比技術更重要的是愿景。

原標題：拾象科技閉門討論：86 條 DeepSeek 的關鍵思考
文章來源：Founder Park
內容字數：18985字

DeepSeek：一場閉門討論會揭秘神秘東方力量

DeepSeek-R1 的橫空出世，迅速引發全球AI社區的關注，但關于DeepSeek 的高質量信息卻相對匱乏。2025年1月26日，一場由拾象創始人兼CEO李廣密組織的DeepSeek閉門討論會，匯聚了數十位頂尖AI研究員、投資人和一線從業者，對DeepSeek的技術細節、組織文化及未來影響進行了深入探討。本文總結了該討論會的要點，旨在揭示DeepSeek的部分面紗。

1. DeepSeek的核心與優勢

1. DeepSeek 創始人梁文鋒是核心人物，技術實力雄厚。2. DeepSeek 的成功在于率先復現MoE、o1等技術，但仍有很大提升空間。3. DeepSeek 長上下文能力提升迅速，常規方法即可實現10K上下文窗口。4. DeepSeek 算力規模可能低于外界預期，注重合規，未采購任何不合規GPU。5. DeepSeek 專注于單一方向（推理），放棄多模態等，將重點放在“push智能”上，而非單純服務于人，這可能是其成功的關鍵。6. DeepSeek 作為“黃埔軍校”，對人才培養貢獻巨大，其商業模式或與量化投資有關。7. DeepSeek在技術層面注重節約硬件成本，在多個擴展方向上都展現了成本控制的技巧。

2. 探索者與追趕者：算力與效率的博弈

8. AI發展類似階躍函數，追趕者算力需求遠低于探索者。9. 探索者需要大量算力進行模型探索和算法創新，而追趕者更關注效率提升。10. 小公司因算力有限，更注重效率；大公司則更關注模型快速迭代和穩定性。11. 國內下一個追趕方向可能是多模態，因為海外GPT-5遲遲未發布。

3. DeepSeek的技術細節

12. DeepSeek 最大的震撼在于無需進行大量有監督微調 (SFT)，尤其在推理層面。13. DeepSeek-R1巧妙地利用RLHF生成數據，再進行SFT蒸餾，提升了效率。14. DeepSeek 在數據標注上非常重視，這可能是其模型效率高的關鍵因素之一。15. 蒸餾技術雖然能提升效率，但可能導致模型多樣性下降，限制模型上限。16. DeepSeek 的過程獎勵機制 (Process Reward) 值得進一步研究，其有效性及避免獎勵劫持 (Reward Hack) 的方法仍需探索。17. DeepSeek對過程獎勵的探索，表明了對模型推理過程的關注，但過程監督可能存在上限。

4. DeepSeek的影響與未來

18. DeepSeek 的出現挑戰了英偉達和OpenAI的敘事，引發了對算力需求變化的重新思考。19. DeepSeek 的開源策略對閉源模型構成挑戰，但兩者目前處于共存狀態。20. DeepSeek 的出圈提升了中國AI的國際影響力，縮短了與美國AI的差距。21. 未來AI發展可能呈現分化趨勢，新的架構、RL算法和產品形態將不斷涌現。22. DeepSeek的成功，證明了在有限算力下，通過高效的工程能力和技術創新，同樣可以取得突破性進展。23. DeepSeek 的長期影響有待觀察，但其對AI領域帶來的沖擊是毋庸置疑的。

聯系作者

文章來源：Founder Park
作者微信：
作者簡介：來自極客公園，專注與科技創業者聊「真問題」。