起底“大模型界拼多多”：手握万卡的AI新“黑马”，95后天才刚被雷军挖走

出品｜搜狐科技

作者｜梁昌均

运营编辑｜王一晴

审核｜孟莎莎

一款国产开源大模型，最近在国内外AI界出圈。

“这是在资源受限的情况下，对研究和工程的一次令人印象深刻的展示。”AI大神、OpenAI创始成员Andrej Karpathy（安德烈·卡帕西）发文称，会仔细阅读这篇非常棒的技术论文。

他提到的这篇论文，用53页的篇幅介绍了一款开源大模型DeepSeek-V3，其由国内AI公司DeepSeek（深度求索）研发推出。

“综合评估表明，DeepSeek-V3已成为目前最强大的开源模型，性能可与GPT-4o和 Claude-3.5-Sonnet等领先的闭源模型相媲美。”该论文表示。

不止安德烈，多位AI大牛，如阿里前副总裁贾扬清、MetaAI科学家田渊栋、英伟达高级研究科学家Jim Fan等，纷纷对这款模型点赞。

有网友认为这是“全球最佳开源大模型”，甚至认为这将推动AGI将比预期更早且能以更低成本实现。

让这些AI大牛点赞的更大原因在于，这款模型仅用了2000多张GPU、训练成本不到600万美元，远远低于OpenAI、Meta等在万卡规模上训练的模型成本。

此前，大模型被认为是需要依靠Scaling Law而迭代演进，但现在这家低调的中国公司可能提供了另一种可能。最近，小米雷军亲自挖95后天才，也让这家公司受到更多关注。

媲美全球最强模型

训练成本仅有GPT-4o的1/18

DeepSeek-V3是一款自研的MoE（混合专家架构）模型，参数规模从前代的2360亿提升到6710亿，在14.8 T tokens上进行了预训练，上下文长度为128K。

评测结果显示，DeepSeek-V3的性能已经成为目前最强大的开源模型，同时在多个主流评测基准上可媲美目前最强大的闭源模型，特别是在代码和数学方面。

在知识能力方面，DeepSeek-V3在MMLU-Pro（综合学科增强版）和GPQA-Diamond（化学、物理和生物）等基准测试超越阿里、Meta等所有开源模型，并领先GPT-4o，但不及Claude-3.5-Sonnet。

在数学、代码和推理能力方面，DeepSeek-V3在MATH500、AIME2024及Codeforces等多个主流基准测试中，不仅碾压阿里和Meta的最新开源模型，同时超越GPT-4o和Claude-3.5-Sonnet。

深度求索还提到，DeepSeek-V3甚至还在特定基准测试上超过强化推理能力的o1-preview（预览版），如MATH-500，展示其出强大的数学推理能力。

不过，OpenAI早前发布的o1正式版依然是科学、数学和编码等推理领域的王者。在GPQA-Diamond等多个基准评测上，DeepSeek-V3与o1相比均存在明显差距。

此前，业内不少观点认为，开源模型无法追赶闭源模型。但开源的DeepSeek-V3则证明，开源和闭源模型的差距可以缩小，并完全有希望超越闭源模型。

不过，真正引起一众AI大牛赞叹的是，DeepSeek-V3训练成本竟然只用了不到600万美元——准确说是557.6万美元。该模型在由2048块H800组成的GPU集群上训练3.7天，预训练耗时不到两个月就完成，完整训练仅用了278.8万GPU小时。

不过，深度求索强调，该成本仅包括DeepSeek-V3的官方训练，不包括先前与架构、算法或数据的有关研究和消融实验相关成本。

安德烈用“a joke of a budget”（玩笑般的预算）表达了对成本的惊讶。他提到，Llama-3-405B的训练耗时3080万个GPU小时，而DeepSeek-V3看起来是一个更强大的模型，但用了不到280万个GPU小时，这意味计算量仅有Llama-3-405B的1/11。

公开信息显示，Llama-3-405B是在近1.64万块H100 GPU集群上训练，预训练时间为54天，耗时超过2118万GPU小时，成本超过5460万美元，是DeepSeek-V3的10倍多。

此外，类似GPT-4o、Claude-3这样的模型则是在数万块GPU上训练，成本均高达1亿美元，是DeepSeek-V3成本的近18倍。

“这是疯狂的效率，难以置信的进步。”不少网友评价称。Meta AI科学家田渊栋也表示，这是令人赞叹的H800黑客技术，是一项了不起的工作。

不过，需要指出的是，DeepSeek-V3还存在一些局限性，比如英文能力还落后于GPT-4o和Claude-Sonnet-3.5，同时部署要求较高，对小型团队不太友好，且生成速度还有提升潜力。

“我真没法跑，没那么多卡。”有AI博主对搜狐科技提到，FP8框架的模型，磁盘都需要接近1T。“对很多人来说，可能连下载动力都没有。”

DeepSeek在论文中表示，随着更先进硬件的开发，这些局限性有望得到解决。

架构+工程组合创新的胜利

大模型或不再仅靠堆算力

为何DeepSeek-V3能用如此低的成本，训练出可以媲美OpenAI、Meta的最强开闭源模型？

一位从事AI算法工程师对搜狐科技表示，DeepSeek在论文中介绍了在模型架构、训练框架、推理部署、硬件设计、数据构建等方面都进行了组合式的工程创新，提出了很多节约算力、提升效率的策略，并保证了模型效果。

