英伟达憾失DeepSeek关键人才？美国放走AI“钱学森”，哈佛教授痛心疾首

市场资讯02-11

【新智元导读】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 ...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

lanzier
02-11
lanzier
如果黄仁勋、马斯克选择在中国创业那么他们就没有今天了。
- JasonFly:
  别整天中国中国，天天觉得自己特殊？
  把你放在美国，给你同样的条件，你能成黄马吗
- 小姚的复利钱包:
  人可能都没了
- 闲人马斯克回复白宝宝__:
  你需要我做啥？
- 白宝宝__:
  就像你一样，只会说不会做
- 闲人马斯克:
  说得对。中国近300年没有发明创造，这个大家应该知道。中国有了1之后到10很厉害，但不能从0到1。几百年的制度大致一样，思想被禁锢，懂得都懂
股池之蛙
02-11
股池之蛙
扯！

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/2510864468?lang=zh_CN&edition=full","thumbnail":"","is_english":false,"pubTime":"2025-02-11 00:01","share_image_url":"https://static.laohu8.com/b0d1b7e8843deea78cc308b15114de44","id":"2510864468","market":"us","top_or_hot":-1,"title":"英伟达憾失DeepSeek关键人才？美国放走AI“钱学森”，哈佛教授痛心疾首","media":"市场资讯","content":"<div>\n【新智元导读】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 ...\n\n<a href=\"https://finance.sina.com.cn/stock/stockzmt/2025-02-11/doc-ineizrax3834718.shtml\">网页链接</a>\n\n</div>\n","source":"sina","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>英伟达憾失DeepSeek关键人才？美国放走AI“钱学森”，哈佛教授痛心疾首</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n英伟达憾失DeepSeek关键人才？美国放走AI“钱学森”，哈佛教授痛心疾首\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-02-11 00:01 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/stock/stockzmt/2025-02-11/doc-ineizrax3834718.shtml>市场资讯</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n【新智元导读】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 ...\n\n<a href=\"https://finance.sina.com.cn/stock/stockzmt/2025-02-11/doc-ineizrax3834718.shtml\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"NVDA","symbol_name":"英伟达","start_time":0,"source_url":"https://finance.sina.com.cn/stock/stockzmt/2025-02-11/doc-ineizrax3834718.shtml","article_id":"2510864468","we_media_id":null,"thumbnails":[],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=2510864468","pubTimestamp":1739203260,"columns":[],"sourceInfo":{"source_id":"sina","name":"sina"},"weMediaInfo":null,"summary":"DeepSeek给美国造成的威胁，还在加剧。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。当时，DeepSeek的多模态团队只有3个人。此前，OpenAI公开表示，DeepSeek使用了自家的模型蒸馏。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。","collect":0,"end_time":0,"defaultTopTitle":"sina.com.cn","property":["earning"],"viewcount":null,"language":"zh","relate_stocks":{"NVDA":"英伟达"},"translate_title":"Nvidia regrets losing key talents from DeepSeek? The United States releases AI \"Qian Xuesen\", and Harvard professor is heartbroken","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"NVDA":1},"content_text":"【新智元导读】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（金麒麟分析师）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。相比之下，o3-mini给人的感觉是聪明、快速，但缺乏亮点，往往比较平庸，缺乏深度和新意。从下图中可以看到，从GPT-3到GPT-3.5，再到Llama，推理成本呈指数级下降趋势。DeepSeek R1是第一个达到如此低成本的推理模型，这个成就很了不起，不过，它的成本水平并没有超出专家们预期的范围。而在未来，随着模型架构的创新、更高质量的训练数据、更先进的训练技术，以及更高效的推理系统和硬件（比如新一代GPU和ASIC芯片），AI模型的推理成本还会持续下降。最终，这将解锁AGI的潜力。谁将赢得AGI竞赛最后，几位大佬预测了一番，谁将是AGI竞赛的最终赢家。谷歌似乎是领跑者，因为拥有基础设施优势。但在舆论场上，OpenAI似乎是领先者。它在商业化方面已经走在了最前面，拥有目前AI领域最高的收入。目前，谁究竟在AI领域赚到钱了，有人盈利了吗？大佬们盘了盘后发现，从财务报表上看，微软在AI领域已经实现了盈利，但在基础设施方面已经投入了巨额资本支出。谷歌、亚马逊也是如此。Meta获取的巨额利润来自于推荐系统，并非来自Llama等大模型。Anthropic和OpenAI显然还没盈利，否则就不需要继续融资了。不过单从营收和成本来看，GPT-4已经开始盈利了，因为它的训练成本只有几亿美元。最终，谁都无法预料，OpenAI是否会突然陨落。不过目前，各家公司还会继续融资，因为一旦AGI到来，AI带来的回报难以估量。