2025-02-10
DeepSeek打開了應用端的大門
AI先驅者Sam Altman剛剛在他的博客，發布了題為《Three Observations》的深度分析文章，為未來AI發展提出了三個判斷。其中第三個判斷是，線性增長的智能創造出的社會、經濟價值，可能是超指數級別的。筆者對此深以為然，不過在此領域推進最快的未必是OpenAI，更可能是最近一鳴驚人的DeepSeek。
國產DeepSeek的出現，對於中國AI研究、科技發展和產業升級，都具有劃時代意義。從AI發展角度看，DeepSeek打破了美國在算力端的限制和圍堵，證明了用少得多的算力資源也可以做出堪比競爭對手的AI效果。過去幾年拜登政府主導的「小院高牆」策略看來已經失敗了，美國通過芯片壟斷試圖建立起AI壟斷，但是隨著算力芯片門檻的大幅降低而出現破綻，算力壟斷這個概念已經被證偽。
DeepSeek與美國同類產品比較，在技術上比較接近，但並沒有特別的領先，不過在降低成本上有明顯的優勢，同時在開源政策上也可能築起新的生態圈。這對全球範圍內AI的研發和推廣是一個促進，有助於降低AI成本，推動AI商業化發展。DeepSeek的成本效應，對算力需求和芯片需求可能帶來短期的抑制，但勢必激發起更大更快的應用落地，並催生出新的需求。
DeepSeek的橫空出世，催生了新的AI需求。(Shutterstock)
中國終於有了一個可以與美國同行並駕齊驅的語言大模型。DeepSeek-V2帶來了兩個關鍵突破：DeepSeekMoE和DeepSeekMLA。MoE指的是「Mixture of Experts（專家混合）」，它通過將模型劃分為多個「專家」，只在需要時激活相關的專家而不像GPT那樣激活整個模型，大大提升了效率。DeepSeekMoE在V2版本中對這一概念進行了創新，包括顆粒度更細的專家劃分，它具備更強泛化能力的共享專家。
DeepSeekMLA（Multi-head Latent Attention，多頭潛在注意力）也是一個聰明的突破。推理的一個主要瓶頸是內存佔用：不僅需要加載整個模型，還需要加載整個上下文窗口，而上下文窗口在內存中非常昂貴。DeepSeekMLA可以對Key-Value存儲進行壓縮，從而大幅降低推理時的內存使用。
DeepSeek成功地縮小了與美國競爭者之間的差距，在地緣政治打壓和科技封鎖之下做出如此的模型是巨大的成就。但是未來它的發展路徑並不確定，能否一直躋身在研發的第一梯隊，唯有時間可以給出答案。為中國AI應用打開了一片藍海，才是DeepSeek完成的最大歷史使命。筆者相信在現有模型之上搭建應用場景，促進商業化落地，如同噴薄欲出的朝陽已經出現在地平線上。
在短短幾天時間裏，筆者看到中國農業大學的蟲害識別系統，基於DeepSeek在樹莓派上實現實時識別，硬件成本從200萬元降至800元；無問芯穹基於DeepSeek開發的工業質檢模型，在富士康產線落地周期從9個月縮短至11天；三一重工將設備維修知識庫接入DeepSeek，故障診斷時間從45分鍾壓縮至19秒，每年減少停機損失2.3億元；晶泰科技用DeepSeek設計新型抗生素分子，發現效率較傳統HTS提升1200倍，等等。
學者有一種說法，美國人擅長創新，中國人擅長將產品落地，將流程精致化，並把成本壓到極致。DeepSeek完成了中國在AI領域0到1的突破，而且R1以後可以直接訓練R2、R3，毋須不斷仰仗美國的輸入。接下來就是中國AI由1到10的過程。由於中國的產業鏈遠比美國齊全，相信AI在中國產業的應用場景更廣泛、更深入。
筆者關注兩個未來可能的趨勢：1）2B垂直類產品的推出，例如企業財務等，為標準化流程賦能降本；2）端側AI(Edge AI)全面鋪開，各種終端產品在AI嵌入應用上百花齊放，開源模式的威力可以顯露出來。
整個過程在筆者看來，其實是中國經濟升級轉型的一個側影。在過去幾年，中國在電動車、新能源等領域取得了矚目的成就，並建立起競爭優勢，AI在應用端為中國製造業的賦能，是一個全新的話題。工廠幾乎清一色的5G環境、齊全高效的全產業鏈、超高輸電和數據中心等基礎設施優勢，以及政府的全力支持，為經濟的智能化轉型提供了良好的基礎。宏觀經濟需要固本培元，需要時間康復，但是除了周期性因素之外，科技迭代似乎正在引出新的投資機會，這是DeepSeek突破對中國經濟及市場的一點宏觀啟示。
DeepSeek的歷史意義，在於打開了中國應用端的大門，望出去是一片藍海。
本文純屬個人觀點，不代表所在機構的官方立場和預測，亦非投資建議或勸誘。
《經濟通》所刊的署名及／或不署名文章，相關內容屬作者個人意見，並不代表《經濟通》立場，《經濟通》所扮演的角色是提供一個自由言論平台。
【你點睇？】美歐官員今周商俄烏戰爭問題，你認為俄烏戰爭是否正加快步向結束？► 立即投票
