編者按：本文來自微信公眾號 紀(jì)源資本（ID：JiyuanCap），作者：紀(jì)源資本，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。

一期長達5小時的播客，究竟誰在聽？MIT人工智能研究員、知名播客主持人及科技傳播者Lex Fridman的對談節(jié)目《Lex Fridman Podcast》近期推出了有關(guān)DeepSeek的一期內(nèi)容：

“DeepSeek,China,OpenAI,NVIDIA,xAI,TSMC,Stargate, and AI Megaclusters｜Lex Fridman Podcast”。

截至3月7日，這一期節(jié)目在YouTube上獲得了178萬播放量和2.5萬like（點贊），對DeepSeek所代表的AI大模型革新的解讀，獲得了大量科技界、商界從業(yè)者的關(guān)注。

Lex Fridman是MIT人工智能研究員，生于俄羅斯，后移民美國，擁有計算機科學(xué)博士學(xué)位，研究方向為深度學(xué)習(xí)和自動駕駛。在他的播客中多次提到自己的老本行AI深度學(xué)習(xí)業(yè)的近況。

此前Lex Fridman大部分節(jié)目都只有一位嘉賓，本期節(jié)目卻邀請了兩位，分別是Dylan Patel和Nathan Lambert。Dylan Patel是半導(dǎo)體、GPU、CPU和通用AI硬件的知名研究分析公司SemiAnalysis的首席分析師，Nathan Lambert則是Allen人工智能研究所的研究科學(xué)家，自己也擁有一個以AI為主題的博客Interconnects。

那么，這期講述DeepSeek的為時5小時的播客，講了哪些要素？

我們特意請Deepseek自己總結(jié)了一下：

本期播客內(nèi)容本身非常技術(shù)化，涉及AI模型的架構(gòu)、訓(xùn)練成本、開源與閉源模型、地緣政治因素，以及半導(dǎo)體產(chǎn)業(yè)的現(xiàn)狀和未來。

播客中提到了DeepSeek推出的V3和R1模型，特別是R1作為推理模型的特點，比如能夠展示推理的思維鏈，而不僅僅是最終答案。這可能是技術(shù)上的一個亮點，因為它提高了模型的可解釋性。

接著，關(guān)于開源與閉源的討論，DeepSeek的開源策略被認為對行業(yè)有積極影響，可能迫使其他公司更加開放。同時提到了開源在AI發(fā)展中的作用，以及不同許可證對商業(yè)應(yīng)用的影響。

此外，播客還涉及AGI（通用人工智能）的時間表預(yù)測，以及不同專家對未來發(fā)展的看法。

最后，關(guān)于計算集群的建設(shè)和能源消耗的問題，討論了各大公司（如OpenAI、Meta）如何構(gòu)建大規(guī)模GPU集群，以及這些集群對電力基礎(chǔ)設(shè)施的挑戰(zhàn)。

其中的亮點部分集中在DeepSeek技術(shù)上的創(chuàng)新（如DeepSeek的推理模型）、開源策略的影響、地緣政治對技術(shù)發(fā)展的制約、半導(dǎo)體產(chǎn)業(yè)的競爭格局，以及AGI發(fā)展的前景和挑戰(zhàn)。同時還提到了一些具體技術(shù)細節(jié)，如混合專家模型（MoE）、多頭潛在注意力（MLA）等，以及這些技術(shù)如何提升模型效率和性能。

展開來看的話，節(jié)目里提到了哪些重要信息？

首先，幾位嘉賓最先討論的問題是：DeepSeek與OpenAI目前的模型究竟區(qū)別在哪？而DeepSeek-V3與DeepSeek-R1兩款同宗同源的模型又相差幾何？

OpenAI所推出的o3-mini是OpenAI于2025年1月31日發(fā)布的推理模型，主要面向開發(fā)者，支持函數(shù)調(diào)用、結(jié)構(gòu)化輸出和開發(fā)者消息等功能。DeepSeek-V3和DeepSeek-R1，其中后者近期在中國各行業(yè)中被廣泛采用。DeepSeek-R1與o3-mini，前者可能提供完整的推理思維鏈，而后者大多只提供推理摘要；前者是開源，后者并非開源。

為了方便理解，Nathan Lambert引入了概念“語言訓(xùn)練模型中的預(yù)訓(xùn)練和后訓(xùn)練”，OpenAI與DeepSeek的預(yù)訓(xùn)練都使用了大規(guī)?；ヂ?lián)網(wǎng)文本預(yù)訓(xùn)練方式，在后訓(xùn)練方面，DeepSeek的Base版本進行了兩種不同的后訓(xùn)練，得到了DeepSeek-V3推理模型。此后DeepSeek在此基礎(chǔ)上，又采用了新的推理訓(xùn)練方法，才得到了DeepSeek-R1模型。

R1的R代表Reasoning（推理），人們提問時，DeepSeek-V3會快速生成token，這些token會組合成易于理解的人類語言答案。而DeepSeek-R1在生成答案之前，會以token的形式快速解釋、分解問題。

第二，播客中也提到了一個重要概念：開源權(quán)重。“開源權(quán)重”是指語言模型的權(quán)重數(shù)據(jù)在互聯(lián)網(wǎng)上公開，供人下載。這些權(quán)重數(shù)據(jù)可能附帶不同的許可證，因為即使是相似的模型，也可能采用不同的許可條款。完全開源包括開源代碼、開源數(shù)據(jù)和開源權(quán)重，盡管DeepSeek并沒有開源前兩者，但已經(jīng)在引領(lǐng)整個行業(yè)走向開源路線了。Lex Fridman點評DeepSeek為“信息披露方面做得非常出色，技術(shù)報告質(zhì)量很高，內(nèi)容詳實，而非泛泛而談”。

