Lex Fridman 五小時聊 DeepSeek：一文看懂 DeepSeek 的創新與2025 AI 趨勢

中美 AI 競爭與國運。

原標題：Lex Fridman 五小時聊 DeepSeek：一文看懂 DeepSeek 的創新與2025 AI 趨勢
文章來源：Founder Park
內容字數：107785字

DeepSeek引發的AI熱議：Lex Fridman與專家深度對話

知名科技主播Lex Fridman近期邀請半導體分析公司SemiAnalysis運營總監Dylan Patel和艾倫人工智能研究所研究科學家Nathan Lambert，就DeepSeek及其開源模型V3和R1展開長達5小時的討論，內容涵蓋DeepSeek的創新、AI算力瓶頸、模型訓練和蒸餾、以及商業落地等多個方面。本文精選5萬字核心內容，濃縮要點如下：

1. DeepSeek模型的開源與創新

DeepSeek-V3是一個開源權重指令模型，類似ChatGPT；DeepSeek-R1則是其推理模型，采用寬松的MIT許可證，在開源程度上領先業界。DeepSeek在技術報告中詳細披露了訓練細節，包括在CUDA底層對GPU的優化，展現了其技術實力。

2. 預訓練與后訓練：模型訓練的兩個階段

模型訓練分為預訓練（學言規律）和后訓練（提升易用性、對齊等）兩個階段。后訓練包括指令微調、偏好微調（RLHF）以及強化微調等，DeepSeek-R1使用了更先進的強化學習技術，使其能夠展現推理過程。

3. DeepSeek低成本訓練的秘訣

DeepSeek通過混合專家模型（MoE）和潛在注意力（MLA）技術降低訓練成本。MoE模擬人腦機制，只激活部分參數，降低計算量；MLA則減少內存占用。DeepSeek甚至在CUDA底層進行了GPU優化，充分利用有限的算力資源。

4. R1的推理能力與用戶體驗

DeepSeek-R1在生成答案前會展現詳細的推理過程，讓用戶直觀了解模型的思考步驟，提升了用戶體驗，也引發了公眾對AI“意識”的討論。

5. 模型訓練的“All in”策略與挑戰

大型模型訓練如同“YOLO”（You Only Live Once）運行，需要大量實驗和資源投入。DeepSeek通過多次小規模實驗積累經驗，最終進行大規模訓練，這體現了其技術積累和風險承擔能力。

6. 出口管制的影響與AI應用普及

美國對華出口管制主要影響了中國AI應用的普及速度，而非完全阻止AI技術發展。DeepSeek的成功表明，即使在算力受限的情況下，中國仍然能夠訓練出先進的AI模型。

7. 模型對齊與審查：技術與倫理的挑戰

模型對齊可以在數據選擇、預訓練、后訓練等多個階段進行，但完全避免審查幾乎不可能。DeepSeek等模型的“審查”可能源于數據偏見或后訓練策略。

8. 模型蒸餾：行業慣例與倫理爭議

模型蒸餾是行業慣例，但使用其他公司模型輸出進行訓練是否違規，存在法律和倫理爭議。OpenAI等公司對模型輸出的控制力有限，而DeepSeek在效率提升方面的努力仍然值得肯定。

9. AI Agent的挑戰與前景

AI Agent的自主性和可靠性是主要挑戰。目前Agent應用的成功率有限，未來可能需要結合人工輔助，逐步提升可靠性，才能在開放環境中廣泛應用。

10. AGI競賽與未來展望

專家們普遍認為AGI的出現時間在2030年之后。AGI競賽并非“贏家通吃”，多家公司可能在不同領域取得成功。未來AI應用將更加多樣化，包括AI Agent、機器人技術、以及各行各業的自動化等。

總而言之，DeepSeek的出現標志著AI技術發展進入新的階段，開源與高效訓練成為重要趨勢。未來AI發展將持續帶來驚喜，但也面臨著倫理、社會等方面的挑戰，需要謹慎應對。

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」。