新智元报道
编辑：KingHZ 好困
微软、英伟达、亚马逊等美国云计算平台拥抱 DeepSeek R1。吴恩达、英特尔前 CEO 夸赞 DeepSeek 创新能力。
1 月最后一天，来自 DeepSeek 的热度丝毫不减。
远在大洋彼岸的美国，不仅从业者感受到了前所未有的压力，那些平时对 AI 毫不关心的人，也感受到了来自中国 AI 的震撼——
Anthropic CEO 呼吁美国加强芯片管制力度；OpenAI 寻求硅谷史上最大 400 亿美元单笔融资。
网友们则借助宽松的开源许可，制作出了用 DeepSeek-R1 替代 OpenAI Operator 的教程——不用 200 美元订阅，完全免费！
「俗话」说得好：「打不过就加入」。
一开始便对 DeepSeek 赞赏有加的英伟达，刚刚宣布：「DeepSeek-R1 正式登陆 NVIDIA NIM」。据介绍，在单个 NVIDIA HGX H200 系统上，完整版 DeepSeek-R1 671B 的处理速度可达3,872 Token/秒。
同在今天，亚马逊也在 Amazon Bedrock 和 SageMaker AI 中，上线了 DeepSeek-R1 模型。
曾经冲出来和 OpenAI 一起高调质疑 DeepSeek「偷窃」数据的微软，甚至在前一天就把 DeepSeek-R1 抢先部署在了自家的云服务 Azure 上。
除了科技大厂，AI 初创们也没有放过如此上好的机会。
Windsurf 编辑器同时集成了 DeepSeek-R1 和 V3 模型，并且第一次在编程智能体中，实现了 R1 的工具调用。
Cerebras 不仅实现了比 GPU 快 57 倍的推理速度，而且还报告称，自己部署的 70B 模型在准确率上要比 GPT-4o 和 o1-mini 更高。
中国 AI 正在崛起
在吴恩达看来，本周围绕 DeepSeek 的热议，让许多人清晰地看到了几个一直存在的重要趋势：
-
美国在 GenAI 领域的领先地位正在被中国迎头赶上，AI 供应链格局将被重塑
-
开放权重模型正在推动基础模型层商品化，为应用开发者带来新机遇
-
扩大规模并非通往 AI 进步的唯一途径。尽管算力备受追捧，但算法创新正在快速降低训练成本
中国在 GenAI 领域正在赶上美国
当 ChatGPT 于 2022 年 11 月推出时，美国在 GenAI 领域明显领先于中国。
由于观念的转变十分缓慢，所以吴恩达直到最近，都还能听到不少关于中国仍然落后的论调。
但实际上，双方的差距已经在过去两年中迅速缩小。
随着 Qwen（吴恩达团队已经用了几个月）、Kimi、InternVL 和 DeepSeek 等模型的推出，中国在文本模型上的差距正在缩小，而在视频生成等领域，中国甚至已经展现出了一些领先优势。
如今，DeepSeek-R1 不仅开源了模型权重，而且还分享了一份包含诸多细节的技术报告。
相比之下，一些美国公司却通过渲染人类灭绝等假想的 AI 危险，推动制定法规来阻止开源的发展。
不可否认的是，开源/开放权重模型都是 AI 供应链的关键部分——很多公司都在用。
对此，吴恩达表示：如果美国继续妨碍开源，AI 供应链的这一环节就将由中国主导。
开放权重模型正在使基础模型层普及化
一直以来，LLM 的 Token 价格都在迅速下降，开放权重模型不仅加速了这一趋势，并且还为开发者提供了更多选择。
OpenAI 的输出价格为 60 美元/百万 Token；而 DeepSeek R1 只要 2.19 美元。这种近 30 倍的差异让许多人注意到了价格下降的趋势。
训练基础模型并提供 API 服务充满困难，很多 AI 公司至今仍在寻找收回模型训练成本的途径。
红杉资本的文章「AI’s $600B Question」很好地阐述了这一挑战。
相比之下，在基础模型之上进行应用开发，则有着绝佳的商机。