人们可能并不需要OpenAI花费数十亿美元，去研发“下一个最先进的模型”，只需要ChatGPT级别的AI服务就足够了。推理、代码生成、AI智能体、计算机使用，这些都是AI未来真正有价值的应用领域。谁不发力，谁就可能被市场淘汰。参考资料：https://youtu.be/_1f-o0nqpEIhttps://x.com/GrahamTAllison/status/1885442402833621426https://x.com/ZhidingYu/status/1883958911839133894来源：新智元（转自：中国地产基金百人会）\n\n\n\n海量资讯、精准解读，尽在新浪财经APP","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"-1","news_tag":"executive","news_rank":0,"symbols":[],"gpt_button":0,"need_auth":false,"code":"91000000","status":"200"},"commentList":[{"id":402292152230336,"gmtCreate":1739234663883,"gmtModify":1739265604046,"author":{"id":"3477648757949014","authorId":"3477648757949014","name":"lanzier","avatar":"https://static.tigerbbs.com/c263a28956df296843cbae991cb53f76","vip":1,"crmLevel":4,"crmLevelSwitch":0,"authorIdStr":"3477648757949014","idStr":"3477648757949014"},"htmlText":"如果黄仁勋、马斯克选择在中国创业那么他们就没有今天了。","listText":"如果黄仁勋、马斯克选择在中国创业那么他们就没有今天了。","text":"如果黄仁勋、马斯克选择在中国创业那么他们就没有今天了。","images":[],"top":1,"highlighted":2,"essential":1,"paper":1,"likeSize":8,"commentSize":17,"repostSize":1,"link":"https://laohu8.com/post/402292152230336","repostId":2510864468,"repostType":2,"repost":{"id":"2510864468","kind":"news","pubTimestamp":1739203260,"share":"https://www.laohu8.com/m/news/2510864468?lang=zh_CN&edition=full","pubTime":"2025-02-11 00:01","market":"us","language":"zh","title":"英伟达憾失DeepSeek关键人才？美国放走AI“钱学森”，哈佛教授痛心疾首","url":"https://stock-news.laohu8.com/highlight/detail?id=2510864468","media":"市场资讯","summary":"DeepSeek给美国造成的威胁，还在加剧。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。当时，DeepSeek的多模态团队只有3个人。此前，OpenAI公开表示，DeepSeek使用了自家的模型蒸馏。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。","content":"<html><body><div>\n【新智元导读】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<a href=\"https://laohu8.com/S/NVDA\">英伟达</a>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！<div><img cms-height=\"558.172\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/392/w1080h912/20250211/0529-15e1902447dd90f0ae180db54a50a499.jpg\"/>a16z联创Marc Andreessen发文</div>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”？<div><img cms-height=\"194.062\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/328/w872h256/20250211/f19e-15741db721e73120692f7089719fd3eb.jpg\"/></div>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）：<blockquote>（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。</blockquote>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！<div><img cms-height=\"852.562\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/399/w873h1126/20250211/5dfc-5510cc0815601e6cf974d09350e0fd34.jpg\"/></div>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”：<blockquote>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。</blockquote>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：<div><img cms-height=\"257.438\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/413/w873h340/20250211/addb-d8ed23cbee0d75797a8182a2d423ed6c.jpg\"/></div><blockquote>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。</blockquote><div><img cms-height=\"292.547\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/758/w1080h478/20250211/7582-7277c91f14f39d42d1ce2316015d3c85.jpg\"/>潘梓正是DeepSeek-VL2的共同一作</div>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：<div><img cms-height=\"410.609\" cms-width=\"376.75\" src=\"http://n.sinaimg.cn/spider20250211/237/w879h958/20250211/eba4-0e6f1de7f1eafb2a4326074166ab334d.jpg\"/></div>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。