DeepSeek下载火爆，一周超谷歌Gemini两年

DeepSeek下载火爆，一周超谷歌Gemini两年

原载2025年2月8日《大公报》

近期，国产AI大模型DeepSeek横空出世，仅以几十分之一的成本，就达到与全球领先的ChatGPT最新o1版本推理模型相当的实力。目前，DeepSeek下载量持续攀升，据研究公司SimilarWeb估计，在短短一周内，DeepSeek网站的用户数量就超过了谷歌的Gemini聊天AI，而后者已经存在了近两年。一时间，各界众说纷纭：DeepSeek为什么这么牛？何以如此？是创新还是蒸馏？……诸如此类的疑问频出。

人工智能专家高飞长期跟踪研究ChatGPT与DeepSeek的发展轨迹，他在接受大公报独家专访时，从技术肌理与论文研究原点出发，破译“深度求索”成功的基因密码，揭秘DeepSeek低成本、高性能的原因。他还表示，DeepSeek-R1“出圈”，得益于高性能、低成本、强开放三个因素，这与美国闭源、收费、高成本的ChatGPT形成鲜明对比。 大公报记者 苏雨润、凯雷北京报道

三大创新凝练DeepSeek “东方神秘力量”

大公报：DeepSeek是如何实现低成本的？

高飞：DeepSeek的低成本得益于其创新性，它打破了“只有靠最先进硬件才能训练出前沿模型”的传统观念。DeepSeek团队利用有限的资源，通过创新的方式，训练出了以“测试时间计算”方式运行的推理模型，并对标OpenAI最先进的o系列模型，实现了看似“不可能”的“低成本+高性能”极限组合，并提供开源代码，让企业、个人可以在本地算力设施上部署免费使用。所以，它的低成本不是“因”，而是“果”，且是“果”之一。

大模型的“大”，其实是大算力、大参数、大数据。每一个“大”，都意味着高成本。DeepSeek在约束条件下，做了极限创新，减少算力需求、减少参数数量、降低数据规模。这是在资源上做减法，但却不对性能有任何妥协。所以，DeepSeek不仅“低成本”，还有“高性能”，以及开源模式的“强开放”。

这次OpenAI跟随DeepSeek-R1发布o3 Mini模型，CEO山姆·奥特曼承认其对于开源的判断有误，站在了“历史错误的一边”。言外之意，OpenAI可能也会在未来考虑对其模型全部或者部分开源。因此，DeepSeek-R1模型的成功，不仅是技术创新的成功，更是技术开放的成功。

实现强化学习法 让用户看到“内心戏”

大公报：DeepSeek-R1兼具低成本和超高性能，更在低成本的前提下实现对标OpenAI o系列模型，这究竟是怎么做到的呢？

高飞：DeepSeek-R1模型代表了高性能、新思维的突破。大家知道，OpenAI的o系列模型是一种测试时间计算（Test-Time Computation）模型，模型在推理阶段（Inference Phase）会执行计算的方式。表现在使用上，就是模型不会立刻回答用户的问题，而是根据问题难度，经过一番思考（通常是几十秒），给出高质量答案。

DeepSeek R1使用了一种创新的强化学习（RL）方法，实现了该种模型的训练。最终实现的效果是，当你提问DeepSeek-R1，它看似是最终给你一个答案，其实模型有大量的“内心戏”，是经过反复推敲、多步思考，最终给出一个相对完美的答案。在学术上，这个过程叫思维链（Chain of thought）。

大公报：可否从技术肌理层面为我们解读，DeepSeek的高性能主要源于何种技术创新呢？

减少消耗 分工明确“餐厅模式”

高飞：DeepSeek所拥有的“东方神秘力量” ─ 高性能，主要来自混合专家模型（MoE）、多标记预测（MTP）和多头潜在注意力机制（MLA）等三大技术的创新。其中，MoE技术实现了DeepSeek在参数上的精简。例如，去年底发布的DeepSeek-V3，就是DeepSeek团队采取混合专家模型的模式，将大模型分成多个“专家”子模型，将DeepSeek-V3的671B参数进行拆解，每个子模型的参数量大约只有37B（总参数的1/20），且擅长不同领域的知识。这样，针对不同的输入数据，模型会动态地选择最合适的部分专家来参与计算，自然就减少了资源消耗。

大公报：可以举一个形象的例子，解释一下MoE技术是如何运行的吗？

高飞：训练大模型就像点菜，美国的主流大模型就像一个有100个档口的大排档，用户点一份披萨，所有厨师、服务生都要动起来。而MoE技术就相当于组织分类，用户同样点一份披萨，西餐档口只调动相应的西餐厨师和服务生，其他档口并不受到扰动，因此忙而不乱，井然有序。从粗放式管理到精细化模式，即专家模式，其实就是提升模型的组织创新力。

同步炮制 后厨“预判式做饭”

高飞：如果说，MoE技术让模型尽可能用更少的参数工作，是空间上的优化，那么MTP技术就是时间上的优化，它让模型用同样的资源做更长期的工作。MTP技术可以让模型不是每次预测生成一个Token（文本拆分的最小单元），而可以在每个位置预测多个未来Token，这就更大程度利用了计算资源，增加了训练信号密度，提高了训练效率。就像让餐厅档口做第一道菜时，就同步准备第二、三道菜，用一份算力做更多工作，将资源利用到极致。

高飞：多头潜在注意力机制（MLA）技术，就是将原始高维特征压缩到一个较低维度的潜在空间（潜在向量），再通过上投影矩阵恢复的技术。打个比方，就是将一段高清视频压缩成较小的文件，却能在播放时基本保持画质。还以餐厅档口为例，过去档口在和顾客交互中要记录每一道菜，而现在把菜单中的菜品抽象汇总分类，计为十碗“例汤”、十碗“白饭”，要记录的信息一下子就少了很多。

DeepSeek团队在训练V3版模型时，还使用了对数据资源节省技术，即“FP8混合精度训练”。FP8是一种比常规大模型训练使用的FP16和FP32更低精度的数据格式，每个数字占用的比特数更少，这使得模型在训练和使用过程中，所需的存储空间和计算量大大减少，效率也就更高。之前大家也不是没想过这种方式，但只有DeepSeek团队真正实现了这一点。