现在，已经有公司投入了数十亿美元训练出了一些模型，而你只需支付少量费用就能访问。然后，拿去开发客服聊天机器人、邮件摘要工具、AI 医生、法律文档助手等诸多应用。
扩大规模并非 AI 进步的唯一途径
围绕通过扩大模型规模来推动进步的热议有很多，就连吴恩达也是早期的支持者之一。
许多公司为了数十亿美元的融资， 制造「噱头」：
只要有更多资金，他们就能（1）扩大规模并（2）可预测地推动改进。
因此，人们开始过分关注规模的 scaling，而忽视了其他方式取得的进步。
受到美国 AI 芯片禁令的影响，DeepSeek 团队不得不在性能相对较低的 H800 GPU 上跑模型，而这也推动了他们在优化方面的大量创新。最终，模型训练成本（不包括研究成本）不到 600 万美元。
这是否真能减少计算需求仍有待观察。有时，商品的单价变得更低，反而会导致该商品的总支出增加。
吴恩达认为：「从长远来看，对智能和算力的需求是几乎没有上限的，所以即使智能变得更便宜，人类依然会使用更多智能。」
在X上，我们可以看到很多对 DeepSeek 进展的不同解读。就像「罗夏墨迹测试」一样，可以让许多人将自己的理解投射其中。
虽然 DeepSeek-R1 的地缘政治影响仍有待明确，但它对 AI 应用的开发者来说确实是个好消息。
吴恩达的团队已经在头脑风暴一些新的想法，而这些想法之所以成为可能，仅仅是因为我们可以轻松访问一个开放的高级推理模型。
现在仍然是一个创造的好时机！
DeepSeek 带来的三个启示
DeepSeek 的成功，甚至「炸出」了芯片、计算行业的老兵——英特尔前 CEO Pat Gelsinger。
作为业内非常资深的工程师，Gelsinger 认为，现在这些针对 DeepSeek 的反应，忽视了我们在过去五十年计算机发展历程中学到的三个重要教训。
第一：计算遵循「气体定律」
计算会像气体一样， 填满由可用资源（资本、电力、散热限制等）定义的可用空间。
正如在 CMOS、个人电脑、多核处理器、虚拟化、移动设备等众多领域看到的那样，以极低的价格广泛提供计算资源，将推动市场的爆炸性扩张，而不是收缩。
未来 AI 将无处不在，而今天，要实现这一潜力的成本仍然高得离谱。
第二：工程的本质就是应对约束
很明显，DeepSeek 团队面临诸多约束，但他们找到了极具创造性的方法，并以低 10-50 倍的成本，交付了世界一流的解决方案。
美国的禁令限制了可用资源，因此中国的工程师不得不发挥创造力，而他们也确实做到了——价值数百亿美元的硬件、最新的芯片和数十亿美元的训练预算，都不再是必需品。
多年前，Gelsinger 曾采访过最为著名的计算机科学家之一 Donald Knuth。他详细描述了当资源极度受限、进度要求最紧迫时，该如何做出最好的工作。
Gelsinger 表示，这个见解是他工程管理生涯中最重要的启示之一。
第三：开放终将胜利
过去几年，看到正变得越来越封闭的基础模型研究，实在令人失望。
在这一点上，Gelsinger 更认同马斯克而不是奥特曼的观点——我们真的希望，不，是需要 AI 研究的开放性得到提升。
我们需要知道训练数据集是什么，研究算法并对其正确性、伦理和影响进行深入思考。Linux、GCC、USB、WiFi 等众多例子，已经让这一点无比清晰。
在法律、频谱、工程和采用方面的战斗中，开放并不容易，并且始终在受到市场力量的挑战。但只要给一个适当的机会，「开放」每次都会胜出。
AI 对人类未来的重要性不言而喻，因此，绝对不能让一个封闭的生态系统在这个领域成为唯一的主宰。
DeepSeek 是一个令人难以置信的工程壮举——它将推动 AI 实现更广泛发采用，并将帮助重塑行业对开放创新的看法。
正是这样一个来自中国的高度受限的团队，让我们所有人重新想起了这些计算机历史的基本教训。
参考资料：
