國產 AI 新銳 DeepSeek（深度求索） 悄然發佈了其最新的 o1 等級推理模型R1，猶如一顆深水炸彈，先是引爆整個矽谷，隨後震驚整個世界！這件事的影響力大家都知道了， 事情還在繼續發酵，剛剛OpenAI 的首席研究 Mark Chen 親自下場評論DeepSeek R1，雖然肯定了DeepSeek R1的研究發現，但是態度非常微妙，還有DeepSeek前實習生工對於Mark Chen的回應，整個過程不要太精彩，我整理了一下，分享給大家

Mark Chen “態度微妙” 回應 DeepSeek：既肯定又“劃重點”？

Mark Chen 的推文，表面上是祝賀 DeepSeek 取得的成就，但仔細品味，卻能感受到一絲微妙的 “酸味” 和 “防守” 姿態

他首先承認 DeepSeek “獨立發現了 OpenAI 在 o1 模型研發過程中的一些核心理念”， 原話：

“祝賀DeepSeek成功研發出o1級推理模型！他們的研究論文表明，他們獨立發現了我們在實現o1過程中改採用的一些核心思想”

這無疑是對 DeepSeek 技術實力的一次高調認可，也側面印證了 DeepSeek 模型的硬核實力

然而，話鋒一轉，Mark Chen 立即將焦點轉移到 “成本” 問題上，認為 “外界對成本優勢的解讀有些過頭”。他拋出了一個略顯專業的概念——“雙軸最佳化 (pre-training and reasoning)”， 解釋說，將模型訓練和推理視為兩個可獨立最佳化的維度，可以更有效地控製成本。他的言外之意似乎在暗示：DeepSeek 你在成本控制上做得不錯，但我們 OpenAI 也能做到，而且我們還有更全面的優勢！

為了進一步 “劃重點”，Mark Chen 還提到了 “蒸餾技術” 的成熟和 “成本與能力解耦” 的趨勢， 暗示 OpenAI 也在積極探索模型壓縮和最佳化技術，降低服務成本。他強調， “低成本服務模型（尤其是在較高延遲下）並不意味著擁有更強的模型能力”， 試圖弱化 DeepSeek 在成本方面的優勢對 OpenAI 能力優勢的衝擊

最後，Mark Chen 不忘 “畫餅”， 強調 OpenAI 將繼續在 “降低成本” 和 “提升能力” 兩個方向上 “雙管齊下”，並承諾 “今年會發佈更優秀的模型”。這番回應，既有對 DeepSeek 技術實力的肯定，也充滿了 OpenAI 作為行業領導者的自信和 “捍衛地位” 的意味。畢竟，DeepSeek 這次發佈的 o1 模型，直接挑戰的是大模型最核心的 推理能力，這無疑觸動了 OpenAI 的敏感神經

前 DeepSeek 實習生 “扎心”回懟 ：OpenAI，說好的“開放”初心呢？

如果說 Mark Chen 的回應還算官方 “過招”， 那麼DeepSeek實習生Zihan Wang 對Mark Chen回應較為尖銳！（資料顯示，他 曾就職於 DeepSeek，並深度參與了 RAGEN 項目！） 他還透露自己 早在 2022 年就關注 OpenAI，並對其早期的 VPT 和 ChatGPT 項目印象深刻，甚至在伯克利的課程項目也做了類似 VPT 的嘗試！曾是 OpenAI 的早期 “粉絲”

Zihan Wang 坦言，他並非有意冒犯，只是好奇曾經以 “開放 AI” 為名的 OpenAI，為何在開源問題上變得如此 “猶豫” 和 “保守”。他回憶起 2022 年 OpenAI 的 VPT 和 ChatGPT 項目，那時他對 OpenAI 的印象是 “開放、創新、引領未來”，充滿了樂觀和信任。但如今，他感覺 OpenAI “變了”，變得不再像以前那樣 “純粹”，不再像以前那樣 “為了更重要的事” 而努力， 似乎更加注重商業利益和競爭優勢

更有趣的來了， 另一位網友 Autark 追問Zihan Wang ，他直接 “喊話” DeepSeek：“DeepSeek 的原始碼在那裡？我說的不是權重或推理支援程式碼，我要的是真正的原始碼！”

面對 Autark 的追問，Zihan Wang 也給出了他瞭解到的 DeepSeek 官方解釋：

“DeepSeek 團隊人數有限，開源需要投入額外的大量工作，不僅僅是讓訓練框架跑起來那麼簡單 (open-sourcing needs another layer of hard work beyond making the training framework brrr on their own infra)。因此，DeepSeek 目前優先聚焦於迭代下一代模型， 在開源方面，他們優先開源 ‘最小化 + 必要’ 的部分，同時通過發佈詳細的技術報告，並鼓勵社區進行復現， 來彌補開放原始碼的不足。”

