专栏名称: 科研大匠

最新研究热点，免费干货神器，硕博交流社群；网罗古今中外，集聚科研大牛和小白；有料、有用、有趣，先成大匠，方能大师；科研路上，助你一臂之力！后台回复‘神器4.0’有惊喜哦~~

哈佛教授发文感叹：英伟达憾失DeepSeek关键人才，美国放走AI“钱学森”……

科研大匠 · 公众号 · 科研 · 2025-02-05 20:06

正文

最近，一位哈佛教授痛心疾首地曝出，DeepSeek本来有机会诞生在美国？原本DeepSeek的工程师可以拿到英伟达的全职offer，美国却没有将他留住，导致「钱学森回国」的故事再一次上演，美国跟「国运级AI」擦肩而过！

DeepSeek给美国造成的威胁，还在加剧。

就在昨天，DeepSeek的日活数已经达到ChatGPT的23%，每日应用下载量接近500万！

a16z联创Marc Andreessen发文

谁能想到，做出DeepSeek关键贡献的人才，本来是可能留在美国的。

最近哈佛大学教授曝出这一惊人事实：DeepSeek多模态团队的第4位工程师，本来可以拿到英伟达的全职offer。

然而最终，他选择归国加入DeepSeek，由此的后果就是，美国在AI领域的主导地位被动摇，相关公司市值蒸发一万亿，全球AI格局也被彻底掀翻。

这种结果是阴错阳差，还是一种必然？

美国错失DeepSeek，让「钱学森」再次回国

近日，政治学家、哈佛大学教授、前国防计划助理部长Graham Allison，在X上提问：「谁曾错失了DeepSeek」？

他在X痛心发帖称，DeepSeek已刷新对美国AI地位的认知，而美国原本有机会留住DeepSeek的关键员工之一潘梓正（Zizheng Pan）：

（DeepSeek超越OpenAI相关模型）颠覆了我们对美国AI主导地位的大部分了解。

这也生动地提醒我们，美国必须多么认真地吸引和留住人才，包括来自中国的人才。

潘梓正，是DeepSeek多模态团队的第4位多工程师，在开发DeepSeek的R1模型方面发挥了重要作用。

回国之前，他在英伟达实习过4个月，而且拿到了英伟达的全职邀约。

Graham Allison认为潘梓正之所以如此，是因为硅谷公司未能在美国为他提供这样做的机会。

这种「人才流失」，让Graham Allison痛心疾首，甚至将潘梓正回国提升到钱学森归国的高度！

像钱学森、黄仁勋以及马斯克这样的的超级人才可以用脚投票，可以在任何地方施展才华、大张宏图。

他认为，美国应该尽力避免这样的「人才流失」：

美国的大学教练，在寻找并招募世界上最有才华的运动员。

在中美科技竞争中，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。

英伟达憾失人才

英伟达的高级研究科学家禹之鼎，在得知DeepSeek超越ChatGPT登顶App Store后，分享了当时的实习生潘梓正回国的选择，对他现在取得的成就感到高兴，并分享了对AI竞争的观点：

在2023年夏季，梓正是英伟达的实习生。后来，当我们考虑是否给他提供全职工作时，他毫不犹豫地选择了加入 DeepSeek。

当时，DeepSeek的多模态团队只有3个人。

梓正当时的决定，至今我仍印象深刻。

在DeepSeek，他做出了重要贡献，参与了包括DeepSeek-VL2、DeepSeek-V3和DeepSeek-R1等多个关键项目。我个人对他的决定和所取得的成就感到非常高兴。

梓正的案例是我近年来看到的一个典型例子。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。相反，我们从他们身上学到了很多东西。

早在2022年的自动驾驶（AV）领域，类似的「斯普特尼克时刻」就已经发生过，并且将在机器人技术和大语言模型（LLM）行业继续发生。

我热爱英伟达，并希望看到它继续成为AGI和通用自主系统发展的重要推动力。但如果我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，我们只会自毁前程，失去更多的竞争力。

我们需要更多的优秀人才、更高的专业水平、更强的学习能力、创造力以及更强的执行力。

潘梓正是DeepSeek-VL2的共同一作

在DeepSeek超越ChatGPT登顶App Store下载榜第一时，潘梓正在X上分享了自己的感受：

潘梓正2024年全职加入DeepSeek，担任研究员。他曾在英伟达AI算法组担任研究实习生。

2021年，潘梓正加入蒙纳士大学（Monash University）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。

在博士期间，潘梓正的研究兴趣主要集中在深度神经网络的效率方面，包括模型部署、Transformer架构优化、注意力机制、推理加速和内存高效的训练。

Lex Fridman硬核播客，揭秘中国AI新星如何撼动全球格局

就在最近，Lex Fridman放出了一期长达5小时的播客，邀请了AI2的模型训练专家Nathan Lambert和Semianalysis硬件专家Dylan Patel。

在这期信息量爆棚的谈话中，他们全程聚焦DeepSeek，讨论了这颗中国AI新星如何撼动全球格局、MoE架构+MLA的技术双刃、DeepSeek开源倒逼行业开放进程、中国式极限优化之道的硬件魔术等。

