王炸！王炸！王炸！重要的事情说三遍！ 春节期间，DeepSeek，这家带着神秘东方力量的AI新贵，扔出了一颗重磅炸弹！开源的DeepSeek-R1和DeepSeek-V3，性能直逼GPT-4，价格却低到令人发指！ 什么概念？这就是降维打击！这就是王道！
还记得当初那个高喊着“为了全人类福祉”的OpenAI吗？如今却躲在资本的怀抱里瑟瑟发抖，将“Open”二字抛诸脑后，彻底沦为了金钱的奴隶！ 而DeepSeek，这家来自中国的AI新贵，却选择了另一条路——一条充满挑战、充满争议，但也充满希望的开源之路！
想知道DeepSeek凭什么敢和OpenAI叫板？想知道AI的未来究竟路在何方？别急，非子爱今天就带你扒一扒这场AI风暴背后的真相！
这次，Lex Fridman这个“AI网红”请来了两位重量级嘉宾：一位是SemiAnalysis的首席分析师Dylan Patel，这家伙对半导体行业了如指掌，堪称“芯片活字典”；另一位是Allen Institute for AI (AI2)的资深研究员Nathan Lambert，妥妥的AI技术大牛。 这两个人凑在一起，简直就是王炸组合！他们和Lex Fridman一起，把DeepSeek的技术、战略、乃至整个AI行业的未来都聊了个底朝天！
这场对话，信息量爆炸！干货满满！ 非子爱我熬夜爆肝，把里面的精华内容都给你们提炼出来了！准备好迎接这场AI盛宴了吗？系好安全带，发车了！
DeepSeek：开源的“异教徒”，AGI的“破壁人”！
1. DeepSeek-R1与DeepSeek-V3：技术王炸，性能怪兽！
DeepSeek这次扔出的王炸，就是DeepSeek-V3和DeepSeek-R1这两款开源大模型。V3，基础模型，能写会画，样样精通；R1，专精推理，逻辑怪兽，复杂问题，迎刃而解！
1.1 技术硬核：MoE、MLA，还有“祖传”底层优化，一个都不能少！
• 混合专家模型（MoE）：如果把AI模型比作一个团队，那么MoE就是“精英团队”模式。每个“专家”各司其职，只负责自己擅长的领域。DeepSeek-R1的MoE架构，拥有数百个专家，每次推理却只需激活极少部分专家！省时！省力！省钱！ Dylan Patel直言：“DeepSeek的MoE可能是目前世界上最先进的实现！”
• 多头潜注意力机制（MLA）：这是DeepSeek的独门秘籍！传统的注意力机制就像是一个“管家”，一次只能关注一个地方。而MLA则像是一个“八爪鱼”，可以同时关注多个地方，还能把这些信息融会贯通！ Nathan Lambert赞叹道：“MLA能节省80%-90%的内存！这在处理长文本时简直是救星！”
• “祖传”底层优化: DeepSeek的工程师们可不是吃素的！他们甚至深入到CUDA底层，像庖丁解牛一样，把代码一行一行地优化到了极致！ 为了榨干GPU的每一滴性能，他们还开发了自定义的通讯库，简直是把“压榨”精神发挥到了极致！这种对技术的极致追求，令人叹服！
1.2 DeepSeek-R1：会思考的AI，才是真的AI！
DeepSeek-R1最牛的地方，就是它的推理能力！它不仅仅是简单地回答问题，而是像人类一样，会思考、会推理、会反思！ 不信？你给它出一个刁钻的问题：“关于人类的一个真正新颖的见解”。
R1会怎么做？它会像一个智者一样，先深入分析问题，然后列出几个可能的答案，再逐一推敲，最后，它会给你一个让你拍案叫绝的答案：“人类本能地将自私的欲望转化为合作系统，通过集体假装抽象规则、金钱、法律、权利是真实的。这些共同的幻觉充当了“游戏”，竞争被暗中重定向以使群体受益，将冲突转化为社会的燃料。”
这还是AI吗？这简直就是哲学家在世啊！ 更重要的是，R1的思考过程完全透明！你可以看到它是如何一步步得出结论的，这种感觉就像是和一个智者在对话，而不是面对一个冷冰冰的机器！
