专栏名称: 大数据文摘

普及数据思维，传播数据文化

DeepSeek 反思潮：AGI 既被重新审视，又被持续低估

大数据文摘 · 公众号 · 大数据 · 2025-03-03 19:00

正文

大数据文摘受权转载自AI科技评论

作者丨陈彩娴

2 月很有意思。

01 DeepSeek 反思潮

在 DeepSeek 的集体反思潮中，无论是大厂内部的“AGI 创业团队”、还是 AGI 的明星创业公司，都进行了战略调整。很显然，DeepSeek 的暴击让整个行业都进行了一次深刻的反思，值得注意的几个变化是：

首先，大模型创业公司 重新将技术突破提升到一个新的高度、超越产品更新成为公司战略发展的优先级 。

据近日与张予彤接触过的 VC 反馈，DeepSeek 不花一分钱投流的崛起启示了 AGI 的技术高度，也让 Moonshot 反思了过去一年类互联网打法、过度重视产品投流的策略局限性。在未来的一年，Moonshot 要将基础模型的突破作为重点，将更多资源投到技术而非研发上。

事实上，这不仅仅是月之暗面的结论，也是这波 AGI 创业潮中卡技术生态位的大模型公司的普遍转变。与此相对应的，是产品团队的资源比重下降，因为 DeepSeek 的成功已经侧面证明了： AGI 时代可能不需要产品经理，也不需要投流，只要技术实力提升后就会有用户增长。

2024 年的投流大战，以 DeepSeek 不花一分钱、DAU 最高时达 4000 万落下帷幕，而受创最重的自然是投流团队，因为钱相当于白花了。投流越多、伤害越大，如 Moonshot；投流越少，伤害越小，如 MiniMax。

据 AI 科技评论获悉，MiniMax 前产品一号位离职的原因之一，就是曾与创始人在投流上发生分歧。MiniMax 的组织架构之前是互联网打法，按照不同产品进行分组，产品团队一度达到 200 人，但 2024 年年中开始就一直在调整产品团队，接下来可能会进一步裁减产品人员。

其次，是字节与腾讯的攻守异位，以及字节大模型技术团队的架构调整。

过去一周，腾讯元宝接入 DeepSeek 后在中国区苹果免费 APP 下载排行榜上超过豆包，排名第二、仅次于 DeepSeek。在“DeepSeek+”的风潮下，相比百度、阿里、字节等有技术包袱的大厂来说，腾讯的元宝与微信等应用迅速抓住了机会，毫无负担地接入了 DeepSeek，一下子由过去两年的被动防守转为主动出击，变守为攻，扭转了局势。

业内周知，在过去的两年，腾讯在大模型、AIGC 相关技术与产品上虽然努力追赶，但始终不温不火。又由于将算力与人才等资源更多投入基础模型，文生视频等方向的研究资源被影响，团队核心骨干从腾讯流向快手、字节等团队。可以说，DeepSeek 救了腾讯大模型一把。

也因此，有业内人士认为：基础模型的研究最终只需要 DeepSeek 一家即可。随之引发的，是近日传出的大模型公司有老股东开始张罗退股的声音，认为“智谱、阶跃甚至字节、阿里等公司的大模型都没戏了”。——对于这种声音，笔者不敢苟同，认为应该持续观望。

有一个比喻能很好地形容当前中国大模型创业潮的格局：

一个富二代学霸做了一份接近满分的卷子，并把答案公布了出来。但这份答案的学习有一定的资源成本与面子成本，另一个能承担起这两种成本的富二代学渣直接拿来抄了、也考了接近满分的成绩。现在留下一群从农村通过赞助入学、平时考七八十分的学生，以及同是富二代但努力方向错了的学生，不知所措。

他们终将认识到， 开放社会的竞争不一定公平，但一定残酷 。打破这种结构性困境很难，或许需要“一命二运三风水四积阴德五读书”，但他们没有其他选择。

回到现实，字节的大模型团队进行调整，也是因为 AGI 的竞争格局发生了变化——DeepSeek 冲出来之前，业内几乎所有人都在夸字节的豆包，豆包也上升十分迅猛，给 kimi 造成极大的围剿；但 DeepSeek 霸屏整个春节后，字节意识到，AGI 仍是一个高度的果实，必须换一个更能打的将领。

