嘿，科技迷們！最近DeepSeek這件事兒，大家肯定都聽說了吧？簡直在全球科技圈炸開了鍋！今天就來跟大家聊聊這背後的故事，還有它對整個AI產業可能帶來的影響。
David Sacks最近也一直在關注這件事，他和AI領域的專家們聊了很多，所以對DeepSeek的爆紅，他有自己獨到的見解。
Sacks說，DeepSeek這次能引發這麼大的關注，主要有兩個原因。首先，它是一家中國公司，這就自然而然地和中美科技競爭聯繫起來了。其次，DeepSeek選擇開源R1模型，這又引發了關於開源和閉源模式的大討論。如果少了這兩個因素中的任何一個，可能就沒這麼轟動了。
想想看，TikTok上有些使用者可能覺得美國在AI競賽中要落後了，這種情緒也推波助瀾。還有那些支持開源，或者對OpenAI不滿的人，也希望DeepSeek能以更低的成本挑戰OpenAI的地位。
當然，關於DeepSeek的報導，有些是真的，有些可能需要澄清一下。Sacks就說，如果幾週前有人預測，OpenAI之後，第二家發布推理模型的公司會是中國公司，估計沒幾個人會相信。
這裡要稍微解釋一下，現在的AI模型主要分兩種。一種是基礎LLM模型，就像GPT-4o或者DeepSeek的V3，它們很聰明，能回答你提出的問題。另一種是新型推理模型，就像O1，它不僅能給你答案，還會自己研究問題，把複雜問題拆解成小問題，然後一步步解決。這種方法叫做「思維鏈」，現在很火的AI代理就是基於這個概念，讓AI模型能按順序執行任務，解決更複雜的問題。
OpenAI率先發布了這類推理模型，Google也在開發類似的Gemini 2.0 Flash Thinking，Anthropic也有類似的產品，但還沒發布。所以，DeepSeek是第二家發布完整公開版本的推理模型的公司，而且還開源了，難怪會引起轟動。加上它是一家中國公司，還以極低的成本提供API訪問，這些因素疊加在一起，就引爆了新聞。
那麼，中國AI現在發展到什麼程度了呢？Sacks覺得，之前大家可能覺得中國在AI模型方面落後6到12個月，但現在可能只落後3到6個月了。因為O1大概是四個月前發布的，而R1的水平和它差不多。這說明中國在AI領域的進展真的很快。
不過，關於DeepSeek只花了600萬美元就完成模型訓練的說法，Sacks覺得有必要闢謠一下。他和Palmer Luckey、Brad Gerstner都認為，驗證模型訓練的成本非常困難。就算這個數字是真的，600萬美元也只是最終訓練的成本。媒體拿這個數字和美國公司幾十億美元的投入相比，是不合理的。合理的比較，應該比較DeepSeek和OpenAI、Anthropic的最終訓練成本。Anthropic的創始人說，最終訓練成本大概是幾千萬美元。所以，不是600萬美元對10億美元，而是幾千萬美元。
蘋果公司的一位分析師也指出，10億美元的數字可能包括了硬體採購和多年研發的總成本，而不是單純的訓練成本。Sacks也同意這種說法，覺得拿美國AI公司的總投入和中國公司的最終訓練成本相比，是不公平的。
DeepSeek的白皮書倒是很詳細地介紹了模型的訓練過程和結果。雖然沒有提供訓練數據，但你可以對模型進行壓力測試，看看能不能以低成本重現DeepSeek的成果。
總之，驗證600萬美元這個數字很困難，就算我們接受這個數字，重點也不在於DeepSeek是否真的做到了，而是我們要進行合理的比較。
Sacks建議，要評估DeepSeek的總成本，應該考慮研發費用、所有模型的實驗成本、訓練成本以及計算集群的成本。Dylan Patel估計，DeepSeek擁有約5萬個Hoppers，包括1萬個H100、1萬個H800和3萬個H20。這些計算卡的成本加起來就會超過10億美元。所以，DeepSeek只花了600萬美元就完成模型訓練的說法，可能不太靠譜。
Dylan Patel的估計包括了DeepSeek和它的對沖基金，但它們的創始人是同一個人。Sacks補充說，這並不意味著他們做了什麼非法的事情。只是因為出口管制，H100在2022年被禁止出口到中國，H800在2023年也被禁止。這位創始人很有遠見，通過對沖基金購買了這些晶片，並利用AI進行演算法交易。總之，擁有5萬個Hoppers的計算集群，成本肯定超過10億美元。
Sacks說，這還不包括DeepSeek可能擁有的額外晶片，這些晶片可能是通過違反出口限制獲得的，但我們無從得知。所以，他覺得有必要指出，關於DeepSeek低成本訓練的說法，被過度炒作了。
一位分析師說，很難判斷哪些是事實，哪些是虛構，因為每個人都有自己的動機。比如，看好Nvidia的半導體分析師，會希望DeepSeek無法以600萬美元完成訓練的說法是真的。同樣地，開發出顛覆性技術的人，也會希望DeepSeek以600萬美元完成訓練的說法是真的。
Sacks覺得，這些都只是推測。真正讓他印象深刻的是DeepSeek採取的不同方法。
他認為，這是一個「需求是發明之母」的例子。他舉了兩個例子：首先，DeepSeek發明了一種完全不同的強化學習演算法。他們沒有使用通用的PPO演算法，而是使用了一種名為GRPO的演算法，這種演算法佔用更少的計算機記憶體，而且效能更高。也許DeepSeek在計算資源方面受到限制，這促使他們找到了這種方法。
其次，大家都習慣使用Nvidia的CUDA編譯模型，但DeepSeek完全繞過了CUDA，使用了PTX直接與硬體底層溝通，這就像編寫組合語言。Sacks覺得，西方國家有大量的資金，卻沒有想到這些方法。原因並不是我們不夠聰明，而是因為我們沒有受到這些限制。
Sacks想知道，我們如何確保學習這個原則。當一家AI公司剛成立，風險投資家就給他們2億美元時，也許這不是A輪或種子輪的正確答案。也許正確的答案是200萬美元，這樣他們才能進行像DeepSeek這樣的創新。
一位分析師說：「限制造就偉大的藝術。」
Sacks覺得，這也創造了一種新的投資機會。在低成本和高速度的情況下，創造價值的機會可能不在價值鏈的底層，而是在更上游的地方。
一位分析師在Twitter上開玩笑說：「事實證明，包裝才是關鍵。」這句話也點出了重點，如果模型效能持續提升、成本降低，並且快速商品化，那麼價值就會在價值鏈的其他地方產生。也許不是包裝，也許是使用者。
Sacks補充說，也許價值會體現在更廣泛的經濟中。當電力生產在美國起飛時，並不是電力公司賺了很多錢，而是整個經濟體受益。
最後，我們來討論幾個問題：
1. DeepSeek的技術突破，是不是代表中國在AI領域真的崛起了？
2. 開源模式在AI發展中，到底扮演什麼角色？
3. 我們應該如何在AI投資中，鼓勵更多創新？
4. AI發展的未來趨勢會是什麼樣的？
5. AI技術的倫理和安全問題，又該怎麼解決呢？
歡迎大家留言討論，一起交流一下你們的看法！