近日 ， DeepSeek的橫空出世 ， 在全球科技領(lǐng)域激起千層浪 ， 引發(fā)了從學(xué)界到業(yè)界的廣泛熱議與深度思考 。 《科技導(dǎo)報》2025年第3期刊發(fā)李國杰院士的《DeepSeek引發(fā)的AI發(fā)展路徑思考》一文 ， 深入剖析了DeepSeek背后所蘊含的AI發(fā)展路徑相關(guān)問題 ， 見解深入、專業(yè)、富于啟發(fā) ， 特此全文呈現(xiàn)給廣大讀者 。
李國杰1 為什么DeepSeek會引起全球性的科技震撼
DeepSeek的橫空出世是人工智能（AI）發(fā)展史上新的標(biāo)志性事件 。 7天之內(nèi)DeepSeek的用戶增長超過1億 ， 創(chuàng)造了用戶增長速度新的世界紀(jì)錄 。 與此同時 ， 芯片巨頭公司英偉達(dá)（NVIDIA）的股價單日暴跌17% ， 市值縮水5890億美元 ， 創(chuàng)下美國上市公司單日最大損失紀(jì)錄 。 DeepSeek的崛起 ， 打破了“高算力和高投入是發(fā)展人工智能唯一途徑”和“集成電路制程優(yōu)勢=人工智能技術(shù)霸權(quán)”的迷信 ， 引領(lǐng)人工智能行業(yè)進(jìn)入以算法和模型架構(gòu)優(yōu)化為主 ， 同時高度重視數(shù)據(jù)質(zhì)量與規(guī)模、理性提高算力的新時期 。 同時 ， DeepSeek的崛起也標(biāo)志著中國科技公司從“追趕者”變?yōu)椤耙?guī)則改寫者” ， 在全球最關(guān)注的人工智能領(lǐng)域 ， 以顛覆性的創(chuàng)新開始挑戰(zhàn)西方在AI領(lǐng)域的霸權(quán) 。
全球人工智能龍頭企業(yè)紛紛擁抱DeepSeek ， 凸顯其不可抗拒的影響力 。 微軟最早宣布將DeepSeek R1模型添加到其云平臺Azure AI Foundry ， 開發(fā)者可用于構(gòu)建基于云的應(yīng)用程序和服務(wù) 。 亞馬遜云科技（AWS）、英偉達(dá)、超威半導(dǎo)體（AMD）等公司相繼宣布在其AI服務(wù)平臺上部署DeepSeek V3和R1模型 。 不管某些國家政府如何抵制 ， 少數(shù)媒體如何惡意中傷 ， 上億用戶和眾多大公司根據(jù)DeepSeek的性價比和親身體驗做出選擇 ， 主動融入DeepSeek生態(tài) 。 DeepSeek推出的高效率、低成本的推理模型和開源商業(yè)模式 ， 將引領(lǐng)人工智能行業(yè)新潮流 。
DeepSeek的V3和R1模型廣受歡迎 ， 首先是因為其在模型算法和系統(tǒng)軟件層次都有重大創(chuàng)新 。 DeepSeek-V3的模型參數(shù)量高達(dá)6710億 ， 但由于采用了自主研發(fā)的混合專家模型（MoE）架構(gòu) ， 每一層有256個細(xì)分領(lǐng)域的路由專家和1個共享專家 ， 每次調(diào)用只激活約370億個參數(shù) ， 顯著降低了訓(xùn)練計算成本 。 DeepSeek改進(jìn)的多頭潛在注意力機(jī)制（MLA） ， 減少了鍵值緩存開銷 ， 把顯存占用降到了其他大模型的5%~13% ， 極大提升了模型運行效率 。 DeepSeek-R1模型摒棄了傳統(tǒng)的監(jiān)督微調(diào)（SFT） ， 開創(chuàng)性地提出群組相對策略優(yōu)化（GRPO） ， 直接通過強化學(xué)習(xí)從基礎(chǔ)模型中激發(fā)推理能力 ， 大幅降低了數(shù)據(jù)標(biāo)注成本 ， 簡化了訓(xùn)練流程 。 