春节期间，有一个狠角色热度悄悄盖过了春晚，跑赢了哪吒！没错，它
就是
DeepSeek！
过个节，
DeepSeek日活数超豆包登顶中国No.1，超ChatGPT成全球增长最快AI应用，
总
下载都破4000万！这势头，连实习生都要月薪过万了！
deepseek部分在招职位，图源网络
于是，
政治学家、哈佛大学教授、前国防计划助理部长Graham Allison直接在社交平台爆料：
DeepSeek多模态团队的第4位工程师，做出DeepSeek关键贡献人才，本来可以拿到英伟达的全职offer！
这位教授在X上痛心疾首大呼：
“到底是谁错失了DeepSeek？”
图
源网络
英伟达：虽然是我，但是我也很亏...AI领主身份不稳不说，
还凭空蒸发公司市值上万亿！
快上呼吸机…
钱学森2.0放弃英伟达offer回国
英伟达研究员感慨中国优秀人才
这位让美国错失的人才叫
潘梓正
，是DeepSeek多模态团队的滴4位多工程师，在开发DeepSeek的R1模型方面发挥了重要作用。
他的履历也十分靓丽，
21年就读
蒙纳士
大学
ZIP Lab
攻读计算机科学博士，导师是Bohan Zhuang教授和Jianfei
Cai教授。
在此之前，他分别获得
阿德莱德大学（University of Adelaide）计算机科学硕士和哈尔滨工业大学（威海）软件工程学士学位
。
潘梓正，图
源网络
博士期间，他就展现出了对
深度神经网络效率
的浓厚兴趣和卓越见解。他聚焦于
模型部署、Transformer 架构优化、注意力机制、推理加速和内存高效训练等关键领域
，其研究成果在学术界和工业界都引起了广泛关注。
好富还了解到，其实在23年
潘梓正就去了
英伟达AI算法组实习了4个月
，
还收到了全职offer
。
结果谁都想不到他没去英伟达
，而是
去了当时
仅有3个人的DeepSeek多模态团队
。
潘梓正是DeepSeek-VL2的共同一作，图
源网络
结果一不小心，DeepSeek就爆火超越ChatGPT登顶App Store了。而且美国股市都遭受到了
“DeepSeek冲击”
，作为全球AI芯片龙头的英伟达总市值，更是在
一周内累计缩水5520亿美元（约合人民币4万亿元）。
英伟达的高级研究科学家禹之鼎还发文感慨了
一下。
大概意思就是说，
潘梓正放弃offer加入
DeepSeek他
印象深刻
。
但也说明
很多最优秀的人才都来自中国，
而这些人才并不一定只能在美国公司取得成功。
如果他们继续编织地缘
政治议程，制造对中国研究人员的敌对情绪，只会自毁前程，失去更多的竞争力。
图
源网络
这番话简直说到了那位爆料的哈佛教授心坎里去了，Graham Allison太看不得这种
人才流失
了，甚至
从潘梓正聊到了钱学森归国
，直接表示：在中美科技竞争里，美国应该尽一切努力
避免失去更多的钱学森和潘梓正这样的人才
。
图
源网络
既然哈佛教授都这样说了，那还不赶快多在中国招招生，这样不管是潘梓正2.0还是钱学森3.0，不都到你手中了（勾引脸.JPG)。
DeepSeek夺得眼球让
OpenAI
可坐不住了，
公开表示DeepSeek用了自家的蒸馏模型。
LeX Fridman看热闹不嫌事大，邀请了
AI2的模型训练专家Nathan Lambert和Semianalysis硬件专家Dylan Patel
，做了一个长达5小时的播客讨论这些事。
图
源网络
Lex Fridman表示：他们和大多数公司一样，本来就是在未经许可的情况下，使用互联网上的数据进行训练，并从中受益的。
大佬们一致认为，
OpenAI声称DeepSeek用其模型训练，就是在试图转移话题、让自己独赢
。
而且，过去几天还有很多人把DeepSeek的模型蒸馏到Llama中，因前者在推理上运行很复杂，而Llama很容易提供服务，这违法吗？
不过后来
OpenAI公司首席执行官萨姆·奥特曼（Sam Altman）也坦诚，公司在开源问题上站在“历史的错误一方”
。
奥特曼还表示DeepSeek正在推动OpenAI公司更多地揭示其推理模型的“思考过程”，之前由于
担忧竞争对手抓取数据用于训练自己的模型，OpenAI故意隐藏了模型的推理过程
。与之相比，
DeepSeek的R1模型展示了完整的思维链。
当然几位大佬还讨论了其它问题，比如DeepSeek怎么这么便宜？
要知道DeepSeek的R1模型在技术上实现了重要突破——
用纯深度学习方法让AI自发涌现出推理能力，在数学、代码、自然语言推理等任务上
，性能比肩OpenAI的o1模型正式版。
Dylan Patel表示，那是因为DeepSeek的训练成本和推理成本都很低，且
训练成本仅有560万美元
，远低于美国科技巨头的数亿美元乃至数十亿美元投入。
而DeepSeek的成本涉及两项关键的技术：
一个是MoE，一个就是MLA（多头潜注意力
）。
用MoE架构让大模型学会“分组办公”——平时
只激活3%的脑细胞（370亿参数）
干活，效率吊打传统模型的全员加班模式
（Llama要激活4050亿参数）
。
MLA技术把
注意力机制内存砍
掉80-90%
，长文本处理稳如老狗。配合自研的
“GPU交
通管制”
系统，精准调度每个芯片的运算和通信，
比直接调用英伟达库节省30%算力！
而且，DeepSeek和OpenAI的服务成本有巨大差异，部分原因是
OpenAI的利润率非常高，推理的毛利率超过了75%
。因为OpenAI目前是亏损的，在训练上花费了太多，因此推理的利润率很高。
于是几位大佬纷纷猜测，
这是不是DeepSeek精心策划的定价，直接做空英伟达和美国股票……
Dylan Patel无语并大佬式摊手，他们只是赶在农历新年前把产品尽快发布而已，
并没有没有打算搞个大的
，否则为什么选在圣诞节后一天发布V3呢？
总而言之，
DeepSeek的创新不仅推动了AI模型的普及，也为AI基建产业链的各个环节带来了新的机遇与挑战。
从DeepSeek的人才之战也可以看出
，
随着AI技术的不断进步，
AI基础设施的建设将成为全球科技行业的核心驱动力之一。
如果你也对人工智能等领域感兴趣
，想提高申请效率，斩获梦校offer！不要犹豫，报名盐趣课程绝对是最正确的、性价比最高的选择，心动不如行动起
来！
来盐趣！跟随TOP30大牛导师做科研，发论文，拿推荐信，绝对是上岸名校性价比最高的途径。
