TechWeb 全站精华
·
爆火的DeepSeek引发成本、技术质疑，未来算力还重要吗？
💡
原文中文，约3200字，阅读约需8分钟。
📝
内容提要
DeepSeek因其低成本和高性能在AI领域备受关注，但其训练成本和技术引发争议。报告指出，DeepSeek的成本计算不全面，实际投入远高于预估，且关于是否使用蒸馏技术存在质疑。尽管表现优秀，业内认为算力需求可能仍会增加。
🎯
关键要点
- DeepSeek因其低成本和高性能在AI领域备受关注，但其训练成本和技术引发争议。
- DeepSeek的成本计算不全面，实际投入远高于预估，且关于是否使用蒸馏技术存在质疑。
- DeepSeek的完整训练成本被认为仅是模型总成本的一小部分，实际硬件花费远高于5亿美元。
- 业内观点认为DeepSeek模型低成本并不客观，特别是在国内产业成本较低的情况下。
- DeepSeek是否使用蒸馏技术引发争议，OpenAI和微软对此表示怀疑。
- DeepSeek V3在测试中出现异常，可能由于训练数据中混入了大量由ChatGPT生成的内容。
- 研究团队的论文显示DeepSeek V3的蒸馏过程主要来自GPT4o，且蒸馏程度较高。
- 蔡恒进认为DeepSeek有独特的技术路径优势，能够提升国产芯片的预训练性能。
- DeepSeek的出现打破了依赖高算力的传统观念，可能降低算力需求。
- 尽管DeepSeek的训练成本低，但算力需求可能仍会增加，类似于杰文斯悖论的现象。
- DeepSeek的发布引起AI业内广泛关注，训练效率和推理速度大幅提升，助力AI应用落地。
➡️
