告指出，純強(qiáng)化學(xué)習(xí)訓(xùn)練出來的模型存在可讀性差和語言混雜問題，有用戶反映多語言輸入可能會造成模型輸出混亂，有時中文的提問也可能得到英文回答。這一現(xiàn)象更多出現(xiàn)在純強(qiáng)化學(xué)習(xí)的R1-Zero模型中。

劉子緯將R1形容為“有些偏科的數(shù)理天才”。R1在他眼中雖然很聰明，但給出的文字回復(fù)相比于o1缺乏流暢性和情緒價值，顯得笨拙?！肮径ㄎ粫?dǎo)致其偏重模型性能?！眲⒆泳曊f。由于DeepSeek還在提升模型能力，尚未開始優(yōu)化用戶體驗(yàn)，因此用戶親和度方面還有待提升。在這一點(diǎn)上，OpenAI涉足較早。

當(dāng)創(chuàng)作任務(wù)涉及推演和類比時，R1的表現(xiàn)仍可圈可點(diǎn)。有測試者用簡單的幾個提示詞，就讓R1在極短時間內(nèi)創(chuàng)作了一篇情節(jié)精彩的科幻小說。社交平臺上，有電影評論賬號喂給R1《出師表》，讓其仿照該文體創(chuàng)作一篇影評，R1給出了符合文言文規(guī)范，且“超越一般影評人”的洞見。劉子緯認(rèn)為，模型的推理能力可以遷移到文學(xué)，令其產(chǎn)生通過邏輯思辨的方式創(chuàng)作議論文的能力。

用戶使用R1的過程中，偶爾會得到錯誤答案，甚至有用戶發(fā)現(xiàn)詢問R1身份時，其有可能自稱o1。這種混亂廣泛出現(xiàn)在現(xiàn)有大模型中，有業(yè)內(nèi)人士認(rèn)為，這源于大多數(shù)模型對OpenAI基礎(chǔ)模型的蒸餾。蒸餾操作將訓(xùn)練過的“教師模型”的知識傳遞給“學(xué)生模型”，從而在最大程度保存原模型性能的同時，大幅縮減計(jì)算資源消耗。“有模型做到了60分，我想迅速達(dá)到55分的水平，比較快的方式就是去蒸餾一個‘教師模型’，可以迅速拿到模型反饋，暴露思維過程，得到可貴的數(shù)據(jù)基礎(chǔ)。研發(fā)初期，許多企業(yè)都依靠或者部分依靠模型蒸餾。”劉子緯坦言。

由于原模型只能提供60分的答案，要漲到70分就得靠模型努力找一條新路。因此蒸餾無法形成模型的真正迭代。劉知遠(yuǎn)認(rèn)為，強(qiáng)化學(xué)習(xí)是通向AGI的重要版圖之一，已成為大模型未來發(fā)展的業(yè)內(nèi)共識。強(qiáng)化學(xué)習(xí)的技術(shù)成熟也需要時間，蒸餾遺存的問題有待發(fā)展過程中解決。

劉子緯指出，R1使用了一些GPT-4o產(chǎn)生的數(shù)據(jù)去做“熱啟動”，讓模型先形成對現(xiàn)有問題的基本認(rèn)知。完全“冷啟動”讓模型立刻進(jìn)入強(qiáng)化學(xué)習(xí)狀態(tài)是非常困難的?！耙粋€小學(xué)生學(xué)習(xí)知識也得先學(xué)課本，達(dá)到一定的智力水平后，再進(jìn)入實(shí)踐中學(xué)習(xí)?！庇谜鎸?shí)數(shù)據(jù)而非模型數(shù)據(jù)訓(xùn)練模型是開發(fā)者的共識，但真實(shí)數(shù)據(jù)的篩選、清洗、降噪等并不容易。

“即使用模型輸出數(shù)據(jù)也很難保證訓(xùn)練結(jié)果，這取決于人類給模型創(chuàng)造了怎樣的問題，以及提供怎樣的答案?！眲⒆泳曊f。例如，DeepSeek使用了大量代碼數(shù)據(jù)、數(shù)學(xué)題甚至奧數(shù)題用于訓(xùn)練R1。“如何將這些數(shù)據(jù)喂給模型，需要大量創(chuàng)新?！?/p>

從這一意義上說，R1的表現(xiàn)已足夠出色，而它的創(chuàng)造者的主業(yè)甚至不是AI。DeepSeek背后的投資公司為幻方量化，是一家依靠數(shù)學(xué)與計(jì)算機(jī)科學(xué)進(jìn)行量化投資的基金公司。該公司從2016年起將深度學(xué)習(xí)模型應(yīng)用于實(shí)盤交易，囤積了大量算力，正式成立大模型團(tuán)隊(duì)DeepSeek的時間則是2023年。“也算是副業(yè)做得比主業(yè)出圈的典型了。”劉子緯說。

