🔗 《2024 中国开源开发者报告》正式发布
在线阅读： https://talk.gitee.com/report/china-open-source-2024-annual-report.pdf
全网热议 DeepSeek 的万字报告背后，我们究竟该关注什么？
过去 24 小时，Anthropic 首席执行官 Dario Amodei 对 DeepSeek 的万字报告在 AI 科技圈掀起千层浪。
还没看的可以前往这篇文章：Anthropic 创始人 Dario Amodei 亲笔撰文：DeepSeek 崛起倒逼白宫强化 AI 监管
在信息过载的时代，大家容易被碎片化解读和片面的观点带节奏，造成认知偏差。
我挑选了三位在全球 AI 领域具有权威身份的专家和学者，相信通过他们的交叉解读，将会带你穿透表象看本质。
接下来，就让我们与顶尖大脑一起冷静剖析这场牵动全球 AI 科技格局的深度对话。
吴恩达（Andrew Ng） “ 吴恩达是斯坦福大学计算机科学系和电机工程系的副教授，人工智能实验室主任。是人工智能和机器学习领域国际上最权威的学者之一。也是在线教育平台 Coursera 的联合创始人，DeepLearning.AI 创始人，曾担任百度公司首席科学家。2024 年，亚马逊将吴恩达纳入其董事会。
亲爱的朋友们，本周关于 DeepSeek 的讨论，让很多人更加清晰地看到了几个已经在公开视野中发生的重要趋势：
中国在生成式 AI 领域正在追赶美国，并且这一进展将影响到全球的 AI 供应链； 开放权重模型正在逐渐将基础模型层商品化，从而为应用开发者带来了更多机会； 规模化并不是 AI 进步的唯一途径。尽管目前大家对处理能力有很高的关注度和炒作，但算法的创新正在迅速降低训练成本。 大约一周前，DeepSeek，一家中国公司，发布了 DeepSeek-R1 这一出色的模型，它在多个基准测试中表现不输 OpenAI 的 o1。更值得注意的是，这款模型作为开放权重模型发布，并且采用了 MIT 开源许可协议。
上周在达沃斯论坛期间，我收到很多非技术类商业领袖的提问。而就在周一，股市出现了“DeepSeek 抛售潮”：Nvidia 英伟达和其他一些美国科技公司的股价大幅下跌。（截至写作时，股价已略有回升。）
我认为，DeepSeek 让很多人意识到了以下几点：
中国在生成式 AI 领域正在追赶美国 2022 年 11 月 ChatGPT 发布时，美国在生成式 AI 领域遥遥领先。尽管印象改变往往较慢，但即便最近，我还听到很多来自美国和中国的朋友表示，认为中国仍然落后。但事实上，在过去两年里，这一差距已经迅速缩小。
随着中国一些模型如 Qwen（我的团队已经使用了几个月）、Kimi、InternVL 和 DeepSeek 的发布，中国在这一领域显然在追赶，而且在视频生成等领域，甚至已经有时超越了美国。
我非常高兴 DeepSeek-R1 作为开放权重模型发布，并且附带了详细的技术报告。相比之下，一些美国公司则不断推动出台监管措施，借助炒作 AI 灾难（如人类灭绝）来打压开源。
现在已经显而易见，开源和开放权重模型是 AI 供应链的重要组成部分，许多公司将使用它们。如果美国继续压制开源，中国将主导这一供应链的部分，许多企业最终将使用更符合中国价值观的模型，而非美国的。
开放权重模型正在将基础模型层商品化 正如我之前所说，LLM 的 token 价格正在快速下降，而开放权重模型助推了这一趋势，并为开发者提供了更多选择。例如，OpenAI 的 o1 模型每百万输出 token 的价格为 60 美元，而 DeepSeek R1 的价格仅为 2.19 美元。这一近 30 倍的价格差异，让许多人意识到价格下降的趋势。
训练基础模型并提供 API 接入服务是一个充满挑战的行业。许多从事这一领域的公司仍在寻找方法来弥补巨额的训练成本。文章《AI 的 6000 亿美元问题》很好的展示了这一挑战（但我认为这些基础模型公司做得非常棒，我希望它们能成功）。
相比之下，在基础模型上构建应用程序则创造了很多商业机会。现在，其他公司已经花费数十亿美元训练出这些模型，你只需花费几美元就能使用这些模型，构建客服聊天机器人、邮件摘要、AI 医生、法律文件助手等各种应用。
