DeepSeek引起矽谷恐慌

Chris

2025/01/27 AI 、 DeepSeek

DeepSeek-V3 以開源和低成本的策略讓許多矽谷人士倍感威脅，就有報導指出，Meta 內部已經專門設立了四個專案部門分析 DeepSeek 的技術。

最近中國人工智慧新創 DeepSeek 可說讓整個矽谷陷入了一陣恐慌。DeepSeek 最新的大型開源 AI 模型「DeepSeek-V3」671B 具參數，測試表現已超越 Meta 的 Llama 3.1-405B，而且更重要的是「號稱」成本遠小於其他模型，只使用約 2048 張 H800 GPU 訓練了 2 個月，總成本約為 560 萬美元！

DeepSeek-V3 以開源和低成本的策略讓許多矽谷人士倍感威脅，就有報導指出，Meta 內部已經專門設立了四個專案部門分析 DeepSeek 的技術，其中兩個重點關注 DeepSeek 如何降低培訓成本，另外兩個則徹底分析 DeepSeek 所使用的數據源，深怕下一代 Llama 性能被 DeepSeek 遠遠領先。
DeepSeek 的背景

DeepSeek 的創辦人梁文鋒同時也是量化對沖基金幻方量化 High-Flyer 的創辦人，可說是因為有對沖基金作為後盾，讓 DeepSeek 能夠擺脫外部投資者的壓力。DeepSeek 成立於 2023 年 4 月，並在同年就推出了第一個模型 DeepSeek Coder，該模型可供研究人員和商業使用免費使用，並在隨後第一代 DeepSeek LLM。2024 年 5 月，DeepSeek-V2 問世，因其性能和低廉價格，在中國 AI 模型市場掀起一波價格戰，迫使字節跳動、騰訊、百度和阿里巴巴等中國科技巨頭紛紛降價以保持競爭力。

DeepSeek-V2 的後繼者 DeepSeek-Coder-V2，擁有 2360 億個參數，專為複雜的程式碼編寫挑戰而設計，並具有高達 128K 的上下文長度。DeepSeek 的最新模型 DeepSeek-V3 和 DeepSeek-R1，更進一步鞏固了其作為顛覆性力量的地位。擁有 6710 億參數的 DeepSeek-V3，在各種基準測試中表現出色，且所需資源遠少於同類模型。DeepSeek-R1 則專注於推理任務，其先進功能直指 OpenAI 的 o1 模型。

報導指出，DeepSeek 模型採用了混合專家架構（Mixture-of-Experts, MoE），僅在特定任務中啟動一小部分參數，可以大幅降低計算成本，提高效率。此外，DeepSeek-V3 還整合了多頭潛在注意力（Multi-Head Latent Attention, MLA），提升了模型處理數據的能力，能夠識別細微的關係並同時處理多個輸入方面。最後 DeepSeek 也有進行知識蒸餾，將大型模型的知識和能力轉移到更小、更高效的模型中。

目前看來 DeepSeek 的產品發布時間似乎也經過精心的策略性安排，例如 DeepSeek-R1 的發布時間與美國總統川普的就職典禮相吻合，有暗示展示中國在 AI 領域快速發展，有意挑戰美國在 AI 領域主導地位的意味。作為反應，Hugging Face 也推出了名為 Open R1 的開源計畫，完全複製 DeepSeek-R1 的訓練管道，讓研究人員和開發人員能夠複製並在此基礎上進行開發。
矽谷怎麼看待 DeepSeek？

但 DeepSeek 讓人最好奇的就是：它是怎麼在美國晶片禁運的背景下做到的？Curai 執行長 Neal Khosla 就認為 DeepSeek 的表現是「國家心理戰」，「假裝成本很低，以證明定價低合理，壓低價格影響美國 AI 產業競爭力。 」

另外也不少人認為，如果中國能在缺乏先進晶片的情況下，以低成本建立尖端模型，那就會對美國股市構成重大威脅，質疑產業內數千億美元資本支出的合理性。然而像 Y Combinator 執行長 Garry Tan 則他認為，如果模型訓練變得更便宜、更快速，反而會加速 AI 的實際應用需求。Meta AI 科學家 Yann LeCun 更呼籲不應從中美對抗的角度看待，而是視為「開源模型正在超越專用模型」的巨大趨勢。