原创:谭小米
这个年,真的没好好地过!眼睁睁地看着,
Deepseek
被全世界涮爆了,目前还在继续发酵。冲击波都变成了猛烈的飓风。其声势浩大,前所未有。这么大的事儿,必须得写点,记载一下。
1/中国Deepseek,何以造成美国股灾?
Deepseek
是一家中国
AI
公司。全称杭州深度求索人工智能基础技术研究有限公司。该公司于
2025
年
1
月
20
日发布了一款
AI
大模型,叫
DeepSeek - R1
。
正这款中国
AI
大模型,把硅谷整不会了,把华尔街整懵了,同时给美国造成严重股灾。
为啥呢?一款中国
AI
大模型何以至此?
核心原因是
DeepSeek - R1
的训练费用极低,
只花费
557.6
万美元,而
GPT-4
训练费用高达
1
亿美元。可怕的是
DeepSeek - R1
性能与
ChatGPT-4
相媲美,甚至超越。
DeepSeek的横空出世,击破了西方
AI
圈“大力出奇迹”的认知,
意味着以后训练大模型不用再大量购买高昂的算力了,也不用消耗大量的电力。
对世界人工智能
来说,这是中国公司一次里程碑式突破和贡献。
1
月
27
日,
DeepSeek
下载量的爆发式增长。登顶中国和美国苹果应用商店免费应用榜单第一位。
论说这是个件好事啊!但华尔街投资者们认为,未来算力用量会减少,对
AI
半导体企业是个利空。
当日纳斯达克市值前十科技公司总市值开盘缩水近
1
万亿美元,
科技股惨不忍睹。英伟达大跌近
17%
,
单日市值蒸发
5950
亿美元,接近
6000
亿美元,相当于人民币
4.3
万亿,刷新历史记录。博通下跌
17%
,市值跌去
1800
亿美元,相当于人民币
1.3
万亿;台积电下跌
13%
,市值跌去
1500
亿美元,相当于人民币
1.1
万亿元。
这是
美国
历史上最
严重
的
股灾
之一。
这事儿够大的。好像美国的天都要塌下来了。
Meta
成立专门作战室研究,对
DeepSeek - R1
进行解刨。微软
CEO
表示要认真对待,改变了全球
AI
竞争格局。
2/特朗普、英伟达、OpenAI 紧急发声!
当日,特朗普是在佛罗里达州迈阿密举行的共和党会议上就
DeepSeek
紧急
发声
。
特朗普表示
DeepSeek
的崛起应当为美国企业敲响 “警钟”,美国公司 “需要专注于竞争以赢得胜利”,他还认为
DeepSeek
以更快、更低成本开发出人工智能产品是好事,意味着不必花费数十亿美元也能得到同样的解决方案。
福布斯富豪榜显示,英伟达创始人黄仁勋的个人财富,也在
1
月
27
日蒸发超
208
亿美元。甲骨文的拉里·埃里森身价蒸发
276
亿美元,迈克尔·戴尔损失
125
亿美元。谷歌的两位创始人拉里·佩奇和布林各损失超
60
亿美元。
特朗普算是个硬汉,遇大事真的临危不乱。去年大选,当子弹穿过他的耳朵,
他脸上带血仍喊奋斗的英雄形象
,博得了很多选票。人工智能和生成式
AI
大模型可以说是美国的命根子,面对中国
AI
领域的重大成果,
特朗普内心肯定是酸酸的,但他仍视为积极信号。
特朗普认为中国公司开发出
更便宜、更快的人工智能方法是好事
,
意味着美国企业不必投入数十亿资金,花费更少资源也可能得出同样的解决方案。特朗普还
提到中国领导人曾告诉他,美国拥有世界上最杰出的科学家,
所以如果中国产业能开发出更便宜的人工智能技术,美国公司也能够效仿。
股票暴跌之后,英伟达发言人对
DeepSeek R1
模型也进行了回应,
称
DeepSeek R1
是一项出色的人工智能进步。认为
DeepSeek
等
AI
公司的推理需要大量英伟达
GPU
和高性能网络,
DeepSeek
的突破将为英伟达带来更多需求。
英伟达还澄清
DeepSeek
使用的
GPU
完全符合出口标准,驳斥了一些分析师和专家对
DeepSeek
的怀疑。
暗示
DeepSeek
并未违反美国对于英伟达芯片的出口管制规定。
并暗示应该给
DeepSeek
提供英伟达高性能算力,而不是阉割版。
3/DeepSeek
,给世界的一份礼物
一周前,
DeepSeek
还是一个很陌生的名字。
DeepSeek
被刷爆全球?与两个重要人物有关。一个是互联网著名投资人马克・安德森,另一个是黑悟空即《黑神话:悟空》,其创始人冯骥。
2025
年
1
月
24
日,马克・安德森发文称“
DeepSeek - R1
是他见过的
最令人惊叹、最令人印象深刻的突破之一。而且还是开源的,是给世界的一份礼物。”。
冯骥是在
2025
年
1
月
26
日说
Deepseek
可能是国运级的科技成果。
他认为,如果一个
AI
大模型能在强大、便宜、开源、免费、联网、本土这六个方面有所建树,就是重大突破,而
Deepseek
全部同时做到了。
DeepSeek-R1
如此卓越非凡,归于算法的创新,
采用独创的
GRPO
算法,提出
MLA
架构