“神秘的東方力量”出現，全球科技圈慌了？
來源：中國新聞周刊
AI圈又領教了一回“神秘的神秘東方力量”。
1月20日，量出國內人工智能技術企業深度求索（DeepSeek）官宣了其最新AI推理模型DeepSeek R1。現全該模型在數學、球科代碼和自然語言推理等任務上表現優異，技圈性能直接對標美國OpenAI最新的神秘推理模型o1。此時，量出距離o1的現全正式發布過去還不到半年。
消息一出，球科AI圈幾近沸騰。技圈社交平臺X上，神秘有國外大廠工程師直白表示，量出其所在生成式模型研發部門“處于恐慌之中”。現全英偉達資深科學家Jim Fan給予R1極高評價，球科稱其不僅開源，技圈還分享了所有模型訓練細節，做了OpenAI“一直聲稱要做卻沒做到的事”。一時間，圈內掀起了測試和復刻R1的熱潮。1月27日，DeepSeek同時登頂蘋果中美兩區App免費榜。據媒體報道，這也是唯一一次中國應用能同期在中國和美區蘋果App Store占據第一位。
多位業內人士指出，DeepSeek此次最大的貢獻，是向世界展示了快速、低成本實現o1同等模型能力的可能性。清華大學計算機科學與技術系副教授劉知遠告訴《中國新聞周刊》，“東方力量”其實就是工程創新加持下的追趕能力。在算力吃緊的情況下，DeepSeek打了一場以少勝多的仗。
DeepSeek R1手機端App下載界面 圖/視覺中國低成本培養出的“數理天才”
DeepSeek R1有多厲害？
有測試者讓R1詳細解釋勾股定理，R1在不到30秒的時間內生成了完整的圖形動畫，給出了經典的證明過程，沒有出現差錯。另一個常用的測試問題是碰撞檢測，測試者要求大模型編寫一個程序，使得一顆小球在某個緩慢旋轉的幾何形狀內彈跳，并保持小球停留在形狀內。碰撞檢測十分考驗模型的推理能力，稍有不慎就會導致肉眼可見的物理錯誤。這項測試里，R1的表現明顯優于OpenAI o1 pro模式。
OpenAI于2024年9月發布了推理模型o1，首次實現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“博士級別”的科學問答環節上超越人類專家。新加坡南洋理工大學計算機學院助理教授劉子緯向《中國新聞周刊》解釋，傳統的ChatGPT模型屬于感知模型，擅長提取事件信息。但真實世界的很多任務不能僅靠感知完成，而是需要一定的決策推理，而且越復雜的任務決策成分越多，比如編程、數據分析等。因此，推理模型是業界公認的通往通用人工智能（AGI）不可或缺的模型形態。
同為推理模型，在很多方面，R1都與o1的性能持平。在美國數學邀請賽AIME2024的測試中，R1取得了79.8%的成績，甚至略高于o1，甩開其他開源模型一大截。編碼類任務方面，R1也展現出專家級水平，在算法競賽平臺Codeforces上的表現超過了96.3%的人類參賽者。
在DeepSeek公開的22頁技術報告中，有一個展示R1能力的直觀案例。在解決一道復雜數學表達式問題時，R1在解題步驟中突然停下來說“等等，這是個值得標記的啊哈時刻”，隨后自主修正了解題過程。“啊哈”類似于人類的頓悟，R1的這種行為完全是自發產生的，而非預先設定。這也意味著，它已經擁有了相當程度的思考和自悟能力。
看上去R1已經走出了“題海戰術”，轉而進入了探究性學習的領域。事實上，這正是它的核心技術強化學習與傳統監督學習的差別。劉知遠指出，傳統大模型特別是o1以前的GPT系列模型，都采用監督學習的訓練方法，意味著模型學習的目標有標準答案。比如讓模型根據一篇文章的部分文字，去預測下一個詞。由于用于訓練的文章是完整的，因此這個詞是固定的，預測結果也有明確的對錯。人類就像嚴厲的老師，對模型的預測行為反復規訓。