DeepSeek揭示了一個真相 ， 即推理模型的開發(fā)比想象中更為簡單 ， 各行各業(yè)都可以做 。 DeepSeek的這些發(fā)明并非首次提出來的原始創(chuàng)新 ， 但DeepSeek通過艱苦的努力把技術(shù)做到極致 ， 在前人公開成果基礎(chǔ)上 ， 登上新的技術(shù)高峰 。
第3波人工智能興起后 ， 美國政府、AI龍頭企業(yè)和投資界形成一個基本信念：發(fā)展人工智能需要高算力 ， 而目前實現(xiàn)人工智能計算性能最高的芯片就是英偉達(dá)的GPU 。 因此 ， 美國認(rèn)為只要控制GPU的銷售 ， 就能在人工智能領(lǐng)域獨霸全球 。 特朗普在就職典禮第2天就簽署法案 ， 啟動星際之門計劃 ， 投資5000億美元 ， 打造人工智能的基礎(chǔ)設(shè)施 。 可見 ， 美國政府是把夯實人工智能的算力基礎(chǔ)當(dāng)成維持其全球領(lǐng)導(dǎo)地位的關(guān)鍵 。 以英偉達(dá)為代表的美國AI龍頭企業(yè) ， 有真老虎的一面 ， 也有紙老虎的另一面 。 初生牛犢不怕虎的年輕的中國科技工作者 ， 在紙老虎上戳了一個洞 ， 讓世人看清了原來這只老虎也沒有那么可怕 。 DeepSeek震撼全球就是揭示真相的威力 。
2 “規(guī)模法則（Scaling Law）”是否已遇天花板
2020年1月 ， OpenAI發(fā)表論文《神經(jīng)語言模型的規(guī)模法則》（Scaling Laws for Neural Language Models） ， 提出規(guī)模法則：“通過增加模型規(guī)模、數(shù)據(jù)量和計算資源 ， 可以顯著提升模型性能 。 ”在AI領(lǐng)域 ， 規(guī)模法則被一些人認(rèn)為是“公理” ， 俗稱“大力出奇跡” ， OpenAI等龍頭企業(yè)和美國的AI投資界把它當(dāng)成制勝法寶 。
但規(guī)模法則不是像牛頓定律一樣經(jīng)過無數(shù)次驗證的科學(xué)定律 ， 而是OpenAI等公司近幾年研制大模型的經(jīng)驗歸納 。 從科學(xué)研究的角度看 ， 屬于一種對技術(shù)發(fā)展趨勢的猜想；從投資的角度看 ， 屬于對某種技術(shù)路線的押注 。 人工智能是對未來技術(shù)的探索 。 技術(shù)路線存在多種可能 ， 人工智能本身也存在多元化的目標(biāo) ， 探索的道路上有很多高山需要去攀登 ， 攀登一座高山的路徑也不止一條 。 把一種信仰或猜想當(dāng)成科學(xué)公理 ， 不是科學(xué)的態(tài)度 。 近幾年大模型訓(xùn)練的實際效果表明 ， 要獲得大模型性能的線性增長 ， 必須在模型規(guī)模、數(shù)據(jù)量和算力投入上高指數(shù)性的增長 ， 幾個月就翻一倍 。 從GPT-3到GPT-4 ， 參數(shù)規(guī)模增加約10倍 ， 用于訓(xùn)練的GPU數(shù)量增加了近24倍 ， 總計算量增加了近70倍 。 任何投入的高指數(shù)性增加都不可能是長久的 ， 民航大飛機(jī)的速度提高、集成電路的主頻提高等都是到適當(dāng)?shù)臅r候就停止了 ， 大模型也應(yīng)該不會破例 。