<div><img cms-height=\"283.375\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/743/w1080h463/20250211/4eb2-d0622bb643202f7e28e070ecb9bef618.jpg\"/></div>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。<div><img cms-height=\"372.125\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/88/w1080h608/20250211/4479-2f6ca192a4e579a29174421c7fe08285.jpg\"/></div>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。<div><img cms-height=\"89.9688\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/427/w1080h147/20250211/8005-b32bf966f320ccbd66d0568a609b0eb5.jpg\"/>《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”</div>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（<a href=\"https://laohu8.com/S/603586\">金麒麟</a>分析师）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。<div><img cms-height=\"531.859\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/349/w1080h869/20250211/66b8-5d72d73adbb57e6df0b6f08a234bfc65.jpg\"/></div>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。<div><img cms-height=\"273.578\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/727/w1080h447/20250211/0f73-4df55fde453b6089c88fedf05d7027ac.jpg\"/></div>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。<div><img cms-height=\"241.75\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/675/w1080h395/20250211/bd33-83d3bf4a8b00f6ed0c4dacee57697bc1.jpg\"/></div>有趣的是，<a href=\"https://laohu8.com/S/GOOG\">谷歌</a>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。<div><img cms-height=\"231.969\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/659/w1080h379/20250211/a117-8eef17c10079d1870f774a32ddbcf6c7.jpg\"/></div>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。<div><img cms-height=\"474.328\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/255/w1080h775/20250211/737d-a723f7bfb2ae0c5ef8b1e6306e361d13.jpg\"/></div>相比之下，o3-mini给人的感觉是聪明、快速，但缺乏亮点，往往比较平庸，缺乏深度和新意。从下图中可以看到，从GPT-3到GPT-3.5，再到Llama，推理成本呈指数级下降趋势。<div><img cms-height=\"392.922\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/122/w1080h642/20250211/c5f4-3a39951de35fc4d4b53720267a23392d.jpg\"/></div>DeepSeek R1是第一个达到如此低成本的推理模型，这个成就很了不起，不过，它的成本水平并没有超出专家们预期的范围。而在未来，随着模型架构的创新、更高质量的训练数据、更先进的训练技术，以及更高效的推理系统和硬件（比如新一代GPU和ASIC芯片），AI模型的推理成本还会持续下降。最终，这将解锁AGI的潜力。谁将赢得AGI竞赛最后，几位大佬预测了一番，谁将是AGI竞赛的最终赢家。谷歌似乎是领跑者，因为拥有基础设施优势。但在舆论场上，OpenAI似乎是领先者。它在商业化方面已经走在了最前面，拥有目前AI领域最高的收入。目前，谁究竟在AI领域赚到钱了，有人盈利了吗？大佬们盘了盘后发现，从财务报表上看，<a href=\"https://laohu8.com/S/MSFT\">微软</a>在AI领域已经实现了盈利，但在基础设施方面已经投入了巨额资本支出。谷歌、<a href=\"https://laohu8.com/S/AMZN\">亚马逊</a>也是如此。Meta获取的巨额利润来自于推荐系统，并非来自Llama等大模型。Anthropic和OpenAI显然还没盈利，否则就不需要继续融资了。不过单从营收和成本来看，GPT-4已经开始盈利了，因为它的训练成本只有几亿美元。最终，谁都无法预料，OpenAI是否会突然陨落。不过目前，各家公司还会继续融资，因为一旦AGI到来，AI带来的回报难以估量。人们可能并不需要OpenAI花费数十亿美元，去研发“下一个最先进的模型”，只需要ChatGPT级别的AI服务就足够了。推理、代码生成、AI智能体、计算机使用，这些都是AI未来真正有价值的应用领域。谁不发力，谁就可能被市场淘汰。参考资料：https://youtu.be/_1f-o0nqpEIhttps://x.com/GrahamTAllison/status/1885442402833621426https://x.com/ZhidingYu/status/1883958911839133894来源：新智元（转自：中国地产基金百人会）\n<div></div>\n<div>\n<div><img src=\"\"/></div>\n<div>海量资讯、精准解读，尽在新浪财经APP</div>\n</div>\n</div></body></html>","source":"sina","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>英伟达憾失DeepSeek关键人才？