而強化學習則是在開放環境中進行的任務訓練，開發者只會告訴模型，它走出的每一步會得到外部環境怎樣的反饋。模型需要根據反饋，自己學會如何去接近最終目標。“這個世界沒有那么多純數學題，因此無法永遠通過給標準答案的方式，讓模型完成監督學習。”劉知遠說。從監督學習向強化學習的范式轉變，是實現推理模型的關鍵。
劉子緯指出，o1可視作大模型強化學習的鼻祖，但其沒有公開技術文件，因此其強化學習的具體技術路線和占比，只能靠業內猜測，但可以確定其采用了預訓練、監督微調、強化學習的流程。預訓練類似“背書自學”基礎知識，監督微調類似學生模仿教師的示范來解例題，最后強化學習相當于“模擬考試”。而R1則拋棄了監督學習，也就是跳過了例題階段，僅憑基礎語言能力和數學規則，在持續解題試錯中自悟方法論，考出高分，這一點得到了絕大多數從業者的贊嘆。
而除了性能外，R1更令人震撼的優點在于便宜。2024年底，DeepSeek推出V3模型，作為R1的前體，訓練成本僅為557.6萬美元，而2020年發布的GPT-3的訓練成本接近1200萬美元，GPT-4更是超1億美元。技術報告顯示，R1面向開發者的服務定價為每百萬輸入字符串（token）1—4元，這一價格只有o1的1/30左右。
R1怎么能如此便宜？劉子緯認為，算力達到一定量級的情況下，可以通過工程創新把性能差距抹平。在堆算力的“大力出奇跡”路線進入瓶頸后，DeepSeek選擇了在底層算法、訓練模式和數據三個層面進行了工程迭代。基于混合專家模型、注意力機制等方面的創新，R1做到了“用50次運算達成別人做100次運算的效果”，效能提升明顯。而在拋棄監督學習后，計算資源的需求也大幅減少。
由于超高性價比，1月27日，蘋果App Store中國區免費榜顯示，DeepSeek站上首位。同時，DeepSeek在美區蘋果App Store免費榜從昨日的第六位飆升至第一位。有業內人士稱，R1已經成為美國頂尖高校研究人員的首選模型。一位不愿具名的來自澳門大學的AI研究者向《中國新聞周刊》表示，R1完全可以取代日常科研對GPT模型的使用需求，在對科研文章的錯誤識別、修改潤色、語言轉換上都表現出色。
商業化落地仍待探索
盡管R1展現出了驚人的推理能力，但它的思維過程可能難以被人理解。技術報告指出，純強化學習訓練出來的模型存在可讀性差和語言混雜問題，有用戶反映多語言輸入可能會造成模型輸出混亂，有時中文的提問也可能得到英文的回答。這一現象更多出現在純強化學習的R1-Zero模型中。
劉子緯也將R1形容為“有些偏科的數理天才”。R1在他眼中雖然很聰明，但給出的文字回復相比于o1缺乏流暢性和情緒價值，顯得笨拙。“公司定位會導致其偏重模型性能。”劉子緯說。由于DeepSeek還在提升模型能力，尚未開始優化用戶體驗，因此用戶親和度方面還有待提升。在這一點上，OpenAI涉足較早。
但當創作任務涉及推演和類比時，R1的表現仍可圈可點。有測試者用簡單的幾個提示詞，就讓R1在極短時間內創作了一篇情節精彩的科幻小說。社交平臺上，有電影評論賬號喂給R1《出師表》，讓其仿照該文體創作一篇影評，R1給出了符合文言文規范，且“超越一般影評人”的洞見。劉子緯認為，模型的推理能力可以遷移到文學，令其產生通過邏輯思辨的方式創作議論文的能力。