鼓吹“Scaling Law”的人 ， 常以強化學(xué)習(xí)之父理查德·薩頓（Richard S.Sutton）的文章“苦澀的教訓(xùn)”作為追求高算力的依據(jù)：“研究人員曾一次又一次試圖通過精巧的工程設(shè)計來提升性能 ， 但最終都敗給了簡單粗暴的‘加大算力’方案 ， 歷史證明 ， 通用方法總是在AI領(lǐng)域勝出 。 ”但是 ， 薩頓本人這兩年對“Scaling Law”做了深刻反思 。 他指出 ， 雖然Scaling Law在提升模型性能方面確實有效 ， 但它并不是解決所有問題的萬能鑰匙 。 AI系統(tǒng)不僅需要具備強大的計算能力 ， 還需要具備持續(xù)學(xué)習(xí)、適應(yīng)環(huán)境、理解復(fù)雜情境等能力 ， 這些能力往往難以通過簡單地增加算力來實現(xiàn) 。
但現(xiàn)在就說規(guī)模法則已經(jīng)走到盡頭 ， 也沒有根據(jù) 。 與人腦的神經(jīng)連接復(fù)雜性相比 ， 現(xiàn)在的人工神經(jīng)網(wǎng)絡(luò)至少還有上百倍的差距 。 繼續(xù)擴(kuò)大神經(jīng)網(wǎng)絡(luò)的規(guī)模和增加訓(xùn)練的數(shù)據(jù)量 ， 是否還能取得與投入相稱的回報 ， 要看今后的實際效果 。 但GPT-5遲遲不能問世 ， 可能說明規(guī)模擴(kuò)張的效果已經(jīng)不太明顯 。 圖靈獎得主楊立昆（Yann LeCun）和OpenAI前首席科學(xué)家伊利亞·蘇茨克維（IlyaSutskever）等直言 ， 規(guī)模法則已觸及天花板 。
DeepSeek的出現(xiàn) ， 逼迫AI界嚴(yán)肅地思考這一技術(shù)發(fā)展路線問題：是繼續(xù)投入巨資追求高算力 ， 還是另辟蹊徑 ， 在算法優(yōu)化上下更多功夫？DeepSeek的問世標(biāo)志著人工智能訓(xùn)練模式從“大力出奇跡”的外延式發(fā)展階段 ， 轉(zhuǎn)向集約化系統(tǒng)優(yōu)化的內(nèi)涵式發(fā)展階段 。 DeepSeek的成功并沒有否定算力在人工智能發(fā)展中的重要作用 。 實際上 ， 由于用于推理的設(shè)備比訓(xùn)練設(shè)備多得多 ， 推理所需要的算力將來會成為主要需求 。 但綠色發(fā)展是必須遵循的大原則 ， 降低人工智能所需要的能耗一定是科技界的重要目標(biāo) 。
3 發(fā)展“通用人工智能”（AGI）應(yīng)選擇什么道路
“通用人工智能”是一個模糊的沒有形成廣泛共識的術(shù)語 。 OpenAI公司追求的通用人工智能（artificial general intelligence ， AGI）是其中的一種 ， 指的是AI在多個領(lǐng)域以人類水平處理復(fù)雜問題的能力 。 人工智能界有一個莫拉維克悖論：“復(fù)雜的問題是易解的 ， 簡單的問題反而是難解的 。 ”從這個角度看 ， 能解復(fù)雜問題的人工智能不一定就是通用人工智能 。 許多人認(rèn)為 ， 能夠應(yīng)對設(shè)計者預(yù)料之外的情況 ， 才叫“通用” 。 因此 ， 人工智能學(xué)術(shù)界更關(guān)注智能系統(tǒng)持續(xù)學(xué)習(xí) ， 自我改進(jìn)的能力 。 人工智能的通用性不僅表現(xiàn)在對語言的處理上 ， 還包括像人一樣基于常識和日常經(jīng)驗與外部客觀世界互動的能力 。