DeepSeek的出圈很快在芯片、云計(jì)算等領(lǐng)域產(chǎn)生了溢出效應(yīng)。國內(nèi)外許多芯片廠商都開始致力于搭載DeepSeek模型或者其精簡、蒸餾模型。1月29日，美國芯片廠商AMD上線了基于其芯片的DeepSeek模型部署指南。而在云領(lǐng)域，華為云、騰訊云等國內(nèi)云廠商在春節(jié)期間“緊急加更”，均上線了DeepSeek R1的部署工具。

盡管如此，大模型企業(yè)仍需審慎研判模型的商業(yè)價值，也就是能不能賺錢。劉知遠(yuǎn)指出，國內(nèi)外企業(yè)都還在尋找大模型的最佳變現(xiàn)方式。目前，市場上已有多家企業(yè)具備做出GPT水平大模型的能力，接下來要考慮區(qū)分度是什么，落地的用戶App是什么，以及在價格戰(zhàn)的前提下如何收回上億元的研發(fā)成本。這些問題的答案都還相對模糊。

劉子緯認(rèn)為，大模型已足夠強(qiáng)，但在垂類上跟用戶需求還沒有緊密貼合，未來AGI的核心交互形態(tài)也尚無定論。目前，國內(nèi)外大模型企業(yè)一部分繼續(xù)高舉高打AGI，保證模型能力，通過用戶來試探落地方式。比如有學(xué)生用大模型來備考、寫論文等等。另一部分企業(yè)則專注于做垂類應(yīng)用，比如醫(yī)療大模型。劉子緯預(yù)計(jì)，2025年會涌現(xiàn)一大批大模型應(yīng)用，是真正的“強(qiáng)化學(xué)習(xí)之年”。

多位業(yè)內(nèi)人士表示，DeepSeek真正的價值，在于展示了工程實(shí)踐和理論創(chuàng)新之間的平衡點(diǎn)，開創(chuàng)了一條符合現(xiàn)實(shí)算力約束的技術(shù)迭代道路?！癛1說明開源 AI 僅落后于閉源 AI 不到 6 個月?！痹趧⒅h(yuǎn)看來，GPT階段也就是2023年初的時候， OpenAI模型發(fā)布之后，國內(nèi)團(tuán)隊(duì)需要一年的時間才能趕上。但是到了文生視頻模型Sora，以及后來的GPT-4o和o1，國內(nèi)的追趕時間縮短到半年以內(nèi)。

開源是一種技術(shù)平權(quán)

R1發(fā)布后的幾天內(nèi)，美國芯片巨頭英偉達(dá)股價大跌，市值蒸發(fā)達(dá)數(shù)十億美元。美國總統(tǒng)特朗普在采訪中將DeepSeek的成果形容為“對美國企業(yè)的警鐘”。

過去一段時間，DeepSeek陸續(xù)出現(xiàn)各大端口不可用的情況，一度無法注冊賬號。DeepSeek于1月28日發(fā)布公告稱，其線上服務(wù)正遭受大規(guī)模惡意攻擊。這一現(xiàn)象到2月1日才有所緩解。當(dāng)?shù)貢r間7日，特朗普最新表態(tài)稱，DeepSeek不會對國家安全構(gòu)成威脅，美國最終可以從這家初創(chuàng)公司的AI創(chuàng)新中“受益”。

OpenAI也嘗試與DeepSeek爭風(fēng)頭。1月31日，o3-mini和o3-mini-high兩大版本在ChatGPT正式上線。o3-mini可以視為其最新一代大模型o3的更小、更高效版本。與R1類似，o3-mini也擅長復(fù)雜的推理任務(wù)，包括科學(xué)、數(shù)學(xué)和編碼，響應(yīng)速度比o1快20％以上。谷歌也于2月6日發(fā)布了最新系列大模型Gemini 2.0。

這一次的碰撞檢測中，o3-mini的表現(xiàn)明顯優(yōu)于R1，特別是在多球碰撞的情景下，o3-mini展現(xiàn)出了非常精準(zhǔn)的物理推理能力，沒有出現(xiàn)R1中出現(xiàn)過的反重力現(xiàn)象，其構(gòu)建的小球碰撞模型，也令人咋舌。