DeepSeek到底用没用OpenAI数据？

这次，几位大佬的谈话内容可谓相当犀利，直指问题核心。

比如这个关键问题：DeepSeek究竟用没用OpenAI的数据？

此前，OpenAI公开表示，DeepSeek使用了自家的模型蒸馏。

《金融时报》干脆说，「OpenAI有证据表明DeepSeek用了他们的模型来进行训练」

这在道德和法律上站得住脚吗？

虽然OpenAI的服务条款规定，不许用户使用自家模型的输出来构建竞争对手。但这个所谓的规则，其实正是OpenAI虚伪的体现。

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？

DeepSeek的训练成本，为何如此之低？

Dylan Patel表示，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）。

MOE架构的优势在于，一方面，模型可以将数据嵌入到更大的参数空间中，另一方面，在训练或推理时，模型只需要激活其中一部分参数，从而大大提升效率。

DeepSeek模型拥有超过6000亿个参数，相比之下，Llama 405B有4050亿参数。从参数规模上看，DeepSeek模型拥有更大的信息压缩空间，可以容纳更多的世界知识。

但与此同时，DeepSeek模型每次只激活约370亿个参数。也就是说，在训练或推理过程中，只需要计算370亿个参数。相比之下，Llama 405B模型每次推理却需要激活4050亿个参数。

MLA主要用于减少推理过程中的内存占用，在训练过程也是如此，它利用了一些巧妙的低秩近似数学技巧。

Nathan Lambert表示，深入研究潜注意力的细节，会发现DeepSeek在模型实现方面下了很大功夫。

因为，除了注意力机制，语言模型还有其他组件，例如用于扩展上下文长度的嵌入。DeepSeek采用的是旋转位置编码（RoPE）。

将RoPE与传统的MoE结合使用，需要进行一系列操作，例如，将两个注意力矩阵进行复数旋转，这涉及到矩阵乘法。

DeepSeek的MLA架构由于需要一些巧妙的设计，因此实现的复杂性大大增加。而他们成功地将这些技术整合在一起，这表明DeepSeek在高效语言模型训练方面走在了前沿。

Dylan Patel表示，DeepSeek想方设法提高模型训练效率。其中一个方法就是不直接调用NVIDIA的NCCL库，而是自行调度GPU之间的通信。

DeepSeek的独特之处在于，他们通过调度特定的SM（流式多处理器）来管理GPU通信。

DeepSeek会精细地控制哪些SM核心负责模型计算，哪些核心负责allreduce或allgather通信，并在它们之间进行动态切换。这需要极其高深的编程技巧。

DeepSeek为何如此便宜？

在所有声称提供R1服务的公司中，定价都远高于DeepSeek API，而且大多服务无法正常工作，吞吐量极低。

让大佬们震惊的是，一方面中国取得了这种能力，另一方面价格如此之低。（R1的价格，比o1便宜27倍）

训练为什么便宜，上文已经提到。为什么推理成本也这么低呢？

首先，就是DeepSeek在模型架构上的创新。MLA这种全新的注意力机制，跟Transformer注意力机制不同。

这种多头潜注意力，可以将注意力机制的内存占用减少大约80%到90%，尤其有助于处理长上下文。

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。

接下来亮点来了，几位大佬放飞想象，猜测这会不会是一种阴谋论：DeepSeek精心策划了这次发布和定价，做空英伟达和美国公司的股票，配合星际之门的发布……

但这种猜测立马遭到了反驳，Dylan Patel表示，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？

中国的工业能力，已经远超美国

美国无疑在GPU等芯片领域领先于中国。

不过，对GPU出口管制，就能完全阻止中国吗？不太可能。

Dylan Patel认为，美国政府也清楚地认识到这一点，而Nathan Lambert认为中国会制造自己的芯片。

中国可能拥有更多的人才、更多的STEM毕业生、更多的程序员。美国当然也可以利用世界各地的人才，但这未必能让美国有额外的优势。

真正重要的是计算能力。

中国拥有的电力总和，数量已经惊人。中国的钢铁厂，其规模相当于整个美国工业的总和，此外还有需要庞大电力的铝厂。

即使美国的星际之门真的建成，达到2吉瓦电力，仍小于中国最大的工业设施。

就这么说吧，如果中国建造世界上最大的数据中心，只要有芯片，马上就能做到。所以这只是一个时间问题，而不是能力问题。

现在，发电、输电、变电站以及变压器等构建数据中心所需的东西，都将制约美国构建越来越大的训练系统，以及部署越来越多的推理计算能力。

相比之下，如果中国继续坚信Scaling Law，就像纳德拉、扎克伯格和劈柴等美国高管那样，甚至可以比美国更快地实现。

因此，为了减缓中国AI技术的发展，确保AGI无法被大规模训练，美国出台了一系列禁令——通过限制GPU、光刻机等关键要素的出口，意图「封杀」整个半导体产业。

OpenAI o3-Mini能追上DeepSeek R1吗？

接下来，几位大佬对几个明星推理模型进行了实测。

有趣的是，谷歌的Gemini Flash Thinking，无论从价格还是性能上来看都优于R1，而且在去年12月初就发布了，然而却无人关心……

对此，几位大佬的体感是，它的行为模式不如o1那样富有表现力，应用场景较窄。o1在特定任务上可能不是最完美，但灵活性和通用性更强。

Lex Frieman则表示，自己个人非常喜欢R1的一点，是它会展示完整的思维链token。

在开放式的哲学问题中，我们作为能欣赏智能、推理和反思能力的人类，阅读R1的原始思维链token，会感受到一种独特的美感。

这种非线性的思维过程，类似于詹姆斯·乔伊斯的意识流小说《尤利西斯》和《芬尼根的守灵夜》，令人着迷。