规模化并不是 AI 进步的唯一途径 关于规模化推动 AI 进步的讨论最近有些过热。公平地说，我曾是规模化早期的支持者。许多公司通过炒作“只要获得更多资本，就能扩大规模并且稳定地推动改进”这一论调，成功筹集了大量资金。
因此，大家过于专注于规模化，而忽视了推动 AI 进步的其他更多途径。受美国 AI 芯片禁运的影响，DeepSeek 团队不得不进行大量优化，最终使得模型在性能较差的 H800 GPU 上也能运行，成本控制在不到 600 万美元（不包括研发费用）。
目前尚不清楚这一举措是否真的会减少对计算能力的需求。有时每个单位商品的价格下降反而会促进更多的购买。我认为，在长远来看，智能和计算的需求几乎没有上限 ，因此，我对未来人类将使用更多智能持乐观态度，即使这种智能变得更加便宜。
我在社交媒体上看到很多对 DeepSeek 进展的解读，就像一场罗夏墨迹测试，大家根据自己的理解对其进行解读。我认为 DeepSeek-R1 的发布具有深远的地缘政治意义 ，尽管这还需要进一步分析。
此外，它对于 AI 应用开发者也是一次巨大的机会 。我的团队已经开始头脑风暴，探索一些新的创意，这些创意只有通过轻松访问开放的高级推理模型才能实现。现在依然是创业的好时机 ！
帕特·基辛格（Pat Gelsinger） “ 帕特·基辛格（Pat Gelsinger）是全球芯片巨头英特尔的前任首席执行官，同时也是一位拥有逾四十年技术领导和经验的电气工程专家。
智慧：重新学习那些我以为早已明白的教训 DeepSeek 的反响令人非常关注，我觉得很多反应都忽视了过去五十年计算机发展中的三大重要教训。
首先是计算遵循气体定律 也就是说，计算能力会填满所有可用资源所允许的空间（包括资金、电力、热量等资源）。就像我们在 CMOS、个人电脑、多核处理器、虚拟化、移动设备等技术中看到的那样，当计算资源变得更加普及且价格大幅下降时，市场将会迎来爆炸性增长，而非萎缩。
AI 将在各行各业普及，但今天，要实现这一潜力的成本仍然高得离谱。我记得第一次用互联网浏览器时的震撼，简直不可思议。现在，如果你是个青少年，互联网几乎是你每时每刻的生活一部分。市场的反应其实是错的，降低 AI 成本，市场将会迎来大规模扩展 。现在，我是英伟达和 AI 相关股票的投资者，很高兴能从价格下降中获益。
工程往往是在约束条件下进行的 DeepSeek 团队显然面临了很多限制条件，但他们找到了一些创新的方式，在各个方面实现了世界级的解决方案，且成本低了 10 到 50 倍。由于出口法规的限制，中国的工程师们不得不发挥极大的创造力，而他们也成功做到了。
他们不需要花费数十亿美元购买最新的硬件、芯片，也不需要庞大的训练预算。记得几年前，我曾面试过计算机科学界的传奇人物、可能是我们时代最伟大的科学家之一唐纳德·克努斯。他曾详细讲述，自己如何在资源最匮乏、时间压力最大的时候，做出最佳的工作。我至今将这个观点视为我工程管理生涯中最重要的收获之一。
开放才是胜利的关键 近年来，看到基础模型的研究变得越来越封闭，实在让人失望。在这一点上，我更倾向于支持埃隆·马斯克，而不是山姆·阿尔特曼。我们真正希望，甚至需要，AI 研究能够更加开放。我们需要知道训练数据集是什么，深入研究算法，并从正确性、伦理和社会影响等角度进行反思 。
Linux、Gcc、USB、Wifi 等开源项目的巨大成功，已经让所有计算机学者深刻意识到，开放的力量。尽管在法律、频谱、工程、市场采纳等方面，开放总是面临各种挑战，但每次只要给开放一个机会，它最终都会赢得胜利。AI 在我们未来的生活中至关重要，绝不能让任何封闭的生态系统成为这个领域的唯一选择。
DeepSeek 是一次令人惊叹的工程成就，它将推动 AI 的普及。它也将帮助重新塑造业界对开放创新的看法。正是一个受限的中国团队，提醒了我们这些计算机历史中的基本教训。
托马斯·沃尔夫（Thomas Wolf） “ 托马斯·沃尔夫是 HuggingFace 的联合创始人，HuggingFace 可以理解为一个为人工智能开发者提供资源和工具的开源平台，类似于编程领域的 GitHub。
我终于抽出时间仔细阅读了 Dario 关于 DeepSeek 和出口管制的文章，说实话，读起来真的是有些痛苦。作为 Anthropic 的粉丝和 Claude 的重度用户，我本来期待更多的东西。
