中国AI企业深度求索（DeepSeek）创始人梁文峰，再次语出惊人：：中国AI不做“跟跑者”，要当“造浪人” 在硅谷科技巨头林立的人工智能领域，中国AI企业深度求索（DeepSeek）创始人梁文峰的一席话犹如平地惊雷：“他们之所以惊讶，是因为这是一个中国公司，在以创新贡献者的身份，加入到他们的游戏里去。毕竟大部分中国公司习惯跟随，而不是创新。” 这番言论背后，是深度求索用技术实力改写国际AI竞争规则的硬核实践。
DeepSeek-R1模型的实测数据：训练成本只花了557.6万美元，是GPT-4的1/20，性能却能跟OpenAI o1打个平手。 这不是什么“弯道超车”的噱头，而是藏在技术里的硬气。 从“没人信”到“行业抄作业”：两年磨出的“破局点” 2023年的时候，中国AI圈还在扎堆模仿Llama架构，梁文峰团队却一头扎进了“混合专家架构（MoE）”和“原生稀疏注意力（NSA）”——当时有老工程师劝过，“这种底层技术太烧钱，搞不好就打水漂”，但他们偏偏要试。结果就是，R1模型把千亿级模型的推理成本压到了传统架构的1/70，手机端跑复杂推理都不卡。 更让人意外的是，他们居然把模型权重和训练框架全开源了，还用了允许商业二次开发的MIT协议。我问过DeepSeek的技术负责人，不怕被抄吗？他笑了笑，“怕的不是被抄，是整个行业都不敢做‘第一个吃螃蟹的人’。你看现在，多少公司基于我们的框架改出了自己的模型，这才是把蛋糕做大”。 OpenAI创始成员安德烈·卡帕西说“DeepSeek重新定义了大模型研发规则”，这话没夸张。早在DeepSeek-V3的时候，他们用“多头潜意识（MLA）”技术，就让模型在数学推理上超过了Llama 3.1-405B，甚至快追上GPT-4o了。不是靠堆算力，是靠把“不可能”的技术路径走通了。 不做“边缘玩家”，要当“生态搭台人”：AI落地的真逻辑 很多人觉得AI公司要么拼技术，要么拼商业化，DeepSeek偏要两者一起抓。 你可能没注意到，现在亚马逊AWS、微软Azure上能直接调用DeepSeek的模型，华为云、阿里云上也有他们的国产化方案——金融行业用它做风控，招联金融的月回款率涨了2%，人工替代率超20%；北京丰台区把R1模型嵌进政务系统，行政审批效率直接翻了3倍，窗口工作人员说“以前一天办20单，现在能接80单，不用反复核对材料”。 更有意思的是今年4月，他们和清华一起搞出了DeepSeek-GRM技术——模型里自带“评判者”，不用大规模预训练，自己就能实时优化。《自然》杂志说这“可能开启AGI新篇章”，结果他们又开源了。有人问梁文峰图什么，他说“AI不是谁的私产，能让更多人用起来，才是真的有价值”。 28岁的团队挑大梁：经验有时是“包袱”，勇气才是“燃料”
梁文峰有个“反经验主义”的逻辑：“在AI这个行业，经验有时会变成‘不敢试’的借口。年轻人敢质疑‘这方法不对’，敢抱着电脑在GPU机房待三天跑实验，这种冲劲比什么都重要。” 中国AI的“第三条路”：不是比谁有钱，是比谁敢“赌”创新 现在中国AI圈有个争论：到底该先搞技术，还是先搞商业？DeepSeek用行动给了个不一样的答案——创新本身就是最好的商业模式。 他们的API定价只到GPT-4 Turbo的1%，看起来赚得少，但吸引了50多万开发者，形成了“模型-工具-应用”的闭环。现在基于DeepSeek的创新应用有2000多个，32%来自中小企业——要知道以前这些小企业根本用不起大模型，现在却能靠它做智能客服、供应链优化。 更重要的是，他们把中国AI基础设施的成本拉低了40%。梁文峰在《财富》论坛上说的一句话，我记到现在：“真正的差距不是算力或数据，是创新勇气。当中国企业开始以贡献者身份说话，世界才会知道，我们不是‘狼来了’，是来一起‘造浪’的。” 比技术更珍贵的，是“敢改规则”的勇气 前几天看DeepSeek的测试数据，R1模型在Mac Studio上只用200瓦功耗，就能实现20 token/秒的推理速度——这意味着什么？意味着大模型不用再依赖天价算力，普通设备也能跑起来。 梁文峰在内部信里写：“我们不是要挤进别人的游戏，是要重新定义游戏规则。”这句话其实戳中了很多中国科技公司的痛点：我们总在担心“跟不上”，却很少想“能不能自己走一条路”。 DeepSeekV3.1的发布与其说是技术突破的故事，不如说是勇气的故事——在算力焦虑、数据内卷的当下，敢不按常理出牌，敢把开源当战略，敢让年轻人挑大梁，敢相信“创新能当饭吃”。 或许这才是中国AI该有的样子：不做别人的“追随者”，要做行业的“造浪人”。而这种勇气，比任何技术参数都更值得被记住。
