AI大模型的能力比拼或许不再拘泥于“算力”

【环球网科技综合报道 记者 秦耳】在如今大模型爆发的时期，拉住一个AI从业者问他市场上谁家的大模型更为优秀。他应该会告诉你“去看这家有多少算力投入训练”，更为言简的话他会以“存储有多少块英伟达算力芯片”作为更直接的衡量标准。

这样的解释也没有太大的问题，如今市面上无论开源大模型，还是闭源大模型，其内核都来自谷歌研究团队在2017年发布的《Attention is All You Need》这篇论文中所开发出的“Transformer模型”。包括特斯拉的自动驾驶FSD，以及OpenAI的ChatGPT都是对Transformer模型的产品化开发，可以说当前市面上所有正在运行的AI大模型都是“Transformer模型”的变种。

就像《邪不压正》这部电影里李天一和朱潜龙的经典台词“都是同一个师傅教的，破不了招啊。”如今的AI大模型市场也面临这样的局面，既然做不到“内核”多样化，那么只能通过快速且大量的数据训练，让“经验值”快速提升从而达到升级的目的。

据了解，仅在2023年，OpenAI训练GPT-4时，就用了25000张型号为A100的英伟达GPU。据外媒报道，当前OpenAI至少拥有40万块英伟达的GB200芯片‌和H100芯片。而甲骨文CEO拉里·埃里森也在一次播客访谈中讲到，他曾经跟特斯拉CEO马斯克在一次邀请黄仁勋（英伟达老板）的饭局上，“乞求”黄仁勋给甲骨文和特斯拉预留足够的算力芯片。

事情的发展如果继续沿着“堆算力”的方向发展，整个行业就没有变局的可能。但是，打破湖面的涟漪终究会来，在12月中旬中国初创企业DeepSeek开发的大语言模型（LLM）DeepSeek-V3引发美欧业界广泛关注，该模型在技术性能、开源模式、成本效益等方面的突出表现获得积极评价。

根据测评机构Artificial Analysis的独立分析，DeepSeek-V3可与世界顶尖的AI模型竞争。在文本理解、编码、数学和学科知识方面，DeepSeek-V3优于Meta的Llama 3.1-405B和阿里巴巴的Qwen 2.5-72B等开源模型，并在性能上和世界顶尖的闭源模型OpenAI的GPT-4o和Anthropic的Claude 3.5 Sonnet不分伯仲。DeepSeek-V3在中文处理、编码和数学计算等方面的优势，使其在教育和科研领域具有巨大潜力。

可以说，DeepSeek-V3的能力超过了许多开源对手，例如Meta公司的Llama-3.1模型和阿里巴巴的Qwen2.5模型。一般情况下，顶级闭源模型的能力通常优于开源模型，但DeepSeek在代码生成、数学运算等方向表现出了非凡的实力。

其次，DeepSeek-V3的开发和训练成本也明显低于其他大模型。OpenAI创始成员之一安德烈·卡帕蒂强调了这种非凡的效率：像DeepSeek-V3这样性能和级别的模型，通常需要1.6万到10万个GPU的集群来训练，而中国初创公司仅用了2048个GPU在57天内便完成了训练。其成本约557.6万美元，仅为其他主流模型（如GPT-4）的1/10左右。

用更为明显的数字来说明，DeepSeek-V3模型只用了2048张英伟达H800显卡，两个月时间，便训练出了一个拥有6710亿参数的超大规模模型，训练成本约为550万美元。数据对比后，DeepSeek的厉害之处更为明显。如果是其他硅谷公司来完成同等能力的模型，通常会选择最高端的英伟达显卡，而不是价格较低的H800显卡。此外，他们至少需要1.6万块高端显卡才能达到类似水平，远无法像DeepSeek这样仅用2000块H800显卡完成任务。

从算力上看，V3的训练耗费仅为同等规模硅谷公司模型的十一分之一。而在成本上，Meta的同等能力模型训练花费高达数亿美元，完全无法与DeepSeek的性价比相提并论。

盘古智库的专家胡延平对于DeepSeek-V3的评价更为中肯，DeepSeek-V3的成功更多是证明了行业大模型路线的可行性，虽然相较于通用大模型它还是有差距。不过，我国产业界对于AI大模型的发展路径本来就是在“产业化落地”方向，行业大模型与产品落地匹配度更高，更适合我国对于AI赋能各行各业的需求。

值得一提的是，DeepSeek-V3发布后的一段时间内，英伟达的股价也遭遇了波动。有华尔街分析师认为，DeepSeek-V3的上市，让市场对于AI大模型“堆算力”的发展模式产生了动摇。