工程院院士与DeepSeek过了一招
李国杰是中国工程院院士、发展中国家科学院（TWAS）院士，研究方向涵盖计算机体系结构、并行算法、人工智能等多个领域。
DeepSeek的横空出世是人工智能发展史上的标志性事件。短短7天内，用户增长超过1亿，打破了用户增长速度的世界纪录。与此同时，英伟达股价单日暴跌17%，市值缩水5890亿美元，创下美国上市公司单日最大损失纪录。这表明，高算力和高投入不再是发展人工智能的唯一途径，集成电路制程优势也不再等于人工智能技术霸权。DeepSeek引领行业进入以算法和模型架构优化为主的新时期，同时高度重视数据质量和规模，并理性提高算力。此外，DeepSeek标志着中国科技公司从“追赶者”变为“规则改写者”，在全球人工智能领域展现出颠覆性创新。
全球人工智能龙头企业纷纷拥抱DeepSeek，微软最早宣布将其R1模型添加到Azure AI Foundry，亚马逊云科技（AWS）、英伟达、超威半导体（AMD）等也相继部署DeepSeek V3和R1模型。上亿用户和众多大公司根据性价比和亲身体验主动融入DeepSeek生态。DeepSeek推出的高效率、低成本推理模型和开源商业模式，引领了人工智能行业新潮流。
V3和R1模型受欢迎的原因在于其在模型算法和系统软件层次的重大创新。V3模型参数量高达6710亿，但采用混合专家模型（MoE）架构后，每次调用仅激活约370亿个参数，显著降低了训练计算成本。改进的多头潜在注意力机制（MLA）减少了键值缓存开销，将显存占用降至其他大模型的5%~13%，提升了运行效率。R1模型摒弃传统监督微调（SFT），提出群组相对策略优化（GRPO），通过强化学习激发推理能力，简化了训练流程。这些发明虽非首次提出，但DeepSeek通过努力将技术做到极致，在前人成果基础上登上新的技术高峰。
第3波人工智能兴起后，美国政府、AI龙头企业和投资界认为高算力是发展人工智能的关键。特朗普签署法案启动星际之门计划，投资5000亿美元打造基础设施。然而，DeepSeek的成功揭示了真相，即推理模型开发比想象中简单，各行各业都能参与。初生牛犊不怕虎的中国科技工作者戳破了纸老虎，展示了其实力。
2020年，OpenAI发表论文提出规模法则，认为增加模型规模、数据量和计算资源可以显著提升性能。但规模法则并非科学定律，而是经验归纳。近几年大模型训练效果表明，要获得线性增长需高指数性增加投入，这种模式难以持久。理查德·萨顿指出，虽然规模法则有效，但它不是解决所有问题的万能钥匙，AI系统还需具备持续学习、适应环境等能力。
DeepSeek的出现迫使AI界重新思考技术路线：是继续追求高算力还是在算法优化上下功夫？DeepSeek标志着从外延式发展阶段转向集约化系统优化阶段。尽管成功并未否定算力的重要性，但绿色发展和降低能耗成为重要目标。
通用人工智能是一个模糊概念，OpenAI追求的是多个领域处理复杂问题的能力。莫拉维克悖论指出，复杂问题易解而简单问题难解。因此，学术界更关注智能系统的持续学习和自我改进能力。实现通用智能是渐进过程，不会因某项技术突然到来。
DeepSeek和OpenAI都以通用人工智能为目标，但路径不同。OpenAI通过扩大模型规模希望先做出通用基础模型再蒸馏出垂直模型。DeepSeek则走“由专到通”的道路，通过模型算法和工程优化探索受限资源下的通用智能。未来可能是通专融合，形成智能时代产业新生态。
科技界公认图灵是人工智能奠基人，他提出了计算模拟人类智能的假说。迄今为止，人工智能成果离不开计算，但高算力是否本质需求值得深思。人脑高效低功耗是因为分布式模拟计算。深度学习奠基人辛顿提出“凡人计算”，采用与人脑相同的存算一体模拟计算方式，追求高算效和高能效，这是正确方向。
斯坦福大学华裔科学家团队基于阿里通义千问模型，结合谷歌AI推理模型Gemini 2.0 Flash Thinking Experimental，使用16个英伟达H100 GPU进行了26分钟训练，以不到50美元费用成功训练出s1模型，性能超越高端模型。低成本模型显示出巨大潜力。
过去几年，开源大模型性能始终落后于闭源大模型，但DeepSeek改变了这一局面，增强了开源社区信心。杨立昆认为开源模型正在超越闭源模型，改变发展模式比单项技术突破更重要。DeepSeek彻底开源模式破解了企业数据安全难题，真正实现了技术民主化。
长期以来，美国AI龙头公司夸大开源AI的安全风险，抑制开源AI发展。事实上，开源模型对全球AI供应链至关重要，尤其是发展中国家。若美国继续设置障碍，中国有望在开源AI全球供应链中占据核心地位。真正的AI竞争不仅是技术和模型的竞争，更是生态系统、商业模式和价值观的竞争。开源战略将证明谁拥抱开源，谁就能赢得未来。
有人认为ChatGPT是0到1的突破，而DeepSeek只是1到N的扩展，但这不符合人工智能发展历史。中国企业在应用创新和商业模式创新方面表现出色，但原创能力逐渐增强。DeepSeek可能标志着中国AI产业从“技术跟跑”向“技术并跑和领跑”迈进。
尽管中国在人工智能基础研究和核心技术上仍与美国有差距，但在论文发表总数和专利授权数量上超过美国。近年来中国进步迅速，根据统计，中国作者在过去四年增长了8倍。人工智能产业具有不对称性，一个小企业可以挑战市值上万亿的龙头企业。中国已有52家人工智能独角兽企业，占全球18%。这表明中国已有一批创新型小企业进入世界前列。
DeepSeek的成功说明算法优化和系统级工程优化不可或缺，优秀工程师发挥着重要作用。良好的工程教育体系和庞大的工程师队伍是中国的优势。年轻一代正成为科研主力，有信心在人工智能研究和应用上走在前面。
实现人工智能自立自强不仅靠国家规划和资金支持，更要做好人才使用培养和产业生态构建。DeepSeek创始人梁文锋强调自信，选择初出茅庐的年轻人，拒绝经验丰富的人才。这种用人理念为公司带来创新动力，对传统教育和聘用模式提出警示。
构建自主可控的产业生态是最困难的任务。英伟达的CUDA软件生态是其护城河，DeepSeek冲击了这一生态但未完全绕过。长远来看，需要开发一套自主可控的AI软件工具系统，重构AI软件生态。这需要周密规划和长期努力，相关部门应组织全国力量完成这一任务。
资金投入虽非决定因素，但中国投资市场规模急剧萎缩值得关注。2023年美国AI投资达到672亿美元，是中国的8.7倍。风险投资和私募基金对科创产业极为重要，中美科创市场曾并驾齐驱，但2023年中国投资额仅相当于美国的8%。政府和资本界需合力构建健康的科创金融生态，为创新提供动力。
产业生态形成需市场牵引，国家应通过政策引导推广AI应用，增强国产硬件和软件市场占有率。重视芯片设计和大模型开源战略，争取中国在全球人工智能开源系统中的主导作用。通过算法和软件协同创新，充分发挥硬件性能，力争中国人工智能科研和应用走在世界前列。
