王维嘉：DeepSeek尚不足以撼动中美AI差距格局

　　（图片来源：The Verge）

钛媒体注：本文为硅谷著名企业家&投资家、《暗知识》作者王维嘉在一个企业家社群里的讨论要点，钛媒体APP经授权发布，并略经编辑。

　　眼下科技圈最关注的莫过于Deepseek事件。网络上充斥着各种技术与财务分析。在此，我愿分享一些个人见解，以期为诸位提供更清晰的思路。

　　技术创新的探索之路

　　我在硅谷工作了40年，对技术创新有着深刻的体会。技术创新如同探路者在大山中寻找金矿。尽管有人指出大山中存在金矿，但具体位置却无人知晓。因此，众多探索者涌入，各自寻找不同的方向。

　　回顾人工智能发展历程，自 2012 年图像识别取得首次突破，到后来人工智能在围棋领域的应用，我们可将其视为人工智能 1.0 阶段。彼时，硅谷乃至全球人工智能行业主要聚焦于图像识别和视频识别领域。

　　2017年，谷歌推出Transformer模型，聚焦语言翻译，尤其是英文与法文之间的翻译。然而，谷歌在完成相关研究后，并未深入探索，因为当时业界普遍认为语言翻译市场有限，远不及图像识别和视频识别领域。

　　然而，OpenAI 另辟蹊径，洞察到语言领域的广阔前景。人类智慧多以语言呈现，因此 OpenAI 全力投入研发。尽管当时OpenAI 资源匮乏，与谷歌、微软等巨头相比，人力、财力均相差悬殊，但他们凭借敏锐的洞察力，于2022年11月发布了ChatGPT。

　　这如同在众人行走的阳光大道旁发现了一条小岔道，OpenAI 一头扎进去，竟意外发现了一座金矿，引发了行业的震动。众多从业者纷纷涌入，将此领域开拓成新的阳光大道。

　　此后，行业预训练模型不断加大规模和数据量，但逐渐迷失方向。在此过程中，OpenAI 又做出了新的贡献 —— 推理学习。研究发现，在模型规模并非极大的情况下，通过精心训练推理能力，模型性能可实现大幅提升。2024年 9 月 24 日，OpenAI 发布 o1 model，再一次为行业开辟了新的路径。

　　在这一探索过程中，全球团队，尤其是美国团队，发明了诸多工具，如同更锋利的砍刀与铲子，助力各团队在荆棘丛生的探索之路上加速前行。

　　DeepSeek的开源理想和成功偶然性

　　DeepSeek堪称一支怀揣技术理想的团队。他们坚持开源，与通常领先者秘而不宣的做法不同，选择借助全球智慧共同推进技术发展。

　　在技术发展中，领先者通常会对核心技术有所保留，而落后者则倾向于通过开源汇聚全球智慧推动发展，如 Meta（Facebook）在与OpenAI 的竞争中选择开源。因为开源是一种类似公益社区的精神，阿拉善的企业家就会比较更能理解，就是哪怕不知道有没有收获，但是仍会选择付出。

　　美国有开源的文化，比如软件的开源Linux，比如Wikipedia做成了全世界的字典，中国当时也来拷贝，结果做的很差。在中国，开源文化并不深厚，DeepSeek 能坚持开源，将优质成果与世界共享，实属难得。这体现了美国开源社区精神对中国年轻程序员和企业家的影响，尽管这种影响在国内仍较为稀缺。

　　团队核心人物梁文锋自2013年便开始运用机器学习进行量化投资，团队在机器学习领域已有十余年的经验积累。在技术敏感度上，他们可能早在 ChatGPT 之前就已开始使用 transformer 开发大语言模型，如 2019 年或许就已启动相关工作。同时，团队汇聚了一批国内顶尖人才，在技术探索中，他们利用前人开发的先进工具，在推理模型的基础上又发现了一条新路径 —— 完全自动训练，区别于 OpenAI 的人工训练方式，降低了成本。

　　这种自动推理训练类似于 AlphaGo zero 的模式。AlphaGo 击败李世石后，谷歌工程师尝试让 AlphaGo zero 不依赖人类经验从头学习，结果在短时间内，AlphaGo zero 便超越了击败李世石的旧版 AlphaGo。DeepSeek 在这一路径上深入探索并取得成功，虽然其贡献程度不及 ChatGPT 和推理训练的发现，但也堪称自 ChatGPT 以来第三大重要贡献，将推理成本降低了两个数量级。