据 AI 科技评论验证，此前字节的基础模型技术研究由朱文佳带领，春节后进行了一次大的人员调整，基础模型技术研发的一号位换成了由吴永辉，黄文灏等在 2024 年新加入的大模型骨干都向吴永辉汇报，而朱文佳则转向了模型应用一号位，吴永辉与朱文佳都向梁汝波汇报。

经 AI 科技评论梳理，2023 年字节刚组建大模型团队时，团队人员主要来自字节内部，包括搜索、抖音、西瓜、TikTok 等等多条知名业务线，在字节过往产品上有过大大小小的胜仗，朱文佳下面各个小组中一号位人选从外面招入的人才并不多。

从 2024 年年中开始，越来越多 AGI 方向的知名人才被招入字节，团队开始换血。据知情人士分析，这背后的原因是：朱文佳等人来自搜推广技术背景，而大模型是新的范式，两者不一定适合。字节、MiniMax 等公司此前低估 RL 技术路线就是一个例证。吴永辉代替朱文佳成为基础模型研究一号位，意味着字节换血的决心更彻底。

吴永辉此前在谷歌的职级仅次于 Jeff Dean，是谷歌 Gemini 的核心贡献者之一。而据几位硅谷华人的信源，吴永辉擅长模型工程。谷歌自 2017 年发布 Transformer 后一直在大模型赛道上持续创新，且谷歌研究大模型一直是从底层框架、算力到上层算法的系统性推进，从知识面上吴永辉确更适合大模型技术一号位的角色。 （谷歌 Gemini 是否被低估？欢迎感兴趣的读者添加作者微信 Fiona190913 交流）

据知情人士透露，朱文佳此前在带领字节大模型技术研发时，在人才任用上更重用以往一起打过仗的亲信乔木等人，同时在大模型基础研究的创新 idea 采用上不够开放。这背后的逻辑不难理解：AGI 的技术有极高不确定性、用熟悉的队友能减少沟通成本。如果 AGI 是一个很低的桃子，“钱多人傻”的打法也许可以，但事实或许并非如此。

据了解，新加入字节的技术人员曾向朱文佳提过诸如 SPPO 等强化学习方向、火星优化器等高效训练方向的技术方案，“一些方案明明自己验证了 work、但被朱文佳移交给身边的人验证后被反馈不 work 而弃掉”。此前字节内部赛马文生视频，其他团队赛赢，但后续成果被朱文佳划到了 Seed 团队。 （更多字节大模型内部的研究细节，欢迎天街作者微信 Fiona190913 交流）

大模型是一项有门槛的创新技术，无论在大厂还是创业公司，实际上都需要创业者的心态。第一批低估 AGI 的人已经被摁倒，但并非所有人都吸取了教训。

02 AGI 的壁垒在哪？

“算法是没有壁垒的。”一位大模型 VC 这样评论道。与此同时，还有相似的声音：“DeepSeek 现象只是昙花一现，过 6 个月就会被追上”，以及“大模型创业公司必然会死，最后赢家只有 DeepSeek 与大厂，你看腾讯元宝”。

笔者认为，在下论断之前，首先要回答一个问题： DeepSeek 已经实现终极 AGI 了吗？ 答案显然是否定的，即使是 DeepSeek 官方都承认，R1 模型仍有一些致命缺陷，比如通用能力不足、语言混淆、提示词敏感以及软件工程能力不足。

如果这个问题达成了共识，那么我们就要思考下一层：

第一， DeepSeek 是不是一定能解决 AGI 的所有技术问题 ？

第二， DeepSeek 是不是只需一家之力就能实现终极 AGI ？

第三， 中国是不是只有 DeepSeek 一家有实力解决 AGI 的各个技术问题？

同样以腾讯元宝为例。虽然元宝接入 DeepSeek 后可以赢得一时的胜利，但没有人能保证 DeepSeek 永远满分。如果有一天 DeepSeek 不开卷、竞争的规则被改写，又将攻守异位。

对于上述问题，笔者均持怀疑态度，原因很简单： DeepSeek 并非聚集了中国乃至全球所有的 AGI 技术人才 。即使曾经明星如云的 OpenAI，也因为2023、2024 年经历了大批核心人才出走，发展受阻。

