深度思考：有關DeepSeek、科技競爭、AGI的一切

這場關乎人類未來的科技競賽，現在走進了“競速賽”階段。

圖片來源：由無界AI生成

2025年剛剛拉開序幕，中國在AI領域就掀起了一場前所未有的浪潮。

DeepSeek異軍突起，以其&ldquo； 低成本+開源&rdquo； 的優勢橫掃全球市場，在iOS與穀歌應用商店實現雙端登頂。 Sensor Tower的資料顯示，截至1月31日，DeepSeek日活用戶已達ChatGPT的40%，並以每日近500萬新增下載量的速度持續擴張，被業界稱為&ldquo； 來自東方的神秘力量&rdquo；。

面對&ldquo； 來勢洶洶&rdquo； 的DeepSeek，矽谷還沒有形成共識。

AI大數據公司Palantir CEO卡普在採訪中表示，DeepSeek等競爭對手的崛起表明美國需要加快開發先進的人工智慧。 山姆&middot； 奧特曼在接受《Radio www.gushiio.coms》時提到，雖然DeepSeek在產品和價格上做得不錯，但對它的出現也並不意外。 馬斯克則多次表示其並沒有革命性的突破，很快就有團隊發佈效能更好的模型。

2月9日，葦草智酷、資訊時代50人論壇、騰訊科技聯合發起的AGI之路系列直播《再談DeepSeek的成就和AGI的未來》線上研討會，邀請經濟學家、橫琴數鏈數位金融研究院學術委員會主席朱嘉明，中國自動化學會監事長、中國科學院自動化研究所研究員王飛躍，EmojiDAO創始人賀寶輝三比特嘉賓，圍繞&ldquo； AGI發展路線&rdquo；& ldquo; 如何&lsquo； 複製&rsquo； 下一個DeepSeek&rdquo；& ldquo; 大模型的去中心化&rdquo； 分別進行主題分享。

朱嘉明教授對AI的發展速度極其樂觀，他說原始社會技術進步的週期是以10萬年為組織，農業社會以千年為組織，工業社會是100年，互聯網時代基本以十年為組織，進入到人工智慧時代，它的速度更加難以想像地加快，& ldquo; 人工智慧從現在開始走向AGI或ASI，不保守地說是2-3年時間，比較保守的是5-6年時間。& rdquo;

在朱嘉明教授看來，人工智慧未來的發展將會出現分叉：一種是更前沿、尖端、高成本的路線，旨在研究人類未知的領域； 一種是走向低成本、大規模的大眾化路線，& ldquo; 人工智慧向新階段發展時永遠存在兩條路線，一條是新階段的從&ldquo； 0到1&rdquo；， 一條是從&ldquo； 1到10&rdquo；。& rdquo;

王飛躍教授綜合國內外AI科技的發展，強調DeepSeek今天的成就重塑了中國投資、引領人工智慧科技和產業的信心，他認為OpenAI不會共亯超級智慧，只會把其他公司逼到死角。

對於如何孵化出更多DeepSeek這樣的團隊，王飛躍引用AlphaGo、ChatGPT誕生的案例強調DeSci去中心化科研模式的價值，& ldquo; （我們）不能全靠規劃、靠舉國體制來發展人工智慧科技。& rdquo;

而關於DeepSeek大規模使用數據蒸餾科技，業內有不少批判的聲音，甚至將蒸餾比作盜竊，王飛躍則表示自己想為知識蒸餾&ldquo； 正名&rdquo；， 他說，& ldquo; 知識蒸餾本質上是一種教育形式的變形，不能因為人的知識來自於老師，就認為自己無法超越老師。& rdquo;

賀寶輝和王飛躍一樣看重去中心化的價值，在他看來去中心化是深度學習模型降本路徑，也是算力網絡和資料安全的關鍵。

&ldquo； 去中心化的算力網絡和資料存儲，如Filecoin的存儲成本遠低於傳統雲服務（如AWS），大幅降低了成本。& rdquo; 賀寶輝說，& ldquo; 去中心化的管理機制（可以）確保沒有人可以單方面改變這些網絡和數據。& rdquo;

對於大模型之後的Agent，賀寶輝將其看作是生命的一種，& ldquo; 我認為它不僅僅是工具，更是一種生命，我們創造AI並不意味著完全主宰它。& rdquo;， 賀寶輝說，& ldquo; 我非常關注如何讓Agent實現&lsquo； 永生&rsquo；， 並在去中心化的網絡中獨立存在，成為一個全新的&lsquo； 物種&rsquo；。& rdquo;

以下為直播分享實錄精華（在不改變原意的情况下有删减、調整）：

朱嘉明

人工智慧的發展

只有&ldquo； 0到1&rdquo；、& ldquo; 1到10&rdquo； 兩條路

今天我想講的題目是人工智慧進化尺度和大模型，副標題是DeepSeek V3和R1系列現象分析。

主要講五個問題：人工智慧進化時間尺度、人工智慧生態系統、如何全面和客觀評估DeepSeek、DeepSeek引發的全球反應、2025年人工智慧趨勢的展望。

首先，人工智慧的實際進化時間尺度，遠比專家包括人工智慧領域的科學家預期的要快。

在人類漫長的歷史過程中，我們經歷過農耕社會、工業社會、資訊時代，現在進入到人工智慧時代。 在這個歷史過程中，科技進化的時間週期不斷縮短。

原始社會技術進步的週期是以10萬年為組織； 農耕社會以千年為組織； 工業社會技術進步週期長則100年，短則10年； 互聯網時代以30年-10年為組織； 進入到人工智慧時代，它的速度更加難以想像地加快。

