就在西方还沉浸在圣诞假期，疯狂过年的时候，咱们中国企业给人家放了个新年二踢脚，给人家脑瓜子崩得嗡嗡得。
前有宇树科技的机器狗视频让大家惊呼，还要啥波士顿动力。紧接着又来了个国产大模型 DeepSeek，甚至有股做空英伟达的味道。具体咋回事儿，咱给你唠明白咯。
开源与国际一流性能的双重优势
前几天，DeepSeek 刚刚公布最新版本 V3。注意，与大洋彼岸那个自称 Open，却越来越 Close 的公司产品不同，这个 V3 是开源的。
不过开源还不是他最重要的标签，DeepSeek-V>
就在大模型爆火之前，他们其实是私募机构幻方量化的一个团队。而深度求索能够实现弯道超车，既有点必然，也好像有点运气的意思。
早在 2019 年，幻方就投资 2 亿元搭建了自研深度学习训练平台萤火虫一号，到了 2021 年已经买了足足 1 万张英伟达 A100 显卡的算力储备了。要知道，这个时候大模型没火，万卡集群的概念更是还没出现。
而正是凭借这部分硬件储备，幻方才拿到了 AI 大模型的入场券，最终卷出了现在的 V3。
你说好好的一个量化投资领域的大厂，干嘛要跑来搞 AI 呢？深度求索的 CEO 梁文锋在接受采访的时候给大家聊过，并不是什么看中 AI 前景。
而是在他们看来，通用人工智能可能是下一个最难的事之一，对他们来说，这是一个怎么做的问题，而不是为什么做的问题。就是抱着这么股莽劲，深度求索才搞出了这次的大新闻，下面给大家具体讲讲 V3 有啥特别的地方。
性能碾压：开源模型中无出其右
首先就是性能强悍，目前来看，在 V3 面前，开源模型几乎没一个能打的。
还记得去年年中，小扎的 Meta 推出模型 Llama3.1，当时就因为性能优秀而且开源，一时间被捧上神坛，结果在 V3 手里，基本是全面落败。
而在各种大厂手里的闭源模型，那些大家耳熟能详的什么 GPT-4o、Claude3.5Sonnet 啥的，V3 也能打得有来有回。
你看到这，可能觉得不过如此，也就是追上了国际领先水平嘛，值得这么吹吗？残暴的还在后面。
成本优势：价格仅为竞争对手的零头
大家大概都知道了，现在的大模型就是一个通过大量算力，让模型吃各种数据的炼丹过程。在这个炼丹期，需要的是大量算力和时间往里砸。
所以在圈子里有了一个新的计量单位 GPU 时，也就是用了多少块 GPU 花了多少个小时的训练时间。GPU 时越高，意味着花费的时间、金钱成本就越高，反之就物美价廉了。
前面说的此前开源模型王者，Llama3.1405B，训练周期花费了 3080 万 GPU 时。可性能更强的 V3，只花了不到 280 万 GPU 时。
以钱来换算，DeepSeek 搞出 V3 版本，大概只花了 4000 多万人民币。而 Llama3.1405B 的训练期间，Meta 光是在老黄那买了 16000 多个 GPU，保守估计至少都花了十几亿人民币。
至于另外的那几家闭源模型，动辄都是几十亿上百亿大撒币的。你别以为 DeepSeek 靠的是什么歪门邪道，人家是正儿八经的有技术傍身的。
技术优势：深度求索自研算法
为了搞清楚 DeepSeek 的技术咋样，咱们特地联系了语核科技创始人兼 CTO 池光耀，他们主力发展企业向的 agent 数字人，早就是 DeepSeek 的铁粉了。
池光耀告诉我们，DeepSeek 在大模型的训练过程中，采用了自研的算法和优化技术，能够显著提升模型的训练效率和效果。
DeepSeek 还开发了一个高效的训练框架，可以充分利用多机多卡的算力资源，进一步降低训练成本。
听完池光耀的介绍，我们才明白，DeepSeek 的实力来自于他们深厚的算法和工程能力。他们不仅有能力搭建起万卡集群这样的基础设施，还能自己优化算法，压榨每一分算力的价值。
写在最后
DeepSeek 的横空出世，打破了国际大模型厂商的垄断，让所有人都看到了中国 AI 企业的实力。他们用实际行动证明，中国人不仅能造出世界领先的大模型，还能用更少的成本，做出更好的效果。
DeepSeek 的成功，也给国内的 AI 企业带来了巨大的信心。相信在未来，我们会看到更多中国 AI 企业在世界舞台上大放异彩。
发表评论