玩家必看“微信群链接拼三张房卡怎么购买”获取房卡方式

　　每经记者 宋欣悦    每经编辑 高涵    

　　近日，中国AI初创公司深度求索（DeepSeek）在全球掀起波澜
，硅谷巨头恐慌，华尔街焦虑。

　　短短一个月内 ，DeepSeek-V3和DeepSeek-R1两款大模型相继推出
，其成本与动辄数亿甚至上百亿美元的国外大模型项目相比堪称低廉，而性能与国外顶尖模型相当 。

　　作为“AI界的拼多多” ，DeepSeek还动摇了英伟达的“算力信仰 ”
，旗下模型DeepSeek-V3仅使用2048块英伟达H800 GPU，在短短两个月内训练完成
。除了性价比超高 ，DeepSeek得到如此高的关注度
，还有另一个原因——开源。DeepSeek彻底打破了以往大型语言模型被少数公司垄断的局面 。

　　被誉为“深度学习三巨头”之一的杨立昆（Yann LeCun）在社交平台X上表示，这不是中国追赶美国的问题 ，而是开源追赶闭源的问题
。OpenAI首席执行官萨姆·奥尔特曼（Sam Altman）则罕见地表态称
，OpenAI在开源AI软件方面“一直站在历史的错误一边
”。

　　DeepSeek具有哪些创新之处？DeepSeek的开源策略对行业有何影响？算力与硬件的主导地位是否会逐渐被削弱？

　　针对上述疑问，《每日经济新闻》记者（以下简称NBD）专访了复旦大学计算机学院副教授
、博士生导师郑骁庆 。他认为 ，DeepSeek在工程优化方面取得了显著成果，特别是在降低训练和推理成本方面
。“在业界存在着两个法则
，一个是规模法则（Scaling Law），另外一个法则是指 ，随着技术的不断发展
，在既有技术基础上持续改进，能够大幅降低成本。”

　　对于DeepSeek选择的开源策略 ，郑骁庆指出
，“开源模型能够吸引全世界顶尖人才进行优化，对模型的更新和迭代有加速作用 。 ”此外 ，开源模型的透明性有助于消除使用安全的顾虑
，促进全球范围内人工智能技术的公平应用。

　　尽管DeepSeek的模型降低了算力需求，但郑骁庆强调 ，AI模型仍需要一定的硬件基础来支持大规模训练和推理
。此外
，大规模数据中心和预训练仍是AI发展的重要组成部分，但未来可能会更注重高质量数据的微调和强化学习。

　　郑骁庆 图片来源：受访者供图

　　NBD：微软CEO萨提亚·纳德拉在微软2024年第四季度财报电话会上提到 ，DeepSeek“有一些真正的创新 ” 。在您看来，DeepSeek有哪些创新点呢？

　　郑骁庆：在深入研读DeepSeek的技术报告后
，我们发现，DeepSeek在降低模型训练和推理成本方面采用的方法 ，大多基于业界已有的技术探索
。比如
，键值缓存（Key-Value cache）管理，对缓存数据进行压缩。另一个是混合专家模型（MoE ，Mixture of Experts）
，实际上是指，在推理的时候 ，只需使用模型的某一个特定的模块
，而不需要所有模型的网络结构和参数都参与这个推理过程 。

　　此外，Deepseek还采用了FP8混合精度训练的技术手段
。这些其实之前都有所探索 ，而DeepSeek的创?