一個月前估計沒有人猜得到，2025 年的一開始，全美國的蘋果商店下載排行榜第一名，居然會被來自中國的 DeepSeek 奪下！DeepSeek 是杭州「深度求索」公司旗下的產品，它們的大模型從訓練方式到訓練出來的結果，都全部開源、毫無保留。
由於這款完全開源的模型，不僅在性能上比肩 OpenAI 的 GPT-4o，更以極低的訓練成本動搖了 AI 產業的「算力至上」邏輯。這讓美國矽谷甚至投資人開始緊張，擔心整個 AI 的局面開始偏向中國，沒辦法，那極低的成本真的太香了。
DeepSeek 的技術突破：重新定義大模型的成本曲線
DeepSeek R1 創新的關鍵，在於其「推理優先」的訓練架構。根據官方技術報告，該模型通過四階段流程實現——冷啟動 SFT、強化學習調優、拒絕採樣，以及全域 RL——在數學、代碼、邏輯推理等任務上達到頂尖水準，且訓練成本僅為傳統大模型的零頭。
- 柏克萊大學研究員的實證：UC Berkeley 團隊以 30 美元成本，在 3B 參數模型上成功復現了 R1-Zero 的自我驗證能力，證明小模型可通過純強化學習（RL）實現複雜推理。
- 港科大效率革命：香港科技大學團隊僅用 8,000 個樣本，讓 7B 模型在 MATH 基準取得 77.2% 準確率，效率超越 50 倍數據量的傳統方法。
此技術路徑等於直接挑戰了「算力即護城河」的行業共識。正如 a16z 合夥人 Anjney Midha 所言：「若模型訓練成本曲線持續下探，科技巨頭的資本支出邏輯將面臨重估。」
冷啟動 SFT、強化學習調優、拒絕採樣，以及全場景強化學習
下面簡單說明一下，DeepSeek 的四大創新關鍵，到底是怎麼一回事。
冷啟動 SFT（監督微調）
所謂的「SFT」，是監督式微調（Supervised Fine-Tuning, SFT）的意思。
此階段目標是為基礎模型注入初步推理能力。研究團隊從數千個「長思維鏈」（Long Chain-of-Thought）樣本中，精選高品質數學、代碼、邏輯推理範例，對模型進行監督式微調（什麼是「監督式」？機器學習在訓練階段，可簡單分成「監督式學習」與「非監督式學習」以及「強化學習」。監督式學習有人類介入判斷數據正確性作為基礎，非監督式則沒有；強化學習等等下文會提到）。
監督式微調是在預訓練模型（Pre-trained Model）基礎上，使用特定領域的標註數據進行二次訓練，以適應下游任務。
這些樣本包含詳細的逐步推導過程，類似「教練示範解題」，幫助模型建立基礎推理模式。例如，港科大團隊在後續實驗中發現，即使僅用 8K 此類樣本，也能讓 7B 參數模型在數學任務上達到 77.2% 準確率。此階段成本極低，卻為後續強化學習奠定關鍵基礎。
至於什麼是「冷啟動」？簡單講，這就類似當年 Google DeepMind 用最初的 16 萬場人類圍棋對局數據，訓練 AlphaGo（監督學習階段），後續才讓 AlphaGo 導入強化學習。此階段即為「冷啟動」，為後續自我對弈奠定基礎模式。
關於 AlphaGo 的介紹，我曾經寫過一篇長文，有時間的人可以參考：《AlphaGo 究竟是如何「思考」的？用國中生也能懂的語言說給你聽》。
強化學習調優（推理優先）
所謂的「強化學習」（Reinforcement Learning, RL），是機器學習的三大範式之一（與監督式學習、非監督式學習並列），其核心機制是：
智能體（Agent）通過與環境（Environment）的交互，根據獎勵信號（Reward）動態調整策略，以最大化長期累積獎勵。而這個機制的運行，一般而言是自動進行的，所以效率、速度會遠比監督式學習更高。
DeepSeek R1 訓練要素
| 要素 | 說明 | 實例 |
|---|---|---|
| 智能體 | 在這裏指被訓練的模型 | 模型在數學題庫中嘗試解題並自我驗證 |
| 環境 | 智能體互動的場景，如數學問題、代碼生成任務 | MATH 數據集中的數學問題集 |
| 獎勵函數 | 評估智能體行為的量化指標，如正獎勵鼓勵、負獎勵懲罰 | 答案正確性、步驟完整性、格式規範性 |
| 策略 | 智能體根據當前狀態選擇行動的規則，即模型的生成邏輯 | 模型決定是否插入自我驗證步驟 |