人工智能是對人類智能某一個方面的再現(xiàn)和超越 。 在科學(xué)技術(shù)領(lǐng)域 ， 所謂“通用”一定是相對的 ， 有一定的條件或范圍 。 我們要認(rèn)識人工智能的局限性 ， 不能盲目追求能夠解決所有問題的人工智能 。 重點還是要根據(jù)實際需求 ， 將相對通用的人工智能技術(shù)落地到各個行業(yè) ， 讓一定范圍內(nèi)的人工智能技術(shù)見到實效 。 實現(xiàn)通用智能是一個漸進(jìn)過程 ， 不會因某項技術(shù)的發(fā)明就突然到來 。 人工智能的通用性已經(jīng)比前兩波有明顯的提高 ， 但在某些應(yīng)用中通過圖靈測試只是階段性成果 ， 目前的技術(shù)離真正的通用智能還有較大差距 。
究竟如何才能實現(xiàn)通用人工智能 ， 現(xiàn)在還沒有結(jié)論 。 DeepSeek和OpenAI都以發(fā)展“通用人工智能”為目標(biāo) ， 但走的路徑不一樣 。 OpenAI公司相信Scaling Law正在盡量擴(kuò)大模型規(guī)模 ， 希望先做出通用的基礎(chǔ)模型 ， 再“蒸餾”出各行業(yè)可使用的行業(yè)垂直模型 ， 走的是“由通到?！钡穆?。 除降低通用大模型的訓(xùn)練成本外 ， 如何在保持泛化能力的同時 ， 提高在特定領(lǐng)域或任務(wù)上的性能和效率 ， 仍是需要解決的問題 。 與之相反 ， DeepSeek走的是“由專到通”的人工智能發(fā)展之路 ， 試圖在模型算法和工程優(yōu)化方面進(jìn)行系統(tǒng)級創(chuàng)新 ， 為在受限資源下探索通用人工智能開辟新的道路 。 所謂“混合專家模型”就是集小智為大智 ， 集專智為通智 。 “小而精”的模型將人工智能的重點發(fā)展方向從面向企業(yè)的to B引向更貼近消費者的to C ， 從廣泛覆蓋的“橫向通吃”引向深入鉆研的“縱向做精” ， 讓更多的中小企業(yè)參與 ， 可能會創(chuàng)造更大市場空間 。 但整合多個專用模型為通用模型也需要解決諸多技術(shù)和工程問題 ， 如模型間的接口、數(shù)據(jù)格式的統(tǒng)一、訓(xùn)練時的負(fù)載平衡等 。
通用與專用的競爭是技術(shù)發(fā)展的普遍現(xiàn)象 ， 集成電路領(lǐng)域就有“通用”與“專用”10年交替演化的“牧本周期” 。 “由通到專”和“由專到通”的人工智能 ， 究竟哪條路能走通 ， 還要等歷史下結(jié)論 。 也許最后的結(jié)果是通專融合 ， 專用多模型的“垂直做精”與通用大模型的“橫向擴(kuò)展”形成互補 ， 共同構(gòu)建起智能時代的產(chǎn)業(yè)新生態(tài) 。
4 發(fā)展人工智能應(yīng)該追求高算力還是高算效（高能效）
科技界公認(rèn)圖靈是人工智能的奠基人 ， 因為他提出了可以用計算來模擬人類智能的科學(xué)假說 。 他的論文暗示 ， 計算等價于智能 。 迄今為止 ， 人工智能取得的成果幾乎都離不開計算 ， 大模型的出現(xiàn)將算力的作用抬高到前所未有的高度 。 我們需要認(rèn)真地想一想 ， 高算力是不是人工智能的本質(zhì)要求？
