这个周末，无论是科技界，还是投资界，突然又都在谈论DeepSeek。本周，中国人工智能公司DeepSeek发布其R1模型（DeepSeek R1），硅谷一片紧张。在第三方基准测试中，其表现优于OpenAI、Meta和Anthropic等美国领先人工智能公司。

　　从其性能上看，DeepSeek的确非常优秀。据券商中国记者亲测，单论文学素养、文字组织能力，已经是秒杀一众文字工作者的存在。一种职业危机感油然而生。而从其阅读总结能力、数理逻辑处理能力来看，亦堪称卓越。

　　关键是，该款大模型的成本优势极为明显。因此，市场亦将英伟达周五的大跌归因于DeepSeek的火爆。市场认为，DeepSeek R1的成功可能削弱了市场对英伟达AI芯片需求的预期。

　　1月26日，有网友表示，DeepSeek崩了，提示服务器繁忙。随后，DeepSeek回应称，确实出现了局部服务波动，但问题在数分钟内得到解决；DeepSeek同时表示，此次事件可能与新模型发布后的访问量激增有关。

　　我国人工智能研究人员实现了许多人认为遥不可及的目标：一个免费的开源人工智能模型，其性能可以匹敌甚至超过OpenAI最先进的推理系统。更令人惊奇的是他们如何做到这一点：让人工智能通过反复试验自学，就像人类学习一样。

　　春节之前的这一周，我国人工智能公司DeepSeek发布其R1模型，硅谷一片紧张。在第三方基准测试中，其表现优于OpenAI台湾的代理服务器ip地址大全、Meta和Anthropic等美国领先人工智能公司。

　　性能数据令人印象深刻。在AIME2024数学基准测试中，DeepSeekR1的成功率达到79.8%，超越了OpenAI的o1推理模型。在标准化编码测试中，它表现出“专家级”的性能，在Codeforces上获得了2029Elo评级，并超越了96.3%的人类竞争对手。

　　但DeepSeek R1真正与众不同之处在于它的成本——或者说成本很低。该模型每百万个token的查询成本仅为0.14美元，而OpenAI的成本为7.50美元，便宜了98%。与专有模型不同，DeepSeek R1的代码和训练方法在MIT许可下完全开源，这意味着任何人都可以获取、使用和修改该模型，而不受限制。

　　它展示的卓越推理能力，正在“突破开源AI的界限”的特点，让硅谷措手不及，并轻而易举地成为了这一周科技界最受关注的热点。风头甚至盖过了达沃斯经济论坛、TikTok的不确定性以及特朗普总统上任。

　　针对人工智能差距快速缩小，Meta创始人兼CEO扎克伯格呼吁美国政府加紧封锁。他表示，DeepSeek很先进，中美AI差距非常小。

　　扎克伯格近日表示，我们应该希望美国的模型能赢，中国正在全力冲刺。如果将来有一个开源模型能被全世界广泛使用，我们希望它是一个美国模型。

　　如果美国政府能够更多地支持美国公司，而不是在每个环节都拖后腿，那就更好了。美国科技行业现在确实是领先的，所以政府偶尔添点麻烦，美国科技行业也许依然能保持领先。但我觉得政府很容易把这种领先地位当成理所当然的事。实际上，这是一场差距很小的竞争，我们需要支持。政府不能成为阻碍我们实现目标的力量，而是该帮助我们。DeepSeek发布几天后，Meta计划在2025年投入超过600亿美元，加大对人工智能的投入。

　　但对于Meta的首席人工智能科学家Yann LeCun来说，DeepSeek成功的最大收获不是来自中国竞争对手的加剧威胁，而是保持人工智能模型开源的价值，以便任何人都能受益。LeCun在社交媒体Threads上的一篇文章中表示，并不是中国的人工智能“超越了美国”，而是“开源模型正在超越专有模型”。

　　DeepSeek R1本身是开源的，Meta的Llama也是如此。OpenAI最初是一家开源人工智能公司，其使命是创造造福全人类的技术，但最近已转向闭源。LeCun表示DeepSeek“受益于开放研究和开源”。“他们想出了新的办法，并在其他人的工作基础上加以实现。由于他们的工作成果已发表并开源，因此每个人都可以从中受益。”LeCun说“这就是开放研究和开源的力量。”

　　支持开源的人认为，开源让技术得以快速、民主地发展，因为任何人都可以修改和重新发布代码。另一方面，支持闭源模式的人则认为闭源模式更安全，因为代码是保密的。OpenAI首席执行官Sam Altman在去年11月Reddit的AMA上表示，闭源方法为他的公司提供了“一种更容易达到安全门槛的方法”。不过，他补充说，“希望我们将来能开源更多的东西。”

　　市场认为，DeepSeek R1的成功可能削弱了市场对英伟达AI芯片需求的预期。因为DeepSeek似乎以极低的成本构建了一个突破性的人工智能模型，并且无需使用尖端芯片。这让人质疑投入芯片行业的数千亿美元资本支出的实际效用。

　　DeepSeek仅用2048颗英伟达H800GPU和560万美元，就训练出6710亿参数的开源大模型，这只是OpenAI和谷歌训练同等类型模型花费的一小部分。加州大学伯克利分校人工智能政策研究员里特维克古普塔表示，DeepSeek最近发布的模型表明，“没有阻碍人们获取人工智能能力的壕沟”。他说：“训练模型第一人必须花费大量资源才能实现目的，但跟进者可用更少的费用且以更快的速度实现目的。”

　　另一方面，苹果研究员Awni Hannun提到，人们可以在Apple Mac上本地运行该模型的量化版本。传统上，由于与英伟达的CUDA软件不兼容，苹果设备在AI方面一直较弱，但这种情况似乎正在改变。例如，AI研究员Alex Cheema在利用8台Apple Mac Mini设备共同运行后能够运行完整模型，这仍然比运行目前最强大的AI模型所需的服务器便宜。也就是说，用户可以在Apple Mac上运行更轻量的DeepSeek R1版本，并且获得良好的准确度和效率。