「俗话」说得好：「打不过就加入」。

一开始便对DeepSeek赞赏有加的英伟达，刚刚宣布：「DeepSeek-R1正式登陆NVIDIA NIM」。据介绍，在单个NVIDIA HGX H200系统上，完整版DeepSeek-R1 671B的处理速度可达3,872 Token/秒。

同在今天，亚马逊也在Amazon Bedrock和SageMaker AI中，上线了DeepSeek-R1模型。

曾经冲出来和OpenAI一起高调质疑DeepSeek「偷窃」数据的微软，甚至在前一天就把DeepSeek-R1抢先部署在了自家的云服务Azure上。

除了科技大厂，AI初创们也没有放过如此上好的机会。

Windsurf编辑器同时集成了DeepSeek-R1和V3模型，并且第一次在编程智能体中，实现了R1的工具调用。

Cerebras不仅实现了比GPU快57倍的推理速度，而且还报告称，自己部署的70B模型在准确率上要比GPT-4o和o1-mini更高。

中国AI正在崛起

在吴恩达看来，本周围绕DeepSeek的热议，让许多人清晰地看到了几个一直存在的重要趋势：

1. 美国在GenAI领域的领先地位正在被中国迎头赶上，AI供应链格局将被重塑

2. 开放权重模型正在推动基础模型层商品化，为应用开发者带来新机遇

3. 扩大规模并非通往AI进步的唯一途径。尽管算力备受追捧，但算法创新正在快速降低训练成本

中国在GenAI领域正在赶上美国

当ChatGPT于2022年11月推出时，美国在GenAI领域明显领先于中国。

由于观念的转变十分缓慢，所以吴恩达直到最近，都还能听到不少关于中国仍然落后的论调。

但实际上，双方的差距已经在过去两年中迅速缩小。

随着Qwen（吴恩达团队已经用了几个月）、Kimi、InternVL和DeepSeek等模型的推出，中国在文本模型上的差距正在缩小，而在视频生成等领域，中国甚至已经展现出了一些领先优势。

如今，DeepSeek-R1不仅开源了模型权重，而且还分享了一份包含诸多细节的技术报告。

相比之下，一些美国公司却通过渲染人类灭绝等假想的AI危险，推动制定法规来阻止开源的发展。

不可否认的是，开源/开放权重模型都是AI供应链的关键部分——很多公司都在用。

对此，吴恩达表示：如果美国继续妨碍开源，AI供应链的这一环节就将由中国主导。

开放权重模型正在使基础模型层普及化

一直以来，LLM的Token价格都在迅速下降，开放权重模型不仅加速了这一趋势，并且还为开发者提供了更多选择。

OpenAI的输出价格为60美元/百万Token；而DeepSeek R1只要2.19美元。这种近30倍的差异让许多人注意到了价格下降的趋势。

训练基础模型并提供API服务充满困难，很多AI公司至今仍在寻找收回模型训练成本的途径。

相比之下，在基础模型之上进行应用开发，则有着绝佳的商机。

扩大规模并非AI进步的唯一途径

围绕通过扩大模型规模来推动进步的热议有很多，就连吴恩达也是早期的支持者之一。

许多公司为了数十亿美元的融资， 制造「噱头」：

只要有更多资金，他们就能（1）扩大规模并（2）可预测地推动改进。

因此，人们开始过分关注规模的scaling，而忽视了其他方式取得的进步。

受到美国AI芯片禁令的影响，DeepSeek团队不得不在性能相对较低的H800 GPU上跑模型，而这也推动了他们在优化方面的大量创新。最终，模型训练成本（不包括研究成本）不到600万美元。

这是否真能减少计算需求仍有待观察。有时，商品的单价变得更低，反而会导致该商品的总支出增加。

吴恩达认为：「从长远来看，对智能和算力的需求是几乎没有上限的，所以即使智能变得更便宜，人类依然会使用更多智能。」

在X上，我们可以看到很多对DeepSeek进展的不同解读。就像「罗夏墨迹测试」一样，可以让许多人将自己的理解投射其中。

虽然DeepSeek-R1的地缘政治影响仍有待明确，但它对AI应用的开发者来说确实是个好消息。

吴恩达的团队已经在头脑风暴一些新的想法，而这些想法之所以成为可能，仅仅是因为我们可以轻松访问一个开放的高级推理模型。

现在仍然是一个创造的好时机！

DeepSeek带来的三个启示

DeepSeek的成功，甚至「炸出」了芯片、计算行业的老兵——英特尔前CEO Pat Gelsinger。

作为业内非常资深的工程师，Gelsinger认为，现在这些针对DeepSeek的反应，忽视了我们在过去五十年计算机发展历程中学到的三个重要教训。

第一：计算遵循「气体定律」

计算会像气体一样， 填满由可用资源（资本、电力、散热限制等）定义的可用空间。

正如在CMOS、个人电脑、多核处理器、虚拟化、移动设备等众多领域看到的那样，以极低的价格广泛提供计算资源，将推动市场的爆炸性扩张，而不是收缩。

未来AI将无处不在，而今天，要实现这一潜力的成本仍然高得离谱。

第二：工程的本质就是应对约束

很明显，DeepSeek团队面临诸多约束，但他们找到了极具创造性的方法，并以低10-50倍的成本，交付了世界一流的解决方案。

美国的禁令限制了可用资源，因此中国的工程师不得不发挥创造力，而他们也确实做到了——价值数百亿美元的硬件、最新的芯片和数十亿美元的训练预算，都不再是必需品。

多年前，Gelsinger曾采访过最为著名的计算机科学家之一Donald Knuth。他详细描述了当资源极度受限、进度要求最紧迫时，该如何做出最好的工作。

Gelsinger表示，这个见解是他工程管理生涯中最重要的启示之一。

第三：开放终将胜利

过去几年，看到正变得越来越封闭的基础模型研究，实在令人失望。

在这一点上，Gelsinger更认同马斯克而不是奥特曼的观点——我们真的希望，不，是需要AI研究的开放性得到提升。

我们需要知道训练数据集是什么，研究算法并对其正确性、伦理和影响进行深入思考。Linux、GCC、USB、WiFi等众多例子，已经让这一点无比清晰。

在法律、频谱、工程和采用方面的战斗中，开放并不容易，并且始终在受到市场力量的挑战。但只要给一个适当的机会，「开放」每次都会胜出。

AI对人类未来的重要性不言而喻，因此，绝对不能让一个封闭的生态系统在这个领域成为唯一的主宰。

DeepSeek是一个令人难以置信的工程壮举——它将推动AI实现更广泛发采用，并将帮助重塑行业对开放创新的看法。

正是这样一个来自中国的高度受限的团队，让我们所有人重新想起了这些计算机历史的基本教训。

参考资料：