發(fā)展人工智能的初始動機(jī)是模擬人腦 ， 自然界進(jìn)化了數(shù)百萬年的人腦是一個計算效率和能效極高的計算裝置 ， 功耗只有20W左右 。 人腦的極低功耗是因為采取了分布式的模擬計算 。 目前計算機(jī)的高能耗是因為采用軟硬件分離的數(shù)字計算 。 深度學(xué)習(xí)的奠基人辛頓（Hinton）教授最近提出“凡人計算”的新研究方向 ， 采用與人腦一樣的存算一體模擬計算方式 ， 顛覆了硬件與軟件分離的傳統(tǒng)計算模式 。 這類研究追求的是計算的高算效和高能效 ， 從長遠(yuǎn)來講 ， 是發(fā)展人工智能的正確方向 。
DeepSeek發(fā)布以后 ， 斯坦福大學(xué)華裔科學(xué)家李飛飛指導(dǎo)的團(tuán)隊 ， 以阿里通義千問（Qwen）模型為基礎(chǔ) ， 通過“蒸餾”谷歌的AI推理模型Gemini 2.0 Flash Thinking Experimental ， 并結(jié)合SFT技術(shù) ， 使用16個英偉達(dá)H100 GPU進(jìn)行了26min的訓(xùn)練 ， 以不到50美元的云計算費用成功訓(xùn)練出s1模型 ， 其性能超過了Open AI的o1-preview模型 。 這種低訓(xùn)練成本的模型的通用性可能不如大公司的模型 ， 但令人吃驚的低成本可在某些應(yīng)用上做到與高端模型相媲美的性能 ， 顯示出人工智能的低成本化還有巨大的提升空間 。
低成本是技術(shù)普及的基本要求 ， 蒸汽機(jī)、電力和計算機(jī)的普及都是其成本降低到大眾可以接受時才做到的 ， 人工智能肯定也會走這條路 。 目前 ， 盲目地追求高算力導(dǎo)致人工智能的成本居高不下 ， 阻礙了人工智能技術(shù)的大規(guī)模普及 。 DeepSeek不僅是技術(shù)突破者 ， 更是規(guī)則重構(gòu)者 ， 開辟了一條低成本發(fā)展人工智能的可行之路 。 DeepSeek的崛起說明AI不再局限于簡單堆砌算力 ， 而是進(jìn)入了以追求高算效和高能效為主的新階段 。
5 “開源”為什么有這么大的威力
過去幾年 ， 開源大模型的性能始終與龍頭企業(yè)的閉源大模型有一代以上的差距 ， 這一次DeepSeek的性能追上了閉源模型 ， 大大增強了開源社區(qū)的信心 。 圖靈獎得主楊立昆認(rèn)為 ， “對DeepSeek崛起的正確解讀 ， 應(yīng)是開源模型正在超越閉源模型” 。 這一評價十分中肯 ， 因為改變AI發(fā)展模式比單項技術(shù)的突破更重要 。
雖然OpenAI為代表的生成式人工智能紅紅火火 ， 但多數(shù)企業(yè)不敢將本公司的數(shù)據(jù)交給私有AI平臺生成自己的垂直模型 ， 因為害怕提交的數(shù)據(jù)泄露自己的技術(shù)機(jī)密 。 人工智能之所以在各個行業(yè)難以落地 ， 這可能是一個根本性的原因 。 DeepSeek的徹底開源模式破解了這一難題 ， 現(xiàn)在全世界的企業(yè)和用戶都可以將DeepSeek提供的小而精的模型下載到本地 ， 即使斷網(wǎng)也可以“蒸餾”出高效率的垂直模型 ， 真正實現(xiàn)了技術(shù)的民主化 。
長期以來 ， 美國的AI龍頭公司夸大開源AI的安全風(fēng)險 ， 力圖通過監(jiān)管抑制開源AI 。 事實上 ， 開源模型對于全球AI供應(yīng)鏈至關(guān)重要 ， 發(fā)展中國家尤其需要開源AI技術(shù) 。 若美國繼續(xù)在這一領(lǐng)域設(shè)置障礙 ， 中國就有望在開源AI全球供應(yīng)鏈中占據(jù)核心地位 ， 從而使更多企業(yè)轉(zhuǎn)向中國企業(yè)而非美國企業(yè)的技術(shù)方案 。