1.3 DeepSeek-V3：样样精通的全能选手！
R1擅长推理，V3则是全能选手。写文章、编代码、做翻译……就没有它不会的！ V3的强大，源于其庞大的参数规模和海量的训练数据。DeepSeek团队用海量的互联网文本数据训练V3，让它掌握了各种语言的精髓。
2. 开源：DeepSeek的“阳谋”！
DeepSeek选择开源，这步棋走得可谓是“阳谋”！一方面，开源可以迅速扩大DeepSeek的影响力，吸引全球的开发者参与进来，共同完善DeepSeek的生态。另一方面，开源也展现了DeepSeek的自信和格局，他们不怕竞争，反而希望通过开放合作来推动整个行业的发展。
正如Nathan Lambert所说：“开源可以避免AI技术被少数公司垄断，让更多人受益。” DeepSeek R1 采用的 MIT 协议, 是非常宽松的协议，允许用户在任何场景下使用模型，包括商业用途，甚至可以使用模型的输出来创建合成数据。 这为开发者提供了极大的自由度，但也增加了模型被滥用的风险。
2.1 开源的风险与机遇：一把双刃剑！
开源是一把双刃剑，既有机遇，也有风险。最大的风险莫过于模型被滥用，例如被用来制造虚假信息、开发恶意软件等等。此外，开源AI的商业模式也 এখনও探索之中，如何盈利，如何持续发展，都是摆在DeepSeek面前的难题。
2.2 DeepSeek的底气：强大的技术实力和清晰的战略
DeepSeek敢于开源，底气何在？首先，当然是其强大的技术实力。MoE、MLA、底层代码优化，这些都是DeepSeek的“独门绝技”，也是其在AI领域立足的根本。其次，DeepSeek背后有着雄厚的算力支持，这为其模型的训练和迭代提供了坚实的保障。最后，DeepSeek有着清晰的战略规划，他们不仅要做最好的AI模型，更要做最开放的AI平台。
算力：AI竞赛的入场券，更是决胜的关键！
1. High-Flyer：DeepSeek背后的算力巨鳄
DeepSeek的背后，站着一个神秘的巨人——High-Flyer，一家业内领先的高频交易公司。这家公司，才是DeepSeek真正的算力来源！ 早在2021年，High-Flyer就豪掷千金，购买了1万块NVIDIA A100 GPU，并在之后的几年里持续扩充算力。如今，DeepSeek拥有的GPU数量，估计已经达到了惊人的5万块！
High-Flyer的CEO梁文锋，更是一位传奇人物。他不仅是金融界的精英，更是一位高瞻远瞩的战略家。他看到了AI的巨大潜力，并毅然决然地将公司资源向AI领域倾斜。可以说，没有梁文锋的远见卓识，就没有今天的DeepSeek。 High-Flyer长期使用AI和GPU进行量化交易，他们在自然语言处理方面有着深厚的技术积累。该公司很早就意识到AI的巨大潜力，并开始将其在高频交易领域积累的算力优势和技术经验应用于AI模型的训练。DeepSeek的算力集群规模足以与Meta、Anthropic等美国AI巨头相媲美，甚至可能超过了OpenAI。
2. AI超级集群：一场没有硝烟的战争！
DeepSeek的崛起，只是全球AI算力竞赛的一个缩影。如今，各大科技巨头都在疯狂建设AI超级集群，这是一场没有硝烟的战争，也是一场关乎未来的战争！
• OpenAI的Stargate项目：计划耗资千亿美元，构建一个拥有数百万GPU的超级集群。预计将消耗高达2.2GW的电力。
• Meta的AI集群：已拥有数十万GPU，并计划进一步扩大规模。目前Meta已经拥有约15万块H100级别的GPU算力。他们正在路易斯安那州建设大型天然气发电厂。
• Google的TPU集群：Google拥有全球最大的TPU集群，用于支持其内部的AI研究和应用。他们在爱荷华州和内布拉斯加州拥有多个大型数据中心。