“華人 AI 力量” 的崛起，中美 AI 競爭的新註腳？

有網友調侃兩位來自不同國家的頂級人工智慧公司的華人代表在 X上爭論，這可能是 2025 年的一個好兆頭

資料顯示，Mark chen 高中就讀於台灣National Experimental High School（2004年 - 2008年），本科就讀於MIT的Mathematics with Computer （2008年 - 2012）

已經在OpenAI工作6年4個月，今天1月剛剛從OpenAI研究副總裁升任為首席研究

zihan wang 本科就讀於中國人民大學，美國西北大學在讀PhD

zihan wang 2024年2月 - 2024年7月 在DeepSeek 實習，

A. 利用稀疏架構訓練專業化語言模型。通過選擇最佳的5%專家進行專業化大語言模型（LLM）調優，能夠實現接近完全的性能。該論文作為第一作者在EMNLP 2024會議上展示

B. 與團隊開發了DeepSeek-V2，一個擁有2360億參數的模型，採用多頭潛在注意力機制來壓縮LLM效率瓶頸中的KV快取，降低了42.5%的成本，生成速度提升了5.76倍，獲得了3.5k GitHub星標和10萬使用者

最後，Zihan Wang 也補充聲明：強調他的觀點僅代表個人，不代表 DeepSeek 官方立場 (AI寒武紀)

【新智元導讀】DeeSeek R1橫空出世撼動了整個矽谷，這波AI恐懼仍在蔓延擴散。奧特曼、OpenAI首席研究官不得不發文承認DeeSeek的技術突破，預告未來會加快新模型的發佈。與此同時，研究人員們也紛紛展開了對DeepSeek技術的深入分析。

DeeSeek掀起的滔天巨浪，讓全世界為之震顫。

短短幾天，從R1復現狂潮，到登頂美榜APP Store，再到科技股集體重挫，這股東方神秘力量威力盡顯。

R1在Hugging Face中的like，從今年1月起直線飆升。

就連奧特曼本人也不得不打破沉默，公開承認DeepSeek的實力，並劇透了未來會有更多模型的發佈：

DeepSeek R1是一款令人印象深刻的模型，特別是考慮到他們在這個價格範圍內能夠提供的能力。

我們顯然會推出更好的模型，而且有一個新的競爭對手確實令人振奮！我們會加快一些版本的發佈，但主要還是專注於推進OpenAI研究路線圖。我們堅信，現在比以往任何時候都更需要更多的算力來實現我們的使命。

未來，世界將會需要大量的 AI，並對下一代模型感到驚嘆。期待為大家帶來 AGI 和更超前的技術。

與此同時，OpenAI首席研究官Mark Chen也承認道，DeepSeek的確獨立發現了一些o1的核心idea。

但對於外界的各種分析，他顯然是不認可的。

Mark Chen表示，現代AI系統採用了「預訓練」和「推理」兩大範式，提供了更靈活的最佳化空間。

在降低成本的同時，提升模型性能，未來OpenAI可以在這兩個維度上持續發力。

而且，隨著蒸餾技術日趨成熟，他們還發現成本控制和性能提升已經不再互相依賴。

換言之，OpenAI能以更低成本提供服務，也不代表就要犧牲模型的能力。

OpenAI研究科學家、德撲之父Noam Brow同樣站出來表示，「演算法突破和Scaling是互補的，而不是相互競爭的。前者使性能與計算量的曲線發生彎曲，而後者則是在曲線上進一步前進」。