真正的AI競爭 ， 不僅僅是技術(shù)和模型的競爭 ， 更是生態(tài)系統(tǒng)、商業(yè)模式 ， 以及價值觀的競爭 。 開源模型讓每個開發(fā)者都能輕松調(diào)用強大AI工具 ， 不再受大公司的約束 ， AI的進(jìn)化速度將會明顯提升 。 DeepSeek的開源戰(zhàn)略將向歷史證明：在這場AI競賽中 ， 誰擁抱開源 ， 誰就能贏得未來 。
6 中國是否已具有在人工智能上引領(lǐng)全球的實力
有人說ChatGPT是0到1的突破 ， 而DeepSeek只是1到N的擴(kuò)展 ， 這種看法不符合人工智能發(fā)展的歷史軌跡 。 人工智能是一個沒有嚴(yán)格定義的研究領(lǐng)域 ， 沒有智能和不智能的0到1界限 ， 只有智能化水平不斷提高的發(fā)展過程 。 長期以來 ， 中國人工智能領(lǐng)域的高技術(shù)企業(yè)大多重視應(yīng)用創(chuàng)新和商業(yè)模式創(chuàng)新 ， 追求的目標(biāo)是快速盈利 ， 很少參與核心技術(shù)創(chuàng)新 。 隨著經(jīng)濟(jì)的發(fā)展和技術(shù)的積累 ， 中國的企業(yè)已經(jīng)開始具備原創(chuàng)的能力 。 DeepSeek的一鳴驚人可能是一個分水嶺 ， 標(biāo)志著中國AI產(chǎn)業(yè)開始從“技術(shù)跟跑”向“技術(shù)并跑和領(lǐng)跑”邁進(jìn) 。
應(yīng)當(dāng)承認(rèn)中國在人工智能的基礎(chǔ)研究和核心技術(shù)上與美國仍然有差距 。 盡管在人工智能領(lǐng)域 ， 中國的論文發(fā)表總數(shù)和專利授權(quán)數(shù)量超過美國 ， 但是引用最多的源頭性論文大多出自美國 ， 美國也是頂尖AI模型的主要來源國 。 斯坦福大學(xué)發(fā)布的《2024年人工智能指數(shù)報告》顯示 ， 2023年 ， 美國有61個較著名的AI模型 ， 中國只有15個 。 近幾年中國在AI領(lǐng)域快速追趕 ， 進(jìn)步速度喜人 。 根據(jù)《日本經(jīng)濟(jì)新聞》對2020—2024年神經(jīng)信息處理系統(tǒng)大會（NIPS）等3個機(jī)器學(xué)習(xí)頂級會議的統(tǒng)計 ， 在3萬多篇發(fā)表的論文中 ， 中國作者有8491人（美國14766人） ， 過去4年中國作者增長了8倍 。
人工智能不同于資本密集型和經(jīng)驗積累型的集成電路產(chǎn)業(yè) ， 不僅要“燒錢” ， 更要“燒腦” ， 本質(zhì)上是拼人的智力的新興產(chǎn)業(yè) 。 因此人工智能產(chǎn)業(yè)具有明顯的不對稱性 ， 一個具有100多個聰明頭腦的小企業(yè)就可以挑戰(zhàn)市值上萬億的龍頭企業(yè) 。 DeepSeek只是中國具有潛力的人工智能企業(yè)之一 。 近日 ， 《麻省理工科技評論》刊發(fā)了一篇題為《關(guān)注DeepSeek之外的4家中國人工智能初創(chuàng)公司》的報道 ， 指出階躍星辰（Stepfun）、面壁智能（Model Best）、智譜AI（Zhipu）、無問芯穹（Infinigence AI）4家企業(yè)同樣展現(xiàn)出不遜于DeepSeek的技術(shù)實力與全球競爭力 。 DeepSeek脫穎而出以后 ， 人們盛傳“杭州6小龍”的故事（深度求索、宇樹科技、游戲科學(xué)、云深處、群核科技、強腦科技6家初創(chuàng)AI公司） 。 迄今為止 ， 中國共有52家人工智能領(lǐng)域的獨角獸企業(yè) ， 約占全球人工智能獨角獸企業(yè)的18% 。 這說明在AI領(lǐng)域 ， 中國已經(jīng)有一批創(chuàng)新型小企業(yè)進(jìn)入世界前列 ， 開始展現(xiàn)引領(lǐng)全球的實力 。