• Elon Musk的xAI：在孟菲斯建立了一个拥有20万块GPU的数据中心，并计划进一步扩建。伊隆马斯克还计划在孟菲斯建设自己的天然气发电厂。
这场算力竞赛的背后，是各大公司对AI未来发展趋势的判断。他们认为，算力是AI发展的核心驱动力，拥有更强大的算力，就意味着在未来的AI竞争中拥有更大的优势。正如Dylan Patel所说：“这是一场‘军备竞赛’，各大公司都在争相建设更大规模的AI超级集群。”
3. 电力：比黄金还贵的“新石油”！
AI超级集群的建设，也带来了巨大的能源挑战。正如Dylan Patel所指出的：“数据中心的能耗占比将会大幅提升，电力将成为AI时代的‘新石油’。” 据估计，到2030年，美国数据中心的耗电量将达到惊人的10%，其中大部分都将用于AI计算。
以OpenAI的Stargate项目为例，该项目预计将消耗高达2.2GW的电力，这相当于一座大型城市的用电量。如此巨大的能耗，对电力供应和基础设施都提出了严峻的挑战。未来，谁掌握了电力，谁就掌握了AI的命脉！
4. 数据中心：寸土寸金的“新战场”！
数据中心是AI时代的“新工厂”，它们为AI模型的训练和推理提供了必要的算力支持。未来，数据中心的建设将成为各国竞争的焦点。目前，美国在数据中心建设方面处于领先地位，但中国也在积极追赶。
5. 从芯片到系统：这是一场全方位的“军备竞赛”！
AI领域的竞争不仅仅是模型的竞争，更是算力、算法、数据、人才等全方位的竞争。从芯片设计制造到数据中心建设运营，再到AI模型的训练和应用，每一个环节都至关重要。
5.1 芯片：AI的“心脏”
芯片是AI系统的核心，其性能直接决定了AI模型的训练速度和推理效率。目前，NVIDIA的GPU在AI芯片市场占据主导地位，但其他公司也在积极研发自己的AI芯片，例如Google的TPU、Amazon的Trainium和Inferentia、Meta的MTIA，以及Intel的Gaudi等。
5.2 算法：AI的“大脑”
算法是AI模型的灵魂，它决定了AI模型如何学习和推理。近年来，深度学习算法取得了重大突破，特别是Transformer模型的出现，极大地推动了自然语言处理和计算机视觉等领域的发展。
5.3 数据：AI的“食物”
数据是AI模型的“食物”，模型的性能很大程度上取决于训练数据的质量和数量。拥有大规模、高质量的数据集是训练出强大AI模型的关键。
5.4 人才：AI的“创造者”
人才是AI产业发展的核心要素。AI领域需要大量的工程师、科学家和研究人员，他们负责开发新的算法、设计新的模型、构建新的系统，并推动AI技术的应用。
开源 VS 闭源：AI发展的十字路口
1. DeepSeek的开源策略：是“馅饼”还是“陷阱”？
DeepSeek选择将其模型开源，这一策略既带来了机遇，也带来了挑战。开源可以促进AI技术的普及和创新，让更多人参与到AI的开发和应用中来。但同时，开源也存在安全风险，例如模型可能被用于恶意目的，或者被嵌入难以察觉的后门。
正如Nathan Lambert所说：“开源AI并不一定比闭源AI更安全，开源模型也可能被恶意利用。” DeepSeek R1 采用的 MIT 协议, 是非常宽松的协议，允许用户在任何场景下使用模型，包括商业用途，甚至可以使用模型的输出来创建合成数据。 这为开发者提供了极大的自由度，但也增加了模型被滥用的风险。
2. 商业模式之争：开源如何赚钱？
开源AI的商业模式也是一个亟待解决的问题。目前，大多数开源AI项目都依靠捐赠或提供付费服务来维持运营。但这种模式是否可持续，仍然是一个未知数。
3. OpenAI的商业化之路：API与订阅模式能否走通？
OpenAI则选择了另一条道路：商业化。OpenAI通过提供API接口和订阅服务，将其AI模型商业化。这种模式可以为OpenAI带来稳定的收入来源，支持其持续的研发投入。然而，OpenAI的商业化模式也引发了一些争议，例如其与微软的合作关系，以及其模型的封闭性。
