“神秘的东方力量”出现，全球科技圈慌了？_风闻

　　来源：中国新闻周刊　

　　AI圈又领教了一回“神秘的东方力量”。

　　1月20日，国内人工智能技术企业深度求索（DeepSeek）官宣了其最新AI推理模型DeepSeek R1。该模型在数学、代码和自然语言推理等任务上表现优异，性能直接对标美国OpenAI最新的推理模型o1。此时，距离o1的正式发布过去还不到半年。

　　消息一出，AI圈几近沸腾。社交平台X上，有国外大厂工程师直白表示，其所在生成式模型研发部门“处于恐慌之中”。英伟达资深科学家Jim Fan给予R1极高评价，称其不仅开源，还分享了所有模型训练细节，做了OpenAI“一直声称要做却没做到的事”。一时间，圈内掀起了测试和复刻R1的热潮。1月27日，DeepSeek同时登顶苹果中美两区App免费榜。据媒体报道，这也是唯一一次中国应用能同期在中国和美区苹果App Store占据第一位。

　　多位业内人士指出，DeepSeek此次最大的贡献，是向世界展示了快速、低成本实现o1同等模型能力的可能性。清华大学计算机科学与技术系副教授刘知远告诉《中国新闻周刊》，“东方力量”其实就是工程创新加持下的追赶能力。在算力吃紧的情况下，DeepSeek打了一场以少胜多的仗。

DeepSeek R1手机端App下载界面 图/视觉中国　　低成本培养出的“数理天才”

　　DeepSeek R1有多厉害？

　　有测试者让R1详细解释勾股定理，R1在不到30秒的时间内生成了完整的图形动画，给出了经典的证明过程，没有出现差错。另一个常用的测试问题是碰撞检测，测试者要求大模型编写一个程序，使得一颗小球在某个缓慢旋转的几何形状内弹跳，并保持小球停留在形状内。碰撞检测十分考验模型的推理能力，稍有不慎就会导致肉眼可见的物理错误。这项测试里，R1的表现明显优于OpenAI o1 pro模式。

　　OpenAI于2024年9月发布了推理模型o1，首次实现真正的通用推理能力，相比其前作GPT-4o有巨大的性能提升，能在“博士级别”的科学问答环节上超越人类专家。新加坡南洋理工大学计算机学院助理教授刘子纬向《中国新闻周刊》解释，传统的ChatGPT模型属于感知模型，擅长提取事件信息。但真实世界的很多任务不能仅靠感知完成，而是需要一定的决策推理，而且越复杂的任务决策成分越多，比如编程、数据分析等。因此，推理模型是业界公认的通往通用人工智能（AGI）不可或缺的模型形态。

　　同为推理模型，在很多方面，R1都与o1的性能持平。在美国数学邀请赛AIME2024的测试中，R1取得了79.8%的成绩，甚至略高于o1，甩开其他开源模型一大截。编码类任务方面，R1也展现出专家级水平，在算法竞赛平台Codeforces上的表现超过了96.3%的人类参赛者。

　　在DeepSeek公开的22页技术报告中，有一个展示R1能力的直观案例。在解决一道复杂数学表达式问题时，R1在解题步骤中突然停下来说“等等，这是个值得标记的啊哈时刻”，随后自主修正了解题过程。“啊哈”类似于人类的顿悟，R1的这种行为完全是自发产生的，而非预先设定。这也意味着，它已经拥有了相当程度的思考和自悟能力。

　　看上去R1已经走出了“题海战术”，转而进入了探究性学习的领域。事实上，这正是它的核心技术强化学习与传统监督学习的差别。刘知远指出，传统大模型特别是o1以前的GPT系列模型，都采用监督学习的训练方法，意味着模型学习的目标有标准答案。比如让模型根据一篇文章的部分文字，去预测下一个词。由于用于训练的文章是完整的，因此这个词是固定的，预测结果也有明确的对错。人类就像严厉的老师，对模型的预测行为反复规训。

　　而强化学习则是在开放环境中进行的任务训练，开发者只会告诉模型，它走出的每一步会得到外部环境怎样的反馈。模型需要根据反馈，自己学会如何去接近最终目标。“这个世界没有那么多纯数学题，因此无法永远通过给标准答案的方式，让模型完成监督学习。”刘知远说。从监督学习向强化学习的范式转变，是实现推理模型的关键。

　　刘子纬指出，o1可视作大模型强化学习的鼻祖，但其没有公开技术文件，因此其强化学习的具体技术路线和占比，只能靠业内猜测，但可以确定其采用了预训练、监督微调、强化学习的流程。预训练类似“背书自学”基础知识，监督微调类似学生模仿教师的示范来解例题，最后强化学习相当于“模拟考试”。而R1则抛弃了监督学习，也就是跳过了例题阶段，仅凭基础语言能力和数学规则，在持续解题试错中自悟方法论，考出高分，这一点得到了绝大多数从业者的赞叹。

　　而除了性能外，R1更令人震撼的优点在于便宜。2024年底，DeepSeek推出V3模型，作为R1的前体，训练成本仅为557.6万美元，而2020年发布的GPT-3的训练成本接近1200万美元，GPT-4更是超1亿美元。技术报告显示，R1面向开发者的服务定价为每百万输入字符串（token）1—4元，这一价格只有o1的1/30左右。

　　R1怎么能如此便宜？刘子纬认为，算力达到一定量级的情况下，可以通过工程创新把性能差距抹平。在堆算力的“大力出奇迹”路线进入瓶颈后，DeepSeek选择了在底层算法、训练模式和数据三个层面进行了工程迭代。基于混合专家模型、注意力机制等方面的创新，R1做到了“用50次运算达成别人做100次运算的效果”，效能提升明显。而在抛弃监督学习后，计算资源的需求也大幅减少。

