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！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。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。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。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。
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。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。