作為「避險」，OpenAI今天特意冒泡，發佈了一個專為美國政府打造的ChatGPT Gov。

這場始於一篇22頁學術論文的風暴，讓一個約200人的團隊，用一個模型摧毀華爾街，改變了整個矽谷對AI的看法。

恐怕連DeepSeek自己也沒有想到，這將成為改寫AI競爭格局的一記重拳。

論文地址：https://arxiv.org/pdf/2501.12948

DeepSeek R1論文發佈之初，並未引起所有人的警覺。隨著研究者逐漸消化論文內容，一個令人震驚的事實浮出水面：

R1竟以遠低於科技巨頭的成本，達到了可與頂級AI模型較量的水平。

更令人瞠目的是，這一突破並非依賴昂貴的算力堆砌，而是通過精妙的工程設計實現的。

當許多專家認為中國AI在競賽中望塵莫及之時，R1的出現無異於平地驚雷。

紐約時報作者Kevin Roose就此發表了自己觀點——R1似乎正在動搖美國科技產業的三個主要的假設。

首先，第一個假設是，要建構頂尖AI模型，需要在強大的晶片和資料中心上投入巨額資金。

不得不說，這一點早已成為世界公認的模型Scaling Law必備要素。

從微軟、Meta、Google，到xAI等矽谷巨頭們已經斥資數百億美金，專為開發和運行下一代AI打造專用的基礎設施。

在他們看來，這些投入遠遠不夠。

上周，川普曾官宣了「星際之門」項目，計畫4年內砸5000億美金，在全美建造20座超算。

要知道，DeepSeek似乎只花費了這個數額的一小部分就打造了R1。

雖R1具體訓練金額未知，業界從V3 550萬美元推測，預計其成本要高於這一金額。

即便是R1訓練成本是DeepSeek聲稱的10倍，考慮到其他成本，如工程師薪資或基礎研究成本，這個數字仍然比美國人工智慧公司開發其最強大模型的支出要低幾個數量級。

其次，DeepSeek在成本上的突破，打破了近年來AI競賽中「越大越好」的觀點。

R1恰恰用實踐證明了，經過精細的訓練，相對較小的模型也可以媲美，甚至超越更大的模型。

反過來，這意味著，AI公司或許能以遠低於此前預期的投資，就能實現非常強大的功能。

在研究論文中，揭示了一些關於R1實際建構方式的細節，包括「模型蒸餾」方面的一些前沿技術。

從這點可以看出，將大型AI模型壓縮成更小的模型，不僅運行成本更低，同時不會損失太多性能。

此外，論文還有一些細節表明，將「普通」的AI語言模型轉換為更複雜的推理模型，只需要在其基礎上應用RL演算法，即可實現。

第三，DeepSeek逆襲成功，也動搖了許多專家對中國在AI競賽中處於落後地位的觀點。

事實證明，美國的技術優勢，可能並不如想像中的牢固。

多年來，許多AI專家一直認為美國至少領先世界幾年，而且中國公司要快速複製美國的進展是極其困難的。

截止目前，已有超500個DeepSeek衍生模型登陸HF

但DeepSeek的結果表明，中國擁有可以匹配或超越OpenAI，以及其他美國人工智慧公司模型的先進人工智慧能力。

這場AI巨震帶來的不僅是技術突破，更是對全球AI格局的深刻洗牌。

當整個市場還在為AI訓練成本驟降而恐慌時，一些業內資深玩家卻看到了不一樣的未來。

矽谷眾多業內人士認為，市場對DeepSeek最新模型的大規模拋售反應過度。

他們認為，該模型通過顯著降低AI成本，將推動AI的更廣泛應用和價值實現，從而持續維持市場對輝達晶片的需求。

近期，前英特爾首席執行官Pat Gelsinger用實際行動給出了答案，在周一買入了輝達的股票。

他在LinkedIn上發文表示，「市場的反應是錯誤的，降低AI成本將帶來市場規模的擴張。DeepSeek是一項卓越的工程成就，將引領AI邁向更廣泛的商業應用」。

輝達也在周一表示，DeepSeek的創新將促進其業務的發展。

DeepSeek是一項傑出的AI技術進展，也是「測試時Scaling」的完美範例。這種推理運算需要大量輝達GPU和高性能網路基礎設施的支援。

業內專家TechInsights的G Dan Hutcheson分析更是令人深思。

在他看來，DeepSeek技術突破對輝達的影響有限，真正應該擔心的是OpenAI這樣提供類似服務的公司。

而網友們在Mark Chen推文下面分享的真實體驗，正是這一分析的驗證。

對於機器學習研發社區而言，DeepSeek-R1是尤為重要的一個里程碑：

它是一個開放權重模型，並提供了多個經過知識蒸餾的輕量級版本

它不僅分享了訓練方法，還深入探討了如何複製類似OpenAI o1這樣的推理模型的實現過程

在最近的一篇部落格中，就職於AI初創Chere的機器學習研究工程師Jay Alammar，便通過圖解DeepSeek-R1的方式，分析了如何打造具有推理能力的大語言模型。

模型訓練第一步的細節來自之前的DeepSeek-V3論文。

R1使用該論文中的基礎模型，並仍然經過監督微調（SFT）和偏好微調步驟，但其執行方式有所不同。

這一過程包含了60萬個長思維鏈推理示例。

然而，想要獲取如此規模，並且還是人工標註的這類資料，既困難又昂貴。這就是為什麼建立這些資料的過程成為第二個重要特點。

彙整鉅亨號中所有使用「o1核心」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

【DeepSeek】OpenAI 首席研究 Mark Chen ：DeepSeek獨立發現了o1 核心理念，然而市場反應過度

【DeepSeek】獨立發現o1核心思路，OpenAI首席研究官親自證實！奧特曼被迫發聲