DeepSeek的成功說明 ， 在人工智能的發(fā)展中 ， 算法優(yōu)化和系統(tǒng)級工程優(yōu)化不可或缺 ， 優(yōu)秀工程師發(fā)揮著至關(guān)重要作用 。 良好的工程教育體系 ， 龐大的工程師隊伍是中國的一大優(yōu)勢 ， 我們要充分發(fā)揮這一優(yōu)勢 。 進(jìn)入并跑狀態(tài)以后 ， 就不要過于在意與美國相差幾個月 ， 可以你做你的、我做我的 ， 比誰能發(fā)現(xiàn)正確的研究方向 。 年輕一代正在成為科研的主力 ， 我們要有信心在人工智能的研究和應(yīng)用上走在美國前面 。
7 中國實現(xiàn)人工智能自立自強要如何發(fā)力
實現(xiàn)人工智能自立自強 ， 不僅要靠國家的頂層規(guī)劃和充分的資金支持 ， 更要做好人才的使用培養(yǎng)和產(chǎn)業(yè)生態(tài)的構(gòu)建 ， 克服重重困難的前提是要有自信心 。 DeepSeek成功的前提是其創(chuàng)始人梁文鋒的自信 。 他在接受采訪時說：“中國的AI不能永遠(yuǎn)做跟隨者 ， 必須有人走在前沿 。 OpenAI并非神一般的存在 ， 他們不可能永遠(yuǎn)領(lǐng)先 。 ”80后、90后的中國年輕人已經(jīng)開始平視美西方國家 ， 具有“敢為天下先”的勇氣和自信 ， 他們是中國科技自立自強的希望 。
DeepSeek的人才聘用模式打破了傳統(tǒng) ， 梁文鋒選擇了一條與眾不同的用人策略 。 他拒絕經(jīng)驗豐富的人才 ， 而選擇初出茅廬的年輕人 。 招聘時工作經(jīng)驗超過8年者 ， 直接拒聘；超過5年 ， 需要特別出色才能入選 。 DeepSeek團(tuán)隊成員幾乎全是國內(nèi)頂尖高校的應(yīng)屆畢業(yè)生或博士實習(xí)生 。 真正的創(chuàng)新往往來自那些沒有包袱的人 ， DeepSeek重用極致熱情、富有好奇心的年輕人 ， 而不是習(xí)慣用經(jīng)驗找答案的人 ， 這種用人理念為公司帶來了令人驚奇的創(chuàng)新動力 ， 也對傳統(tǒng)的中國教育模式和人才聘用模式提出了警示 。
要實現(xiàn)人工智能自立自強 ， 最困難的是構(gòu)建自主可控的產(chǎn)業(yè)生態(tài) 。 英偉達(dá)公司的“護(hù)城河”不是GPU芯片本身 ， 而是統(tǒng)一計算設(shè)備架構(gòu)（compute unified device architecture ， CUDA）軟件生態(tài) 。 DeepSeek沖擊了CUDA生態(tài) ， 但沒有完全繞過CUDA ， 其生態(tài)壁壘仍然存在 。 從長遠(yuǎn)來講 ， 需要開發(fā)一套比CUDA更優(yōu)秀的自主可控的AI軟件工具系統(tǒng) ， 重構(gòu)AI軟件生態(tài) 。 實現(xiàn)這個目標(biāo)需要周密的規(guī)劃和長期努力 ， 相關(guān)部門應(yīng)該下決心組織全國的開發(fā)力量 ， 充分調(diào)動上下游企業(yè)的積極性 ， 完成這件大事 。