在冷啟動的基礎上，團隊採用強化學習（RL）框架，針對程式設計、科學推論等高階任務進行調優。通過設計任務導向的獎勵函數（如答案正確性、解題步驟完整性），模型在與環境互動中自動最佳化解題策略。柏克萊團隊的 TinyZero 實驗證實，即使只是對 3B 小模型施加 RL 訓練，也能湧現「自我驗證」能力——模型會反覆檢視輸出結果，並動態修正錯誤。
此階段不依賴額外標註數據，而是透過演算法自動探索高效推理路徑。
監督式學習與強化學習比較
| 監督式學習 | 強化學習 | |
|---|---|---|
| 數據需求 | 需人工標註輸入資料的正確性 | 僅需定義獎勵規則，無需標註每一步的正確行為 |
| 訓練目標 | 模仿人類示範 | 自主探索最佳策略 |
| 應用場景 | 確定性任務：如分類、結構化生成 | 動態決策任務：如遊戲、複雜推理 |
| DeepSeek案例 | 冷啟動階段注入基礎推理能力 | 調優階段提升模型的高階解題策略 |
拒絕採樣與全域微調
為平衡模型的推理能力與通用性，DeepSeek 在此階段引入「拒絕採樣」（Rejection Sampling）機制：從海量生成結果中，篩選出符合人類偏好的高品質輸出，再對這些樣本進行二次監督微調。此舉強化了模型的事實準確性、對話流暢度等非推理能力，避免過度特化。
例如，在處理開放領域的問答時，模型會優先輸出結構清晰、資訊可靠的答案，而非單純追求邏輯複雜度，方便人類理解與閱讀。
全場景強化學習（對齊與安全）
DeepSeek 在最終階段採用多目標強化學習，將模型的應用範圍擴展至全場景。除了維持推理性能，更引入安全性、倫理約束等獎勵指標，確保輸出符合社會價值觀。例如，當用戶請求涉及敏感內容時，模型會自主觸發拒答機制。根據開源社區的復現成果，認為這階段的關鍵在於動態平衡不同獎勵的權重，使模型在多目標約束下仍保持高效產出。
當然，很多人對於 DeepSeek 大模型在某些議題上的審查、拒絕回答機制不滿，現在已經有團隊在進行 Open R1 計劃，要讓 DeepSeek R1 大模型做到真正的解放。
總而言之，DeepSeek 架構的突破性在於「低依賴、高彈性」——僅需極少量初始標註數據，即可通過演算法迭代激發模型潛能。正如技術報告所述：「當訓練流程足夠透明，效率革命將從開源社區開始。」
開源生態：從技術追趕到協作創新
DeepSeek-R1 採用 MIT 許可協議，開放完整訓練流程與數據集，此舉引發連鎖反應：
HuggingFace 的 Open R1 計畫
目標是補齊模型訓練管線（從數據蒸餾到 RL 階段）中的「缺失環節」，將技術報告轉化為可復現的開源代碼庫，目前 GitHub 星標已破 4.4k。
若 Open R1 最終成功開源完整的 RL 訓練框架（含安全模組），技術上將允許：
- 權重再分配：修改 RL 階段的獎勵權重（如降低安全懲罰係數），使模型更傾向生成高風險內容。
- 約束刪減：直接註釋或刪除代碼中與安全審查相關的獎勵計算部分。
學術界快速跟進
Stanford、MIT 等頂尖機構的研究員，已將 R1 列為許多開發上的首選工具，因為其開源屬性消除了商業授權的應用瓶頸。
Meta 首席 AI 科學家 Yann LeCun 指出：「這證明了開源模式不僅能追趕閉源系統，更能驅動技術民主化。」值得注意的是，DeepSeek 的成功建立在 Llama、PyTorch 等既有開源成果之上，形成「開放→改進→再開放」的正向循環。
換言之，DeepSeek 是「站在巨人的肩膀上改進大模型」，並不是自己完全從零到有的開發，所以成本非常低廉。然而，DeepSeek 選擇完全開源的做法，讓開源社區相當興奮，因為這正是大家最期待看見的結果。
DeepSeek 帶來的產業衝擊：矽谷的技術與商業雙重焦慮
儘管 DeepSeek 的「低成本」在業界有引起不少人質疑，但是它所帶來的衝擊已經發生：
- 用戶端需求轉移：DeepSeek R1 在 Chatbot Arena 排行榜與 GPT-4o 並列第三，部分研究員坦言「已取代 ChatGPT 的日常使用」。