　　由于超高性价比，1月27日，苹果App Store中国区免费榜显示，DeepSeek站上首位。同时，DeepSeek在美区苹果App Store免费榜从昨日的第六位飙升至第一位。有业内人士称，R1已经成为美国顶尖高校研究人员的首选模型。一位不愿具名的来自澳门大学的AI研究者向《中国新闻周刊》表示，R1完全可以取代日常科研对GPT模型的使用需求，在对科研文章的错误识别、修改润色、语言转换上都表现出色。

　　商业化落地仍待探索

　　尽管R1展现出了惊人的推理能力，但它的思维过程可能难以被人理解。技术报告指出，纯强化学习训练出来的模型存在可读性差和语言混杂问题，有用户反映多语言输入可能会造成模型输出混乱，有时中文的提问也可能得到英文的回答。这一现象更多出现在纯强化学习的R1-Zero模型中。

　　刘子纬也将R1形容为“有些偏科的数理天才”。R1在他眼中虽然很聪明，但给出的文字回复相比于o1缺乏流畅性和情绪价值，显得笨拙。“公司定位会导致其偏重模型性能。”刘子纬说。由于DeepSeek还在提升模型能力，尚未开始优化用户体验，因此用户亲和度方面还有待提升。在这一点上，OpenAI涉足较早。

　　但当创作任务涉及推演和类比时，R1的表现仍可圈可点。有测试者用简单的几个提示词，就让R1在极短时间内创作了一篇情节精彩的科幻小说。社交平台上，有电影评论账号喂给R1《出师表》，让其仿照该文体创作一篇影评，R1给出了符合文言文规范，且“超越一般影评人”的洞见。刘子纬认为，模型的推理能力可以迁移到文学，令其产生通过逻辑思辨的方式创作议论文的能力。

　　用户使用R1的过程中，偶尔会得到错误答案，甚至有用户发现询问R1身份时，其可能自称o1。这种混乱广泛出现在现有大模型中，有业内人士认为，这源于大多数模型对OpenAI基础模型的蒸馏。蒸馏即将训练过的“教师模型”的知识传递给“学生模型”，从而在最大程度保存原模型性能的同时，大幅缩减计算资源消耗。“有模型做到了60分，我想迅速达到55分的水平，比较快的方式就是去蒸馏一个‘教师模型’，可以迅速拿到模型反馈，暴露思维过程，得到可贵的数据基础。研发初期，许多企业都依靠或者部分依靠模型蒸馏。”刘子纬坦言。

　　由于原模型只能提供60分的答案，要涨到70分就得靠模型努力找一条新路。因此蒸馏无法形成模型的真正迭代。刘知远认为，强化学习是通向AGI的重要版图之一，符合人类认知世界的方式，已成为大模型未来发展的业内共识，强化学习的技术成熟也需要时间。

　　刘子纬指出，R1使用了一些GPT-4o产生的数据去做“热启动”，让模型先形成对现有问题的基本认知，这也被称为数据蒸馏。相比之下，完全通过“冷启动”让模型立刻进入强化学习状态是非常困难的。“一个小学生学习知识也得先学课本，达到一定智力水平后，再进入实践中学习。”用真实数据而非模型数据训练模型是开发者的共识，但真实数据的筛选、清洗、降噪等工作并不容易。

　　“即使用模型输出数据也很难保证训练结果，这取决于人类给模型创造了怎样的问题，以及提供怎样的答案。”刘子纬说。例如DeepSeek使用了大量代码数据、数学题甚至奥数题用于训练R1。“如何将这些数据喂给模型，需要大量创新。”

　　从这个意义上说，R1的表现已足够出色，而它的创造者的主业甚至不是AI。DeepSeek背后的投资公司为幻方量化，是一家依靠数学与计算机科学进行量化投资的基金公司。该公司从2016年起将深度学习模型应用于实盘交易，囤积了大量算力，正式成立大模型团队DeepSeek的时间则是2023年。“也算是副业做得比主业出圈的典型了。”刘子纬说。

　　大模型企业仍需审慎研判模型的商业价值，也就是能不能赚钱。刘知远指出，国内外企业都还在寻找大模型的最佳变现方式。目前，市场上已有多家企业具备做出GPT水平大模型的能力，接下来要考虑区分度是什么，落地的用户App是什么，以及在价格战的前提下如何收回上亿元的研发成本。这些问题的答案都还相对模糊。

　　刘子纬认为，大模型已足够强，但在垂类上跟用户需求还没有紧密贴合，未来AGI的核心交互形态也尚无定论。目前，国内外大模型企业一部分继续高举高打AGI，保证模型能力，通过用户来试探落地方式。比如有学生用大模型来备考、写论文等。另一部分企业则专注于做垂类应用，比如医疗领域。刘子纬预计，2025年会涌现一大批大模型应用，是真正的“强化学习之年”。

　　多位业内人士表示，DeepSeek真正的价值，在于展示了工程实践和理论创新之间的平衡点，开创了一条符合现实算力约束的技术迭代道路。“R1说明开源 AI 仅落后于闭源 AI 不到 6 个月。”在刘知远看来，GPT阶段也就是2023年初的时候， OpenAI模型发布之后，国内团队需要一年的时间才能赶上。但是到了文生视频模型Sora，以及后来的GPT-4o和o1，国内的追赶时间缩短到半年以内。 

　　“DeepSeek的阶段性成果释放了一个信号，那就是通过芯片禁运等方式来遏制国内AI发展难以行通。这就是开源的力量。”刘知远说。