用戶使用R1的過程中，偶爾會得到錯誤答案，甚至有用戶發現詢問R1身份時，其可能自稱o1。這種混亂廣泛出現在現有大模型中，有業內人士認為，這源于大多數模型對OpenAI基礎模型的蒸餾。蒸餾即將訓練過的“教師模型”的知識傳遞給“學生模型”，從而在最大程度保存原模型性能的同時，大幅縮減計算資源消耗。“有模型做到了60分，我想迅速達到55分的水平，比較快的方式就是去蒸餾一個‘教師模型’，可以迅速拿到模型反饋，暴露思維過程，得到可貴的數據基礎。研發初期，許多企業都依靠或者部分依靠模型蒸餾。”劉子緯坦言。
由于原模型只能提供60分的答案，要漲到70分就得靠模型努力找一條新路。因此蒸餾無法形成模型的真正迭代。劉知遠認為，強化學習是通向AGI的重要版圖之一，符合人類認知世界的方式，已成為大模型未來發展的業內共識，強化學習的技術成熟也需要時間。
劉子緯指出，R1使用了一些GPT-4o產生的數據去做“熱啟動”，讓模型先形成對現有問題的基本認知，這也被稱為數據蒸餾。相比之下，完全通過“冷啟動”讓模型立刻進入強化學習狀態是非常困難的。“一個小學生學習知識也得先學課本，達到一定智力水平后，再進入實踐中學習。”用真實數據而非模型數據訓練模型是開發者的共識，但真實數據的篩選、清洗、降噪等工作并不容易。
“即使用模型輸出數據也很難保證訓練結果，這取決于人類給模型創造了怎樣的問題，以及提供怎樣的答案。”劉子緯說。例如DeepSeek使用了大量代碼數據、數學題甚至奧數題用于訓練R1。“如何將這些數據喂給模型，需要大量創新。”
從這個意義上說，R1的表現已足夠出色，而它的創造者的主業甚至不是AI。DeepSeek背后的投資公司為幻方量化，是一家依靠數學與計算機科學進行量化投資的基金公司。該公司從2016年起將深度學習模型應用于實盤交易，囤積了大量算力，正式成立大模型團隊DeepSeek的時間則是2023年。“也算是副業做得比主業出圈的典型了。”劉子緯說。
大模型企業仍需審慎研判模型的商業價值，也就是能不能賺錢。劉知遠指出，國內外企業都還在尋找大模型的最佳變現方式。目前，市場上已有多家企業具備做出GPT水平大模型的能力，接下來要考慮區分度是什么，落地的用戶App是什么，以及在價格戰的前提下如何收回上億元的研發成本。這些問題的答案都還相對模糊。
劉子緯認為，大模型已足夠強，但在垂類上跟用戶需求還沒有緊密貼合，未來AGI的核心交互形態也尚無定論。目前，國內外大模型企業一部分繼續高舉高打AGI，保證模型能力，通過用戶來試探落地方式。比如有學生用大模型來備考、寫論文等。另一部分企業則專注于做垂類應用，比如醫療領域。劉子緯預計，2025年會涌現一大批大模型應用，是真正的“強化學習之年”。
多位業內人士表示，DeepSeek真正的價值，在于展示了工程實踐和理論創新之間的平衡點，開創了一條符合現實算力約束的技術迭代道路。“R1說明開源 AI 僅落后于閉源 AI 不到 6 個月。”在劉知遠看來，GPT階段也就是2023年初的時候， OpenAI模型發布之后，國內團隊需要一年的時間才能趕上。但是到了文生視頻模型Sora，以及后來的GPT-4o和o1，國內的追趕時間縮短到半年以內。
“DeepSeek的階段性成果釋放了一個信號，那就是通過芯片禁運等方式來遏制國內AI發展難以行通。這就是開源的力量。”劉知遠說。
記者：周游（nolan.y.zhou@gmail.com）
點擊進入專題： DeepSeek“火”到海外(責任編輯：探索)
