【DeepSeek】Fortune雜誌─IBM首席執行官：DeepSeek證明我們是對的

近日，DeepSeek公司顛覆了人工智慧領域的傳統認知。長久以來，業界普遍認為訓練尖端模型需要超過10億美元資金投入和數千顆最先進的晶片，認定人工智慧必須閉源開發，並相信只有少數公司擁有建構人工智慧模型的能力——因此嚴守技術機密至關重要。

但這家中國公司給出了不同答案。媒體報導顯示，他們僅用2,000顆輝達（Nvidia）晶片，以約600萬美元的超預期成本就完成了最新模型的訓練。這印證了我們始終堅持的觀點：更精簡高效的模型無需龐大封閉系統也能取得實質突破。

然而中國團隊的創新引出了一個更深刻的命題：誰將主導人工智慧的未來？真正的解決之道不在於限制進步，而在於建構由高校、企業、科研機構和公民社會組織共同參與的開發生態。

另外一種選擇是什麼？就是讓那些價值觀和優先事項不同的人掌握人工智慧的領導權。這意味著我們要主動放棄對這項關鍵技術的掌控。因為唯有實現人工智慧民主化，才能催生真正的創新與進步。

如今，炒作的時代已經結束。我堅信2025年必須成為打破人工智慧術壟斷的破局之年。到2026年，社會各界不應止步於應用人工智慧，更要成為人工智慧共建者。

DeepSeek對人工智慧領域的啟示

建構這樣一個未來的關鍵在於小型開源模型。DeepSeek給我們帶來的啟示是，最佳的工程設計應該從性能和成本兩個方面進行最佳化。一直以來，人工智慧被視為規模化的遊戲——模型規模越大，效果越好。但DeepSeek真正的突破除了規模，還關乎效率方面。在IBM的研究中，我們發現針對特定用途最佳化的模型已經將人工智慧推理成本降低了30倍，極大提高了人工智慧模型訓練的效率和可及性。

我不認為通用人工智慧（AGI）即將到來，或者人工智慧的未來取決於建造規模如曼哈頓般龐大、依靠核能供電的資料中心。這些觀點製造了虛假的二元對立。沒有任何物理法則規定人工智慧必須是昂貴的。訓練和推理成本並不是固定的——這是一個亟待解決的工程挑戰。無論老牌企業還是初創公司都有能力降低這些成本，使人工智慧變得更實用和更加普及。

這種情況早有先例。在電腦發展初期，儲存和處理能力成本高昂，令人望而卻步。然而，通過技術進步和規模經濟效應，這些成本大幅下降，由此開啟了一波又一波的創新和應用浪潮。

人工智慧也將遵循同樣的軌跡。這對於世界各地的企業而言是好消息。一項技術只有變得經濟可行且容易獲取時，才能真正發揮變革性的作用。通過採用開放、高效的人工智慧模型，企業可以獲得契合自身需求的高性價比解決方案，使人工智慧在各行各業釋放出最大潛力。 (財富FORTUNE)