4. 闭源的围城：保护主义还是画地为牢？
闭源模式可以更好地保护知识产权，并控制模型的使用方式。但是，闭源模式也限制了AI技术的普及和创新。
5. 未来的平衡：开源与闭源的共舞
未来，开源和闭源模式可能会长期共存，并相互补充。开源模式可以促进AI技术的普及和创新，而闭源模式则可以更好地保护知识产权，并控制模型的使用方式。正如Nathan Lambert所说：“我们需要探索出一条既能保护创新又能兼顾安全的道路。”
超越“人工智障”：AI的无限可能
1. AI智能体：从“工具”到“伙伴”的进化
AI智能体是指能够自主执行任务的AI系统，被认为是AI未来发展的重要方向。目前，AI智能体还处于初级阶段，但其潜力已经开始显现。例如，AI智能体可以用于自动化客户服务、驾驶、甚至科学研究等领域。
正如Dylan Patel所预言的：“软件工程的成本将会大幅下降，企业将可以快速构建定制化的解决方案，而无需依赖平台化的SaaS服务。” 这将深刻改变软件产业的格局。Nathan Lambert则预测：“未来几年，大量简单AI智能体将被开发出来，它们将能够胜任各种简单任务。”
然而，开发真正强大的AI智能体仍然面临着巨大的挑战。AI智能体需要具备感知、理解、推理、决策、执行等多种能力，并且能够在复杂、动态的环境中可靠地运行。
2. 编程革命：AI将如何改变程序员的命运？
AI的快速发展也引发了人们对程序员未来职业发展的担忧。一些人认为，AI将取代程序员的工作。但也有人认为，AI将成为程序员的得力助手，帮助他们更高效地编写代码。
Nathan Lambert 认为：“软件工程师的数量会趋于稳定甚至减少，但他们不会消失。”未来，程序员的角色可能会发生转变，他们需要更多地与AI协作，并专注于更高层次的软件设计和架构工作。同时，程序员也需要不断学习新的技能，以适应AI时代的发展需求。
Dylan Patel 进一步指出：“程序员需要成为某个领域的专家，并将AI技术应用到该领域。” 例如，在航空航天领域或半导体领域，工程师可以利用AI工具来提升工作效率，解决复杂问题。
3. 算力竞赛与技术突破：永无止境的“摩尔定律”
AI的发展离不开算力的支撑，也离不开技术的不断突破。未来，我们有望看到更多创新的AI模型架构、更高效的训练方法，以及更强大的AI芯片的出现。正如Nathan Lambert所说：“这是一个激动人心的时代，每天都有新的突破。”
4. AI的“七宗罪”：伦理与安全的警钟
AI技术的发展也带来了一系列伦理和安全问题。例如，AI模型可能会产生偏见或歧视性的内容，AI系统可能会被用于恶意目的，AI的决策过程可能缺乏透明度等等。这些问题都需要我们认真思考和解决。
正如Dylan Patel所担忧的：“具有超级智能的AI，如果被少数人掌握，可能造成严重的社会问题。” 因此，我们需要制定相应的法律法规和伦理准则，确保AI技术的发展符合人类的利益。
5. DeepSeek-R1与OpenAI o3-mini：各有千秋的“华山论剑”
在播客录制后，OpenAI发布了其o3-mini模型。根据Lex Fridman的测试，在开放式哲学问题上，o1-pro表现最佳，其次是DeepSeek-R1, 然后是Gemini Flash 2.0，最后是o3-mini。 但是在其他方面，o3-mini表现非常出色，甚至超过R1。这表明不同的模型各有优势，在不同的任务上表现也不同。在播客中，Lex Fridman本人亲自体验了o3-mini和DeepSeek-R1，并对它们的表现进行了比较。他认为，o3-mini在处理一些需要创造力和想象力的任务时表现得更好，而DeepSeek-R1在处理一些需要逻辑推理的任务时表现得更好。