美国放走AI“钱学森”，哈佛教授痛心疾首</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n英伟达憾失DeepSeek关键人才？美国放走AI“钱学森”，哈佛教授痛心疾首\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-02-11 00:01 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/stock/stockzmt/2025-02-11/doc-ineizrax3834718.shtml>市场资讯</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n【新智元导读】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 ...\n\n<a href=\"https://finance.sina.com.cn/stock/stockzmt/2025-02-11/doc-ineizrax3834718.shtml\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/stock/stockzmt/2025-02-11/doc-ineizrax3834718.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/b0d1b7e8843deea78cc308b15114de44","article_id":"2510864468","content_text":"【新智元导读】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（金麒麟分析师）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。相比之下，o3-mini给人的感觉是聪明、快速，但缺乏亮点，往往比较平庸，缺乏深度和新意。从下图中可以看到，从GPT-3到GPT-3.5，再到Llama，推理成本呈指数级下降趋势。DeepSeek R1是第一个达到如此低成本的推理模型，这个成就很了不起，不过，它的成本水平并没有超出专家们预期的范围。而在未来，随着模型架构的创新、更高质量的训练数据、更先进的训练技术，以及更高效的推理系统和硬件（比如新一代GPU和ASIC芯片），AI模型的推理成本还会持续下降。最终，这将解锁AGI的潜力。谁将赢得AGI竞赛最后，几位大佬预测了一番，谁将是AGI竞赛的最终赢家。谷歌似乎是领跑者，因为拥有基础设施优势。但在舆论场上，OpenAI似乎是领先者。它在商业化方面已经走在了最前面，拥有目前AI领域最高的收入。目前，谁究竟在AI领域赚到钱了，有人盈利了吗？大佬们盘了盘后发现，从财务报表上看，微软在AI领域已经实现了盈利，但在基础设施方面已经投入了巨额资本支出。谷歌、亚马逊也是如此。Meta获取的巨额利润来自于推荐系统，并非来自Llama等大模型。Anthropic和OpenAI显然还没盈利，否则就不需要继续融资了。不过单从营收和成本来看，GPT-4已经开始盈利了，因为它的训练成本只有几亿美元。最终，谁都无法预料，OpenAI是否会突然陨落。不过目前，各家公司还会继续融资，因为一旦AGI到来，AI带来的回报难以估量。人们可能并不需要OpenAI花费数十亿美元，去研发“下一个最先进的模型”，只需要ChatGPT级别的AI服务就足够了。推理、代码生成、AI智能体、计算机使用，这些都是AI未来真正有价值的应用领域。谁不发力，谁就可能被市场淘汰。参考资料：https://youtu.be/_1f-o0nqpEIhttps://x.com/GrahamTAllison/status/1885442402833621426https://x.com/ZhidingYu/status/1883958911839133894来源：新智元（转自：中国地产基金百人会）\n\n\n\n海量资讯、精准解读，尽在新浪财经APP","news_type":1,"symbols_score_info":{"NVDA":1}},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"comments":[{"id":402968093856048,"gmtCreate":1739399418287,"gmtModify":1739399423210,"authorId":3573177218196491,"author":{"id":3573177218196491,"idStr":"3573177218196491","authorId":3573177218196491,"name":"JasonFly","avatar":"https://static.tigerbbs.com/4ad4f93c26e4d7ca2acb5a3de4e1d5ba","vip":1,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[]},"repliedAuthorId":0,"objectId":402292152230336,"type":1,"supId":0,"prevId":0,"content":"别整天中国中国，天天觉得自己特殊？\n 把你放在美国，给你同样的条件，你能成黄马吗","text":"别整天中国中国，天天觉得自己特殊？\n 把你放在美国，给你同样的条件，你能成黄马吗","html":"别整天中国中国，天天觉得自己特殊？\n 把你放在美国，给你同样的条件，你能成黄马吗"},{"id":402439377174848,"gmtCreate":1739270480190,"gmtModify":1739278628271,"authorId":4187042170788772,"author":{"id":4187042170788772,"idStr":"4187042170788772","authorId":4187042170788772,"name":"小姚的复利钱包","avatar":"https://static.tigerbbs.com/6becda01df49eed121da623b67673ae2","vip":1,"crmLevel":6,"crmLevelSwitch":0,"individualDisplayBadges":[]},"repliedAuthorId":0,"objectId":402292152230336,"type":1,"supId":402319776338296,"prevId":0,"content":"人可能都没了","text":"人可能都没了","html":"人可能都没了"},{"id":402417861136792,"gmtCreate":1739265233841,"gmtModify":1739265237830,"authorId":4093596070918460,"author":{"id":4093596070918460,"idStr":"4093596070918460","authorId":4093596070918460,"name":"闲人马斯克","avatar":"https://static.tigerbbs.com/8de4bb6ae7ead34f761208585a438824","vip":1,"crmLevel":12,"crmLevelSwitch":1,"individualDisplayBadges":[]},"repliedAuthorId":3561963504529717,"repliedAuthor":{"id":3561963504529717,"idStr":"3561963504529717","authorId":3561963504529717,"name":"白宝宝__","avatar":"https://static.tigerbbs.com/b22e3548f5e805a7f0a291867263cb5c","vip":1,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[]},"objectId":402292152230336,"type":1,"supId":402395464753456,"prevId":402398306033880,"content":"你需要我做啥？","text":"你需要我做啥？","html":"你需要我做啥？"