- 硬體依存度下降：在美國的晶片出口管制下，DeepSeek 證明了人類可透過演算法優化與分散式訓練，來繞過頂級算力限制。
此現象引發兩極討論，像是 Y Combinator CEO Garry Tan 就認為，訓練成本下降將刺激推理需求暴增，反而推高算力需求。但也有不少人認為，DeepSeek 大幅降低 AI 算力的成本需求，可能會對整體西方 AI 產業帶來負面影響：
AI 普及化算力成本與需求分析
| 階段 | 技術影響 | 商業後果（對矽谷） |
|---|---|---|
| 訓練成本下降 | 更多開發者可負擔模型訓練 | 市場競爭加劇，巨頭壟斷優勢削弱 |
| 推理需求暴增 | 模型應用場景爆發（如即時翻譯、客服） | 雲端與本地的算力需求指數增長 |
| 算力需求上升 | GPU / TPU 採購壓力增加 | 雲端服務商算力瓶頸惡化，成本提高卻延遲獲利；免費仔增加，付費仔自己建 |
矽谷遇到的麻煩：
西方科技巨頭（如 Google、Meta）的營利模式依賴雲端算力服務（AWS、Azure）與高階晶片銷售（NVIDIA）。若推理需求由「分散式低成本模型」驅動（如 DeepSeek R1），而非集中式巨頭模型（如 GPT 4），將導致：
- • 雲端服務邊際利潤下降：客戶傾向自建輕量模型，減少租用算力。
- • 晶片需求結構改變：高階 GPU 需求成長低於預期，中低階晶片（如可並行推理的 ASIC）崛起。
DeepSeek 帶來的 AI 時代新革命
DeepSeek 的案例揭示三大趨勢：
效率優先：當模型性能不再與數據量、算力投入有著絕對綁定關係，「輕量化訓練 + 精準調優」可能成為新常態。
開源協作活力無限：閉源系統的技術壁壘逐漸瓦解，企業需重新定位自身在開放生態中的價值（如提供垂直領域的數據服務）。
技術平民化：如達文西說過的：「簡單，是複雜的最高境界。」未來的 AI 競爭力，或許將會取決於「如何讓技術服務場景」，而不是單純的堆砌資源，做出一個好像很厲害，但是成本很高、大部分功能用戶不需要的巨獸。
當技術的可行性達到最大值的時候（因為 DeepSeek 的成本足夠低廉，人類可以更大規模普及 AI 的使用），組件足夠多、協作機制足夠成熟，「通用性」將會自然而然的湧現，人民期待的「AGI」通用人工智慧就會誕生。
通用人工智慧的背後，是足夠的技術積累（簡單是複雜的最高境界，看似簡單，但背後其實很複雜），以及足夠的普及。DeepSeek 很有可能讓整個 AI 產業在人群中普及開來，每個人的手機都能內建一個 1.5B ~ 3B 的小模型時，AI 才能真正走入大眾生活日用當中。
最後，DeepSeek R1 的崛起，既是中國 AI 技術突破的里程碑，更是全球開源社區協同創新的縮影。當訓練成本從千萬、上億美元，降至數百萬的等級，當 30 美元即可實現驗證演算法突破，AI 產業的遊戲規則正在改寫——這場由開源驅動的效率革命，終將迫使所有參與者回答一個根本問題：
「我們究竟該為簡單、便宜的技術付費，還是為不必要的複雜性買單？」
補充資訊（1 / 28 更新）：
發現台灣人對於 DeepSeek，只關心「六四天安門不能提」以及「這 600 萬美元成本一定是假的」。
- 關於六四天安門事件：人家 DeepSeek 都開源了，你下載來自己調整就沒這問題了，可以期待本文提到的 Huggingface Open R1 計劃。
- 關於成本計算：這 600 萬美元的算法，我沒猜錯的話，是「GPU 租用成本」的算法。
- DeepSeek 深度求索公司的背後，是幻方量化，幻方手上有很多 NV 的 H800。在 DeepSeek 訓練成本的計算上，應該是「深度求索公司跟母公司租用 GPU 的時數費用」（成本價）在計算。
- 2,048 塊 H800，訓練 1,440 小時，算下來的成本大約就是 600 萬美元（以每小時 2 美元計算，訓練 2 個月，成本大約是 5,898,240 美元）。
- 很多人在說「買伺服器花了幾個億，成本怎麼可能才 600 萬」，恐怕都是誤會了：
資本支出是資本支出，租用成本是租用成本。
DeepSeek 都把模型、訓練方式、訓練環境、成本全部公開，誰都可以用一樣的環境去驗證，這不存在什麼騙不騙的問題。
公開留言