不僅如此，OpenAI還在2月2日突然開啟直播，介紹了下一代智能體產(chǎn)品Deep Research。該產(chǎn)品基于優(yōu)化版o3打造，可以在互聯(lián)網(wǎng)上進(jìn)行多步驟研究，進(jìn)行綜合推理。根據(jù)直播內(nèi)容，Deep Research思考時間可能長達(dá)半小時，但返回結(jié)果可能是一篇完整的、引用翔實(shí)的科研論文。多位受訪者認(rèn)為，如果性能穩(wěn)定，Deep Research會將大模型的“專家級科研”能力向前推進(jìn)一大步。

不過，o3-mini仍然沒有擺脫語言混亂的問題。許多用戶在社交媒體X上反映，o3-mini有時會在面對英文提問時用中文進(jìn)行一長串思考，而此前的對話中從未出現(xiàn)過中文或使用中文的提示。這讓用戶懷疑o3-mini是否使用了DeepSeek的訓(xùn)練數(shù)據(jù)。劉知遠(yuǎn)認(rèn)為，大可不必“談?wù)麴s色變”。事實(shí)上，用多種語言訓(xùn)練模型，使其了解不同語言習(xí)慣和文化，也是訓(xùn)練必不可少的一部分。目前，大模型語言混亂的問題尚待解決。

多位業(yè)內(nèi)人士表示，由于DeepSeek的沖擊，o3-mini對所有 ChatGPT 用戶免費(fèi)，面向開發(fā)者時，其收費(fèi)為每百萬token輸入1.1美元、輸出4.4美元。這一價格比OpenAI o1-mini便宜63％，比完整版o1便宜93％，但仍是GPT-4o mini的7倍左右，也超過R1。而緊隨谷歌Gemini 2.0的發(fā)布，2月6日，OpenAI宣布完全開放ChatGPT的搜索功能。也就是說，無須注冊登錄，所有用戶現(xiàn)在都可以像用普通搜索引擎一樣使用ChatGPT搜索了。

在劉知遠(yuǎn)看來，DeepSeek橫空出世，引發(fā)的不僅是價格戰(zhàn)，更是一種開源技術(shù)的“平權(quán)運(yùn)動”。他認(rèn)為，AI本身源于互聯(lián)網(wǎng)場景的支持性技術(shù)，從其發(fā)展歷程來看，AI領(lǐng)域基本由學(xué)術(shù)界、產(chǎn)業(yè)界共同推進(jìn)，開源共享是“默認(rèn)設(shè)置”?！白鳛檠芯空吆蛷臉I(yè)者，從踏入AI領(lǐng)域開始，我們受到的就是開源熏陶。論文要接受全世界的檢驗(yàn)，方法和數(shù)據(jù)要公開，模型要能被別人復(fù)現(xiàn)。這樣才能評斷好壞，從而形成對未來正確發(fā)展道路的共識?！?/p>

當(dāng)技術(shù)開始變得有商業(yè)價值之后，自然就會有企業(yè)開始構(gòu)建技術(shù)壁壘，放棄開源。在劉知遠(yuǎn)看來，閉源終將是不可持續(xù)的。DeepSeek的爆火讓非從業(yè)者看到了行業(yè)的“部分真相”。現(xiàn)在普通人也知道，打算力陣地戰(zhàn)不明智。有數(shù)據(jù)顯示，采用DeepSeek優(yōu)化架構(gòu)后，同等任務(wù)下，華為昇騰芯片的能效比提升41％，AMD也借助DeepSeek實(shí)現(xiàn)了32％的推理效率躍升。“算法和架構(gòu)能夠顛覆算力壟斷，通過芯片禁運(yùn)等方式來遏制國內(nèi)大模型發(fā)展難以行通。這就是開源的力量。”劉知遠(yuǎn)說。

2月6日，國家超算互聯(lián)網(wǎng)發(fā)布官方消息，目前R1等系列模型已登陸超算互聯(lián)網(wǎng)平臺，涵蓋從1.5B到14B大小的蒸餾模型，后續(xù)還會陸續(xù)上線32B、70B等更多版本。劉知遠(yuǎn)指出，DeepSeek模型進(jìn)駐國家超算平臺，證明普惠、可靠的AI大模型時代將要來臨?！澳Ｐ投x硬件”的新范式下，有業(yè)內(nèi)人士表示，DeepSeek的影響可能進(jìn)一步觸及國家智算、超算領(lǐng)域，通過改變算力需求，來重構(gòu)算力部署和建設(shè)。

“當(dāng)然，閉源也有它的生命力。企業(yè)需要一套具備充足保密性和安全性的體系，來實(shí)現(xiàn)自身的穩(wěn)定發(fā)展，從而保證其研究實(shí)力和銳度。很長一段時間內(nèi)，開源和閉源大模型仍會共存。”劉子緯說。但無可否認(rèn)的是，DeepSeek正構(gòu)建出一種更加健康的業(yè)態(tài)。