},{"id":402398306033880,"gmtCreate":1739260517072,"gmtModify":1739262465412,"authorId":3561963504529717,"author":{"id":3561963504529717,"idStr":"3561963504529717","authorId":3561963504529717,"name":"白宝宝__","avatar":"https://static.tigerbbs.com/b22e3548f5e805a7f0a291867263cb5c","vip":1,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[]},"repliedAuthorId":0,"objectId":402292152230336,"type":1,"supId":402395464753456,"prevId":0,"content":"就像你一样，只会说不会做","text":"就像你一样，只会说不会做","html":"就像你一样，只会说不会做"},{"id":402395464753456,"gmtCreate":1739259616259,"gmtModify":1739259620013,"authorId":4093596070918460,"author":{"id":4093596070918460,"idStr":"4093596070918460","authorId":4093596070918460,"name":"闲人马斯克","avatar":"https://static.tigerbbs.com/8de4bb6ae7ead34f761208585a438824","vip":1,"crmLevel":12,"crmLevelSwitch":1,"individualDisplayBadges":[]},"repliedAuthorId":0,"objectId":402292152230336,"type":1,"supId":0,"prevId":0,"content":"说得对。中国近300年没有发明创造，这个大家应该知道。中国有了1之后到10很厉害，但不能从0到1。几百年的制度大致一样，思想被禁锢，懂得都懂","text":"说得对。中国近300年没有发明创造，这个大家应该知道。中国有了1之后到10很厉害，但不能从0到1。几百年的制度大致一样，思想被禁锢，懂得都懂","html":"说得对。中国近300年没有发明创造，这个大家应该知道。中国有了1之后到10很厉害，但不能从0到1。几百年的制度大致一样，思想被禁锢，懂得都懂"}],"langContent":"CN"},{"id":402242391007704,"gmtCreate":1739221959014,"gmtModify":1739221961055,"author":{"id":"3569990651722550","authorId":"3569990651722550","name":"股池之蛙","avatar":"https://static.tigerbbs.com/7a44b2262c36f98ef5b478294b12a17a","vip":1,"crmLevel":6,"crmLevelSwitch":0,"authorIdStr":"3569990651722550","idStr":"3569990651722550"},"htmlText":"扯！","listText":"扯！","text":"扯！","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/402242391007704","repostId":2510864468,"repostType":2,"repost":{"id":"2510864468","kind":"news","pubTimestamp":1739203260,"share":"https://www.laohu8.com/m/news/2510864468?lang=zh_CN&edition=full","pubTime":"2025-02-11 00:01","market":"us","language":"zh","title":"英伟达憾失DeepSeek关键人才？美国放走AI“钱学森”，哈佛教授痛心疾首","url":"https://stock-news.laohu8.com/highlight/detail?id=2510864468","media":"市场资讯","summary":"DeepSeek给美国造成的威胁，还在加剧。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。当时，DeepSeek的多模态团队只有3个人。此前，OpenAI公开表示，DeepSeek使用了自家的模型蒸馏。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。","content":"<html><body><div>\n【新智元导读】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<a href=\"https://laohu8.com/S/NVDA\">英伟达</a>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！<div><img cms-height=\"558.172\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/392/w1080h912/20250211/0529-15e1902447dd90f0ae180db54a50a499.jpg\"/>a16z联创Marc Andreessen发文</div>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”？<div><img cms-height=\"194.062\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/328/w872h256/20250211/f19e-15741db721e73120692f7089719fd3eb.jpg\"/></div>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）：<blockquote>（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。