資金投入不是決定AI成敗的唯一因素 ， 但最近幾年中國投資市場規(guī)模急劇萎縮值得警醒 。 CB Insights數(shù)據(jù)顯示 ， 2023年 ， 美國的AI投資達(dá)到672億美元 ， 是中國AI投資的8.7倍 。 這一年美國的AI投資實現(xiàn)了22.1%的增長 ， 而中國AI私人投資下降了44.2% 。 其中 ， 在生成式AI私人投資上 ， 2023年美國總投資額達(dá)到224.6億美元 ， 中國僅為6.5億美元 。 風(fēng)險投資和私募基金對于支撐科創(chuàng)產(chǎn)業(yè)極為重要 ， 他們?yōu)閯?chuàng)新起到了資金池和擔(dān)保的作用 。 中美科創(chuàng)市場曾經(jīng)并駕齊驅(qū) ， 但到2023年 ， 中國科創(chuàng)投資額僅相當(dāng)于美國的8% 。 盡管美國投資界追捧“大算力” ， 存在一定的泡沫 ， 但正常的金融支持是發(fā)展AI的必要條件 。 政府和資本界要合力構(gòu)建一個健康的科創(chuàng)金融生態(tài) ， 為創(chuàng)新提供必備的動力 ， 這樣才會有更多DeepSeek出現(xiàn) 。
產(chǎn)業(yè)生態(tài)的形成也要靠市場牽引 。 國家要通過政策引導(dǎo) ， 鼓勵在PC、手機(jī)和物端設(shè)備上推廣AI應(yīng)用 ， 增強國產(chǎn)GPU、CPU和國產(chǎn)軟件的市場占有率 。 要高度重視芯片設(shè)計和大模型的開源戰(zhàn)略 ， 爭取中國在全球人工智能的開源系統(tǒng)中起到主導(dǎo)作用 。 我們需要在有限算力條件下 ， 通過算法和軟件的協(xié)同創(chuàng)新 ， 充分發(fā)揮硬件的極致性能 ， 挖掘所有可能的優(yōu)化空間 。 國內(nèi)的人工智能模型與美國的水平十分接近 ， 我們要做好算力資源與人工智能平臺的優(yōu)化適配 ， 力爭中國的人工智能科研和應(yīng)用走在世界前列 。
作者簡介：李國杰 ， 中國科學(xué)院計算技術(shù)研究所 ， 研究員 ， 中國工程院院士 ， 研究方向為計算機(jī)體系結(jié)構(gòu)、并行算法、人工智能、大數(shù)據(jù)、計算機(jī)網(wǎng)絡(luò)、信息技術(shù)發(fā)展戰(zhàn)略等 。
【李國杰院士“七問”DeepSeek】來源：科技導(dǎo)報
推薦閱讀
- 截胡華為？國產(chǎn)“新形態(tài)”手機(jī)亮相，但品牌有點小眾！
- “國補”買手機(jī)的又被“背刺”了，現(xiàn)在還有合約補、話費補，等等黨贏麻了
- 美國太空探索技術(shù)公司計劃進(jìn)行“星艦”火箭第八次試飛
- 2025年保值率“很高”的3款手機(jī)，近乎“零差評”，用六年不過時
- 韓媒：“從追趕者轉(zhuǎn)變?yōu)楦偁幷摺?，中國成功量產(chǎn)DDR5！
- 三星S25全系官方補貼開啟，“背刺”首銷用戶，提前買的人懵了！
- vivo“續(xù)航王”售價創(chuàng)新低，6500mAh+80W，堪稱同價位“新卷王”
- AMD突然甩出6顆“復(fù)古”CPU！Zen3老將重出江湖
- 韓媒：“半導(dǎo)體奧運會”見證中國半導(dǎo)體崛起！
- 中國院士反問科研機(jī)構(gòu)：拿了那么多錢，為何研發(fā)不出來DeepSeek？