　　从技术格局来看，尽管 DeepSeek 的成果缩小了中美在人工智能技术上的差距，但中美人工智能整体格局尚未被撼动。

　　在人工智能技术的几个关键方面，芯片领域中国仍与美国存在较大差距；在算法突破方面，过去十年间，从 2012 年的 alexnet 到2017 年的 transformer，再到 2022 年的 ChatGPT 以及后续的思维链、RAG 和推理训练等重大突破，大多发生在美国，法国的 Mistral 公司也有少量贡献，DeepSeek 的贡献占比约为 5%，但这已然十分了不起。

　　DeepSeek的成功在一定程度上具有偶然性。在一个充满偶然性的科学探索过程中，众多团队在不同的方向上探索，总会有某个团队率先取得突破。中国拥有庞大的 AI 基础和工程师队伍，经过30年的发展，已经与西方建立了良好的交流基础。因此，中国出现像 DeepSeek 这样的团队并不令人意外。这类似于苏联在1957年成功发射第一颗人造卫星，其背后是美国在两次世界大战期间对苏联技术的开放，使得苏联培养了强大的技术基础。然而，一旦苏联闭关锁国，这种技术能力便迅速衰退。

　　AI浪潮前景广阔，目前仍处起步阶段

　　在商业和股市层面，人工智能领域的发展与英伟达密切相关。我在2017 年《暗知识》一书便指出，AI 时代的芯片霸主是英伟达，当时其市值约三百亿美元，此后涨幅近百倍。

　　近期美国股市大跌，部分原因是市场认为算法效率提高会减少对算力的需求，进而降低对英伟达等芯片的依赖。但这是一种静态思维，正如 19 世纪英国经济学家杰文斯发现的一个现象：当蒸汽机的效率大幅提升后，煤炭的消耗量并未减少，反而大幅增加。这一现象被称为“杰文斯悖论”（Jevons Paradox）。其背后的逻辑是：尽管单台蒸汽机的煤炭消耗量减少了，但由于蒸汽机变得更加经济高效，人们开始在更多领域广泛使用蒸汽机，从而导致蒸汽机的总数大幅增加，最终使得煤炭的总消耗量不降反升。

　　同理，AI 模型成本降低将推动 AI 应用的广泛拓展，对芯片的需求也会随之增长。过去，AI 应用面临的一大障碍是成本高昂。以 ChatGPT 为例，用户每次提问都需要支付费用，且随着问题复杂度的增加，计算成本呈指数级上升。例如，回答一个简单问题如“唐朝的第一任皇帝是谁”可能瞬间完成，而回答一个复杂问题如“唐宋之变的核心原因是什么”则需要进行深入分析和佐证，计算时间可能增加百倍甚至更多。

　　如今，AI 已经发展到可以作为智能代理（agent）为用户提供全面服务的阶段。例如，用户计划前往巴西旅游，AI 可以像私人助理一样，从行程规划到酒店预订，再到机票购买，全程提供服务。这一过程的计算成本可能是简单问答的万倍以上。如果每次服务的费用高达10000元人民币，用户可能会望而却步；但如果费用降至100元，用户则会毫不犹豫地使用。因此，低成本的 AI 模型将极大地扩展 AI 的应用场景，可能实现百倍、千倍甚至万倍的增长。

　　对于 Deepseek，外界关注其芯片使用量以及是否存在数据盗用问题。但从其市场定价来看，每次访问成本仅为 OpenAI 的 1/30 且仍有利润，这表明其在成本控制上卓有成效，至于其他问题，目前并无确凿证据，且对其技术价值和市场影响的判断并非关键。

　　DeepSeek 未来能否继续取得重大突破仍是一个未知数。随着团队的知名度提升，政府的高要求和大公司的高薪挖角，可能会对其纯粹的技术追求产生不利影响。能否在这种环境下坚守技术理想，继续前行，是一个值得打问号的问题。

　　AI 浪潮的前景极为广阔，目前仍处于起步阶段，未来十年甚至二十年仍将蓬勃发展。与互联网在20世纪90年代末和21世纪初的发展类似，AI 有望在未来十年到二十年内实现重大突破。

　　更为重要的是，AI 的潜力究竟有多大？目前，包括 OpenAI、Anthropic、Google、微软在内的各大实验室都在积极研发通用人工智能（AGI）。AGI 的定义是：机器能够完成人类绝大部分的智力活动。根据目前的研究进展，AGI 的出现时间可能在两年到五年之间。如果 AGI 成为现实，其市场规模将极为庞大，有望超过互联网市场，达到数万亿美元甚至数十万亿美元的规模。

　　DeepSeek 的技术突破进一步证实了人类有可能以较低成本实现 AGI。如果 AI 的成本过高，甚至超过人力成本，那么其应用范围将受到限制。正如中国许多生产线仍然使用人工而非机器人，因为人工成本更低。只有当机器人的成本远低于人工时，机器人才能广泛普及。DeepSeek 在降低 AGI 成本方面做出了重大贡献，这一点非常值得肯定。