</blockquote>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！<div><img cms-height=\"852.562\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/399/w873h1126/20250211/5dfc-5510cc0815601e6cf974d09350e0fd34.jpg\"/></div>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”：<blockquote>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。</blockquote>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：<div><img cms-height=\"257.438\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/413/w873h340/20250211/addb-d8ed23cbee0d75797a8182a2d423ed6c.jpg\"/></div><blockquote>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。</blockquote><div><img cms-height=\"292.547\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/758/w1080h478/20250211/7582-7277c91f14f39d42d1ce2316015d3c85.jpg\"/>潘梓正是DeepSeek-VL2的共同一作</div>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：<div><img cms-height=\"410.609\" cms-width=\"376.75\" src=\"http://n.sinaimg.cn/spider20250211/237/w879h958/20250211/eba4-0e6f1de7f1eafb2a4326074166ab334d.jpg\"/></div>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。<div><img cms-height=\"283.375\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/743/w1080h463/20250211/4eb2-d0622bb643202f7e28e070ecb9bef618.jpg\"/></div>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。<div><img cms-height=\"372.125\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/88/w1080h608/20250211/4479-2f6ca192a4e579a29174421c7fe08285.jpg\"/></div>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。<div><img cms-height=\"89.9688\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/427/w1080h147/20250211/8005-b32bf966f320ccbd66d0568a609b0eb5.jpg\"/>《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”</div>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（<a href=\"https://laohu8.com/S/603586\">金麒麟</a>分析师）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。<div><img cms-height=\"531.859\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/349/w1080h869/20250211/66b8-5d72d73adbb57e6df0b6f08a234bfc65.jpg\"/></div>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。<div><img cms-height=\"273.578\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/727/w1080h447/20250211/0f73-4df55fde453b6089c88fedf05d7027ac.jpg\"/></div>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。<div><img cms-height=\"241.75\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/675/w1080h395/20250211/bd33-83d3bf4a8b00f6ed0c4dacee57697bc1.jpg\"/></div>有趣的是，<a href=\"https://laohu8.com/S/GOOG\">谷歌</a>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。<div><img cms-height=\"231.969\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/659/w1080h379/20250211/a117-8eef17c10079d1870f774a32ddbcf6c7.jpg\"/></div>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。<div><img cms-height=\"474.328\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/255/w1080h775/20250211/737d-a723f7bfb2ae0c5ef8b1e6306e361d13.jpg\"/></div>相比之下，o3-mini给人的感觉是聪明、快速，但缺乏亮点，往往比较平庸，缺乏深度和新意。从下图中可以看到，从GPT-3到GPT-3.5，再到Llama，推理成本呈指数级下降趋势。<div><img cms-height=\"392.922\" cms-width=\"661\" src=\"http://n.sinaimg.cn/spider20250211/122/w1080h642/20250211/c5f4-3a39951de35fc4d4b53720267a23392d.jpg\"/></div>DeepSeek R1是第一个达到如此低成本的推理模型，这个成就很了不起，不过，它的成本水平并没有超出专家们预期的范围。