深度求索也在论文中强调，这是基于优化算法、框架和硬件的共同设计而实现。

搜狐科技梳理论文了解到，架构方面，DeepSeek-V3依然基于Transformer框架，但采用了MLA（多头潜在注意力）和独创的DeepSeekMoE（混合专家架构），共同推动了算力成本的下降，这两项创新已在DeepSeek-V2中得到验证。

前述工程师还提到，DeepSeek-V3设计了FP8混合精度训练框架，并验证了可行性和有效性，此前主流选择框架是BF16，这可以说是比较大的突破。同时，通信、内存、硬件等方面也进行了算法设计和协同优化。

此外，DeepSeek-V3还在训练语料库中提高了数学和编程样本的比例，扩展了多语言覆盖范围，在后训练阶段使用了模型生成的数据，并利用强化学习的奖励机制，从而提升了模型性能，尤其是推理能力。

不过，有用户发现，DeepSeek-V3对自己的身份认知出现了错误，称自己是OpenAI创造的模型，引发套壳质疑。业内观点认为，这是由于采用了模型生成的受到污染的训练语料导致。

可以说，DeepSeek-V3持续出圈，是一次架构+工程组合创新的胜利。

贾扬清认为，这是智慧和实用主义在发挥作用：在计算人力限制下，用聪明的研究产生最好的结果。“就像Alex Krizhevsky用2个GPU，而不是超级计算机群，创造出奇迹的AlexNet一样。

英伟达高级研究科学家Jim Fan也提到，资源限制是一件美好的事情，在残酷的AI竞争环境中，生存本能是取得突破的主要动力。

这也引发了对“算力决定论”的质疑，是否意味着前沿大模型不再需要大型GPU集群？

“并不是，但你必须确保不会浪费你所拥有的。但这看起来是一个很好的证明，表明在数据和算法方面还有很多事情要做。”安德烈表示。

有观点认为，这标志着向更精益、更具成本效益的AI开发的转变，通过对底层架构和模型流程的优化，证明了优化算法的发展潜力绝不弱于堆算力。

手握万张GPU储备

“95后天才”刚被雷军挖走

DeepSeek-V3的出圈也让背后公司DeepSeek进一步获得关注。

这家公司位于杭州，成立于2023年7月，创始人是颇为低调的80后梁文锋。他更多为投资圈熟知——量化私募四巨头之一幻方的实控人。

梁文锋本硕就读于浙江大学，学的是电子工程系AI方向。后来，他主要在量化投资领域进行研究，2015年创立幻方量化，其一度成为规模超千亿的量化私募巨头。

据36氪，幻方量化早在2019年就成立了AI团队，为自研的深度学习训练平台萤火投资了十多亿元，是国内除大厂以外少数拥有上万张GPU储备的公司。

随着2023年大模型浪潮爆发，梁文锋把幻方做大模型的团队独立为DeepSeek。但在当时众多创业大佬的光环下，DeepSeek还显得籍籍无名。

直到今年5月，DeepSeek-V2模型开源，并掀起一场持续至今的大模型价格战。因此，DeepSeek被冠以“大模型界拼多多”，并在硅谷成为“神秘的东方力量”。

梁文锋此前在为数不多的采访中强调，DeepSeek追求的是AGI，且不做垂类和应用，短期内也不会融资，“研究和技术创新永远是第一优先级”。

同时，他也非常认可开源的价值，“即使OpenAI闭源，也无法阻止被别人赶超”，希望通过开源，走到技术的前沿，参与到全球创新的浪潮里去，而不是趁机赚一笔。

“可能是2年、5年或10年，总之会在我们有生之年实现。”梁文锋同样信仰AGI，为此押注了自然语言、数学和代码和多模态三个方向。

这也让外界看到了这家公司的人才和创新理念。梁文锋此前表示，公司核心技术岗位基本以应届和毕业一两年的人为主，并尽可能少干预管理，让每个人有自由发挥的空间和试错机会。

DeepSeek-V3论文在最后就列出了约200位贡献者，包括150位研发和工程人员，30多位数据标注人员和18位商业合规人员。

值得注意的是，名单依然写上了10位员工离职，包括最近引发关注的“95后天才”罗福莉。消息称，她已入职小米领导大模型团队，由雷军亲自下场挖人，薪酬或在千万元级别。

罗福莉硕士毕业于北京大学计算语言学研究所，毕业后顶着国际顶会ACL 8篇论文作者的光环加入阿里达摩院，2022年加入幻方量化，后转入DeepSeek参与了DeepSeek-V2的研发。

她曾在社交平台回答“阻碍国内团队研究ChatGPT的障碍”时表示，赞同大家提到的缺乏远见者，但个人认为国内非常缺乏工程型的AI实验室。

“这不是把一堆学术背景好的研发人才放在一起，就能干好的事情，大型工程设计才是核心，目标设定，训练调试，评测反馈，交互体验，数据回流，每一步都需要扎得很深。”

罗福莉还在DeepSeek-V2开源后表示，这是群体智慧的结晶，而做到兼顾模型效果和成本，基本纯靠模型结构创新（MLA+DeepSeekMoE）+超强Infra，“创新力就是第一生产力”。

如今，DeepSeek-V3的进一步出圈，无疑为大模型的发展路径提供了新的可能，并再次验证创新才是实现技术理想的关键。