第三，節(jié)目中還討論了一個備受關(guān)注的問題“以如今的AI模型的發(fā)展境況來看，它的最佳應(yīng)用場景會是什么”。

Nathan Lambert認為，早期的語言模型在數(shù)學(xué)和代碼能力方面表現(xiàn)較弱，需要聘請數(shù)學(xué)和編程專家來編寫高質(zhì)量的問答數(shù)據(jù)，但如今AI模型在編寫高質(zhì)量的數(shù)學(xué)和代碼答案方面已經(jīng)超越了人類，而且它開始表現(xiàn)出類似人類的思考過程。它會披露諸如“讓我想想”“讓我檢查一下”“哦，這里可能有個錯誤”這些思考過程，這將使人類在推理模型訓(xùn)練中的作用進一步降低。

Dylan Patel提出了自己的觀點，數(shù)學(xué)方面可驗證的任務(wù)相對有限，但是在編程方面還有很大的提升空間。真正的“頓悟時刻”可能會出現(xiàn)在計算機使用或機器人技術(shù)領(lǐng)域。一旦AI模型將能夠完成更復(fù)雜的任務(wù)，例如去某個眾包平臺完成任務(wù)，并且以獲得大量點贊作為自己的正反饋模式，那么就相當(dāng)于一個能夠進行無數(shù)次試錯的機器，前途無量。

此外，如何客觀地去看待DeepSeek目前的能力水平？嘉賓們還小小地“八卦”了一下——通過和行業(yè)數(shù)據(jù)的對比，嘉賓們得出了以下結(jié)論：

1）人才配備：例如，節(jié)目中，三位科學(xué)家對于DeepSeek的人才配備稱贊不已，他們認為，為了實現(xiàn)超高效訓(xùn)練，DeepSeek能夠在NVIDIA芯片的CUDA層（Compute Unified Device Architecture，計算統(tǒng)一設(shè)備架構(gòu)）或更底層進行了優(yōu)化，具備這種能力的人才是絕對頂尖人才，即使在美國的前沿實驗室也確實不多。

2）商業(yè)前景：DeepSeek的盈利能力不容小覷，GPU（圖形處理單元）的數(shù)量和計算能力決定了訓(xùn)練時間和成本，擁有更多GPU，就可以支撐更多企業(yè)客戶。DeepSeek在2021年就擁有10,000個GPU，Dylan Patel所在的機構(gòu)SemiAnalysis猜測，它所實際擁有的GPU數(shù)量可能接近50,000個。

3）成本：不僅實現(xiàn)了高產(chǎn)能，DeepSeek還真正做到了低成本。DeepSeek-R1的輸出token價格是大約2美元/每百萬個token，而OpenAI-o1是大約60美元/每百萬個token，差別巨大。

探討DeepSeek之余，幾位嘉賓無法掩飾對于創(chuàng)始人梁文鋒的喜愛。他們形容他為一個“像Elon Musk、黃仁勛式的人物，事必躬親，參與公司的方方面面”，Lex Fridman表示，自己最近剛請了一位中文翻譯，希望有機會能夠與梁文鋒對談。

節(jié)目里還提及了一個AI界非常著名的概念或方法論：YOLO，You Only Live Once（你只活一次）。在大規(guī)模訓(xùn)練前，研究人員需要反復(fù)試驗不同的模型架構(gòu)、超參數(shù)、專家模型配置等等，當(dāng)實驗積累到一定程度，他們會選擇一個最優(yōu)或最有潛力的配置，“拿出所有的資源，選擇認為最靠譜的配置，然后全力以赴，沖啊”的方式開始沖刺。

“YOLO運行”與all in異曲同工，背后都有拼盡全力賭一把的含義。對于科學(xué)家們來說，“賭一把”仍是他們難以避免的方法論。在三位大牛的對談中，談到了“YOLO運行”的兩類研究人員的不同偏好，一類人員重視方法論，會系統(tǒng)地探索整個搜索空間，分析不同配置的消融結(jié)果，力求找到最佳方案。而另一些研究人員則更依賴直覺，去感受YOLO運行的最佳時期。畢竟科學(xué)家也是人，三位主播最后打趣道，在很多情況下，運氣也是一種技能。

最后，一個被重點談?wù)摰脑掝}是：AGI（通用人工智能Artificial General Intelligence）時代何時會到來？

在很多AI公司的CEO宣稱AGI會在2027-2028年很快到來的時候，節(jié)目嘉賓們反而認為，AGI的到來會在2030年之后。他們的顧慮在于AGI的實際運營成本極其高昂，在經(jīng)濟上是不可行的。GPT-3級別的AI模型查詢的成本可能只有幾美分，但解決一個復(fù)雜的AGI問題的成本可能高達5到20美元，因此難以整合到每一次谷歌搜索中，也就很難在短期直接大規(guī)模部署，做不到人們理想中的“彈指一揮間”。

本文為專欄作者授權(quán)創(chuàng)業(yè)邦發(fā)表，版權(quán)歸原作者所有。文章系作者個人觀點，不代表創(chuàng)業(yè)邦立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系editor@cyzone.cn。