6. 英伟达：稳坐钓鱼台的“AI霸主”
当前，英伟达在AI芯片领域占据绝对的领先地位，其GPU是训练AI模型的事实标准。然而，随着AI芯片市场的不断扩大，越来越多的公司开始进入这一领域，试图挑战英伟达的霸主地位。
例如，谷歌的TPU已经在其内部的AI应用中得到了广泛应用，并且谷歌也在不断提升TPU的性能。此外，亚马逊、Meta等公司也在开发自己的AI芯片。
尽管目前还没有一家公司能够在性能上完全超越英伟达，但这些公司的努力无疑给英伟达带来了一定的压力。未来，英伟达能否继续保持领先地位，将取决于其自身的创新能力以及市场竞争格局的变化。
7. 算力之外：模型优化的无尽潜力
除了强大的算力之外，模型优化也是提升AI性能的关键因素。DeepSeek-R1之所以能够在性能上与GPT-4相媲美，很大程度上得益于其在模型架构和训练方法上的优化。
例如，DeepSeek-R1采用的MoE架构和MLA机制，都有效地提升了模型的效率，降低了对算力的需求。这表明，通过模型优化，可以在有限的算力条件下实现更高的AI性能。
8. 人机协同：AI时代的“最优解”
尽管AI技术发展迅速，但人类在AI发展中仍然扮演着至关重要的角色。人类需要负责定义AI的目标、设计AI的架构、训练AI的模型，并监督AI的运行。
正如Nathan Lambert所强调的：“人类的判断力和创造力仍然是AI无法替代的。” 未来，人机协作将成为AI发展的主要模式，人类和AI将共同推动社会进步。
中美AI竞赛：没有硝烟的“新冷战”
中美两国在AI领域的竞争日益激烈，这场竞争既有合作，也有对抗。
1. 美国的优势与挑战
美国在AI领域拥有先发优势，其在芯片设计、软件开发、人才储备等方面都处于领先地位。然而，美国也面临着一些挑战，例如数据隐私保护、AI伦理规范等问题。
2. 中国的机遇与挑战
中国在AI领域的发展速度非常快，其在数据资源、应用场景等方面具有独特的优势。然而，中国也面临着一些挑战，例如芯片制造、基础研究等方面与美国还存在差距。
3. 未来的合作与竞争
中美两国在AI领域的竞争将是一个长期过程。未来，两国可能会在一些领域展开合作，例如共同制定AI伦理规范、推动AI技术的应用等。但在另一些领域，两国也将会展开激烈的竞争，例如争夺AI人才、抢占AI市场等。
AI的未来，人类的未来！
DeepSeek的崛起只是AI浪潮中的一朵浪花，未来的AI世界将更加精彩纷呈。正如Nathan Lambert所说：“如果我们能够让更多人理解AI，参与到AI的建设中来，那么AI的未来将更加美好。” 让我们拥抱AI时代的无限可能，共同创造一个更加美好的未来！
推荐阅读
• DeepSeek官网: https://www.deepseek.com/
• Lex Fridman(#459)期播客: https://lexfridman.com/deepseek-dylan-patel-nathan-lambert-transcript
2024 年度 AI 报告(一)：Menlo 解读企业级 AI 趋势，掘金 AI 时代的行动指南 2024年度AI报告(二)：来自Translink的前瞻性趋势解读 - 投资人与创业者必看 2024年度AI报告(三)：ARK 木头姐对人形机器人的深度洞察 2024年度AI报告(四)：洞察未来科技趋势 - a16z 2025 技术展望 2024年度AI报告(五)：中国信通院《人工智能发展报告（2024）》深度解读 2025 AI 展望 (一)：LLM 之上是 Agent AI，探索多模态交互的未来视界 2025 AI 展望 (二)：红杉资本展望2025——人工智能的基础与未来 2025 AI 展望(三)：Snowflake 洞察 - AI 驱动的未来，机遇、挑战与变革 2025 AI 展望(四)：OpenAI 的 AGI 经济学