关于 AGI，如果不将其当成只是 DeepSeek 一家的责任，而是作为整个 AI 行业的必然终局，那么就不难有一种朴素的感觉： AGI 的大航海，需要的不只是一个“DeepSeek”，也不会只有一个“DeepSeek”。AGI 是一个行业，而不是一个产品。

在 2 月的交流中，笔者总结，造成 AGI 从业者这种“既重视又低估”的矛盾心理的一个重要原因，或许是 互联网思维的惯性 。

经历过互联网大战的从业者向 AI 科技评论举例，“互联网产品就是竞争到最后往往就是只有一家胜出，比如出行大战、3Q 大战等等。”但笔者认为，这种类比不太恰当，因为互联网产品的技术如搜推广从谷歌开始、再到国内时，大体的技术天花板已经确定，而 DeepSeek 证明了 AGI 的天花板比 OpenAI 所取得的成绩还高。

与 AGI 或大模型能在同一个层面类比的技术分支，或许用自动驾驶的 L4、英伟达芯片等高难度的技术来类比更合适。虽然 L4 至今没有实现，但自动驾驶技术从 L2 到 L4 的过程中曾衍生了不同维度的产品商业化（如扫地机器人），同样，AGI 也是一个逐步取得胜利、逐步催生商业技术产品的过程。

有些团队本就不具备竞争 AGI 的技术实力，但这并不能推断出“DeepSeek 是唯一能竞争 AGI 的创业团队”或“中国只需要一家 AGI 公司”的结论。哪怕是海外的各家基础模型，也在能力上各有分工，如 GPT 更擅长听指令、Claude 更擅长代码。

再回顾更大的行业规律：如果说搜广推技术由谷歌开启、字节抖音推至巅峰，那么大模型技术由 OpenAI 开启，由将由谁推至巅峰？互联网时代经历了 20 年才得出答案、中间也经历了许多故事，那么 AGI 时代也不可能只在 2 年内验证最初的赢家与最后的赢家 。

那么， AGI 的壁垒在哪？

笔者认为，AGI 的壁垒实际是： 算法的优势、技术的创新虽然无法构成坚不可摧的壁垒，但可以赢得时间差 。

以月之暗面为例。事实上，Moonshot 与 DeepSeek 都是在 2023 年的上半年成立、前后相差只有一个月。

在 2021 年智源的“悟道”大模型项目中，杨植麟也是悟道 2.0 大模型的核心开发者之一，从底层 Transformer 到上层大模型的算法训练都有完整、系统的研究背书。相比之下，DeepSeek 创始团队、包括梁文锋虽是计算机专业背景，但在 NLP、Transformer 与预训练等大模型的关键技术上与 Moonshot 团队必然 存在技术学习的时间差 。

如果以 Moonshot 在成立时就具备训练千亿大模型的能力开始算起，到 DeepSeek 在 2024 年 5 月发布 V2，那么这个时间差粗略计算大约是 1 年；如果严格考虑 V2 训练成本大幅降低的研发时间，这个时间差也至少是 6 个月以上。

但由于 Moonshot 在过去两年更重视产品增长、而非基础模型的底层技术创新，Moonshot 与 DeepSeek 的基础模型时间差也从 2023 年“DeepSeek 至少比 Moonshot 落后半年”变成了 2025 年“Moonshot 至少比 DeepSeek 落后 XXX 年”。在互联网思维的过度指导下，前后相减，Moonshot 至少失去了一年的优势，主动变被动。

据知情人士透露，DeepSeek 内部计划今年 3 月发布 V3.5，6 月之前发布 V4。换言之，假设其他团队的基础模型能在 6 月赶上 V3 与 R1，作为先行者，DeepSeek 已经利用时间差赢得了领先的技术研发期，以及这半年内的生态护城河。模型的效果容易提升，但生态不容易割据。

是坐享其成，还是参与竞争，亦或看清局势、早早转向自身的优势所在，不容易判断。尽管 DeepSeek 当前风头正盛，但 AGI 仍然是一个挂在高处的果子，需要持续的底层技术创新 。

DeepSeek 反思潮：AGI 既被重新审视，又被持续低估

正文

请到「今天看啥」查看全文