文章的前半部分，感觉像是在强行证明闭源模型仍然远远领先于 DeepSeek。虽然有一些提到 DeepSeek 的内部评估，但很多结论都基于未公开的评估数据，这让人难以完全信服 。
而像「DeepSeek-V3 在一些非常小范围的任务上比 SOTA 模型强」这样的说法，最终变成了「DeepSeek-V3 比美国前沿模型差，差距约为 2 倍」，让我产生了不少怀疑。
类似地，文章还提到 DeepSeek 所有的突破和效率提升早就被闭源模型公司发现了，这主要是因为 DeepSeek 公开的训练成本数据（600 万美元）和 Anthropic 提供的模糊数据（几千万美元）之间的对比。
尽管我对 Anthropic 团队非常钦佩，也对 Sonnet 3.5 印象深刻，但这种长篇的开放研究与模糊闭源研究对比，令我对其领先地位产生了不少疑问。
更令我沮丧的是文章后半部分，它探讨了美中竞争的情景，却忽略了 DeepSeek 模型是开源权重，并且由于其详细的技术报告，很多知识也已经公开（你可以通过 Hugging Face 的 open-r1 项目来复现大部分技术，除了合成数据集）。
如果 DeepSeek 和 Anthropic 都是闭源的，那么「军备竞赛」的解释可能有道理，但一个开源的模型已经广泛可用，并且有详细的科学报告，这使得「闭源军备竞赛」的观点显得有些不现实。
核心问题是：开源不分国界。
全球任何公司，无论位于欧洲、非洲、南美，还是美国，都可以自由下载并使用 DeepSeek，而不需要担心将数据传输到特定国家（如中国），也不必依赖某家公司或服务器来运行核心技术。
就像世界各地的贡献者共同打造开源库一样，DeepSeek 也在全球范围内涌现出了数百个衍生模型，这些模型在 Hugging Face 平台上得到了应用和探索。
更重要的是，随着 open-r1 项目和 DeepSeek 论文的发布，接下来的几个月中，世界各地的团队将发布许多开源推理模型。今天，AllenAI 和 Mistral 就各自发布了开源基础模型（Tülu 和 Small3），这两者已经在挑战当前的最新技术，其中 AllenAI 的 Tülu 模型超越了 DeepSeek-V3。
而且，开源的意义远不仅限于地理层面。我们几乎没有充分认识到开源对于我们安全的重要性！
随着 AI 在我们生活中的核心地位越来越突出，技术的韧性将变得至关重要。今天，我们几乎对一切都依赖互联网。没有互联网，我们无法获取社交媒体或新闻，无法打车、预订餐厅或通过 WhatsApp 联系人。
如果所有数据都必须经过一家公司的数据中心传输，一旦该公司发生宕机，整个世界都可能停滞不前（想象一下 CrowdStrike 最近的宕机放大百万倍）。
随着 AI 助手和技术深度渗透到我们生活的方方面面，未来我们将越来越依赖这些技术来简化日常任务，我们也会对任何因故障造成的停机感到烦恼甚至痛苦。
为了避免这种停机情况，最有效的方式是将韧性深深融入技术链中。
开源有许多优势，比如降低训练成本、提高可调性、控制权和隐私保护。但在长期来看，开源最重要的优势之一，可能是它带来的韧性。它是分散计算、在多个独立提供商之间分配计算资源的最简单、最具成本效益的方式，而且实现起来也不复杂。
与其讨论国家荣誉和竞争，我认为现在是时候从全球视角思考 AI 带来的挑战和社会变革。而开源技术可能是我们安全过渡到一个 AI 深度融入社会、具备韧性的数字未来的关键资产。
小结 看完三位专家鞭辟入里的解读，相信大家内心都泛起了层层涟漪。
此刻，不妨将心中的澎湃、思索与感慨，尽情地打在评论区。
DeepSeek 的破局，远不止是国产 AI 领域的一场胜利。
它宛如一颗投入湖面的巨石，在全球 AI 竞争的浩渺格局中激起千层巨浪，推动着格局的重构。
这一里程碑式的突破，更是一次震撼人心的呐喊，向技术垄断的高墙发出了庄严叩问。
它让我们坚信，开放与共享的精神，定能冲破一切藩篱，引领人类走向更加广阔的智能未来。
当历史的聚光灯打在 2025 年的此刻，
你我都是这场智能革命的见证者，
更是参与者。
既然你看到这里了，如果觉得不错，请随手来个一键三连吧，转发给同样需要的朋友，这对我很重要。
另外如果想第一时间收到推送， 也请将本公众号加个星标🌟