而在未来，随着模型架构的创新、更高质量的训练数据、更先进的训练技术，以及更高效的推理系统和硬件（比如新一代GPU和ASIC芯片），AI模型的推理成本还会持续下降。最终，这将解锁AGI的潜力。谁将赢得AGI竞赛最后，几位大佬预测了一番，谁将是AGI竞赛的最终赢家。谷歌似乎是领跑者，因为拥有基础设施优势。但在舆论场上，OpenAI似乎是领先者。它在商业化方面已经走在了最前面，拥有目前AI领域最高的收入。目前，谁究竟在AI领域赚到钱了，有人盈利了吗？大佬们盘了盘后发现，从财务报表上看，<a href=\"https://laohu8.com/S/MSFT\">微软</a>在AI领域已经实现了盈利，但在基础设施方面已经投入了巨额资本支出。谷歌、<a href=\"https://laohu8.com/S/AMZN\">亚马逊</a>也是如此。Meta获取的巨额利润来自于推荐系统，并非来自Llama等大模型。Anthropic和OpenAI显然还没盈利，否则就不需要继续融资了。不过单从营收和成本来看，GPT-4已经开始盈利了，因为它的训练成本只有几亿美元。最终，谁都无法预料，OpenAI是否会突然陨落。不过目前，各家公司还会继续融资，因为一旦AGI到来，AI带来的回报难以估量。人们可能并不需要OpenAI花费数十亿美元，去研发“下一个最先进的模型”，只需要ChatGPT级别的AI服务就足够了。推理、代码生成、AI智能体、计算机使用，这些都是AI未来真正有价值的应用领域。谁不发力，谁就可能被市场淘汰。参考资料：https://youtu.be/_1f-o0nqpEIhttps://x.com/GrahamTAllison/status/1885442402833621426https://x.com/ZhidingYu/status/1883958911839133894来源：新智元（转自：中国地产基金百人会）\n<div></div>\n<div>\n<div><img src=\"\"/></div>\n<div>海量资讯、精准解读，尽在新浪财经APP</div>\n</div>\n</div></body></html>","source":"sina","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>英伟达憾失DeepSeek关键人才？美国放走AI“钱学森”，哈佛教授痛心疾首</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n英伟达憾失DeepSeek关键人才？美国放走AI“钱学森”，哈佛教授痛心疾首\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-02-11 00:01 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/stock/stockzmt/2025-02-11/doc-ineizrax3834718.shtml>市场资讯</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n【新智元导读】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 ...\n\n<a href=\"https://finance.sina.com.cn/stock/stockzmt/2025-02-11/doc-ineizrax3834718.shtml\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"","relate_stocks":{"NVDA":"英伟达"},"source_url":"https://finance.sina.com.cn/stock/stockzmt/2025-02-11/doc-ineizrax3834718.shtml","is_english":false,"share_image_url":"https://static.laohu8.com/b0d1b7e8843deea78cc308b15114de44","article_id":"2510864468","content_text":"【新智元导读】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（金麒麟分析师）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。相比之下，o3-mini给人的感觉是聪明、快速，但缺乏亮点，往往比较平庸，缺乏深度和新意。从下图中可以看到，从GPT-3到GPT-3.5，再到Llama，推理成本呈指数级下降趋势。DeepSeek R1是第一个达到如此低成本的推理模型，这个成就很了不起，不过，它的成本水平并没有超出专家们预期的范围。而在未来，随着模型架构的创新、更高质量的训练数据、更先进的训练技术，以及更高效的推理系统和硬件（比如新一代GPU和ASIC芯片），AI模型的推理成本还会持续下降。最终，这将解锁AGI的潜力。谁将赢得AGI竞赛最后，几位大佬预测了一番，谁将是AGI竞赛的最终赢家。谷歌似乎是领跑者，因为拥有基础设施优势。但在舆论场上，OpenAI似乎是领先者。它在商业化方面已经走在了最前面，拥有目前AI领域最高的收入。目前，谁究竟在AI领域赚到钱了，有人盈利了吗？大佬们盘了盘后发现，从财务报表上看，微软在AI领域已经实现了盈利，但在基础设施方面已经投入了巨额资本支出。谷歌、亚马逊也是如此。Meta获取的巨额利润来自于推荐系统，并非来自Llama等大模型。Anthropic和OpenAI显然还没盈利，否则就不需要继续融资了。不过单从营收和成本来看，GPT-4已经开始盈利了，因为它的训练成本只有几亿美元。最终，谁都无法预料，OpenAI是否会突然陨落。不过目前，各家公司还会继续融资，因为一旦AGI到来，AI带来的回报难以估量。人们可能并不需要OpenAI花费数十亿美元，去研发“下一个最先进的模型”，只需要ChatGPT级别的AI服务就足够了。推理、代码生成、AI智能体、计算机使用，这些都是AI未来真正有价值的应用领域。谁不发力，谁就可能被市场淘汰。参考资料：https://youtu.be/_1f-o0nqpEIhttps://x.com/GrahamTAllison/status/1885442402833621426https://x.com/ZhidingYu/status/1883958911839133894来源：新智元（转自：中国地产基金百人会）\n\n\n\n海量资讯、精准解读，尽在新浪财经APP","news_type":1,"symbols_score_info":{"NVDA":1}},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"}],"isCommentEnd":false,"newsSizeData":{"likeSize":6,"commentSize":2,"repostSize":4,"favoriteSize":5,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"deviceId":"web-server-community-laohu8-v3","version":"4.35.12","shortVersion":"4.35.12","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2510864468","isCrawlerRequest":true}