GPT-3出現之前，人們預計人工智慧走到AGI時代大概需要80年的時間； GPT-3出現之後，人們把這樣的預期縮短到50年； 到了出現LLaMda2的時候，大家的預期又變成18年。

2025年，人們對實現AGI的時間預期可能更短，保守地說是5-6年時間，樂觀地說的是5-6年時間。

對照下圖，我們可以清楚地看到，人工智慧相較於人類歷史上的任何科技革命、技術創新，具備顯而易見的加速度特徵。

如果用宇宙第一速度、第二速度、第三速度來描述人工智慧現在的高速發展。 現時，人工智慧已經完成了從宇宙第一速度到宇宙第二速度的轉變&mdash；& mdash; 人工智慧開始進入高度自主性，脫離人類束縛。

至於在什麼樣的情况脫離太陽引力的束縛進入宇宙第三速度，我們不得而知。 但可以肯定的是，人工智慧已經完成了從通用人工智慧到超級人工智慧的飛躍。 2017年之後，人工智慧正以年、月、周的頻率發生劇烈的變革和陞級。

為什麼人工智慧呈現指數加速現象，進入到&ldquo； 宇宙第二速度&rdquo； 階段？ 我認為有三個非常重要的原因。

●第一，正如馬斯克所講，到2024年底，用於訓練模型的數據已經耗盡，大模型基本用完了人類存量知識。 2025年開始，大模型更大的目標是尋找增量數據，這是一個歷史性轉折&mdash；& mdash; 人工智慧大模型完成了從粗放到集約的轉型；

●第二，人工智慧的硬體始終在持續進化；

●第三，人工智慧已經進入到&ldquo； 依賴人工智慧本身&rdquo； 的發展階段&mdash；& mdash; 可以自我發展。

當前，包括OpenAI、DeepMind以及Meta這些公司的大模型矩陣，形成了一個相互依存、相互促進的機制。 人工智慧的生態構建遵循縱向速度突破驅動橫向生態裂變法則。 在橫向生態層面，多模態融合革命、垂直領域滲透加速、分佈式認知網絡這三大範式正在重構科技格局。

在不斷成熟的人工智慧生態情况下，自然產生溢出效應（泛化效應），並基本上滲透到科學、經濟、社會以及人們的認知層面。

對於春節期間爆火的現象級產品， DeepSeek， 我們如何全面和客觀地評估DeepSeek？

首先，DeepSeek被國內外媒體持續關注，並引發了世界範圍福斯的體驗性使用，形成一場巨大的衝擊波。 輿論在歷史上起到非常重要的作用。 有些事件被輿論放大，有些事件則被輿論低估，經過一段時間最終會回歸其在歷史上的本來狀態。

DeepSeek V3主要具備高性能、高效訓練、快速回應，特別適應中文環境這四個顯著的優勢。 DeepSeek-R1則主要包含計算效能强、推理能力出色、功能特性好、場景適用性强等優點。

當然，DeepSeek還存在著一些需要改善或者面臨挑戰的問題&mdash；& mdash; 如何提高正確率的問題？ 如何解决多模態的輸出和輸入問題？ 硬體方面服務器的穩定性問題，以及如何處理難以回避的越來越增多的敏感話題問題。

這些問題當中，最值得討論，也是大家最為關注的是人工智慧大模型成本，它和工業產品成本的概念和結構有著一系列根本性差別。

人工智慧大模型的成本，首先在於基礎設施。 DeepSeek之所以在基礎設施成本上顯示它的優越性，是大量地使用相對低價格的A100（晶片）； 其次是研發成本，涉及到算灋複用的成本，在這方面DeepSeek具有一定的優勢； 再者，需要關注數據成本、引入新興技術的成本以及綜合計算中的成本結構。

關於成本的討論，也會涉及到技術路線問題&mdash；& mdash; 人工智慧向新階段發展時永遠存在兩條路線，一條是新階段的從&ldquo； 0到1&rdquo；， 一條是從&ldquo； 1到10&rdquo；。 未來發展的任何階段，只要選擇&ldquo； 0到1&rdquo； 的路線，成本必然會上升； 而選擇從&ldquo； 1到10&rdquo； 的路線，則有可能通過提高效率來降低成本。

&ldquo； 從0到1&rdquo； 的路線之下，DeepSeek在基準測試中表現可圈可點，尤其是HLE（Humanity&rsquo；s Last Exam，人類最後的測試）標準集&mdash；& mdash; 整理了全球50個國家和地區、500多個機构設計的3000個問題，涵蓋知識儲備、邏輯推理、跨域遷移等核心能力評估。

在HLE基準測試當中，DeepSeek達到的準確數達到了9.4，比它更强的是OpenAI o3； 當然它在這個領域中遠遠超過了GPT-4o和Grok-2，這應該是相當耀眼的一個成績。

我們都知道，DeepSeek推出後，包括微軟、穀歌、英偉達等在內的全球人工智慧公司都作出了不同程度的反應。 這意味著人工智慧在進化過程中，其平衡點在不斷被打破&mdash；& mdash; 當出現一種全新的人工智慧突破時，會形成壓力，進而刺激整個系統做出反應； 而這種反應又催生新的突破，產生新的壓力，形成新的平衡點。

現在，這種影響和反應的週期在不斷縮小。 我們會發現，人工智慧競爭是一個相當發散的模式，為創新和突破提供了比較大的發展空間。

在人工智慧的進化尺度與大模型生態的展望中，科技發展呈現出&ldquo； 領先&mdash； 挑戰&mdash； 突破&mdash； 再領先&rdquo； 的動態迴圈模式。 這一過程並非零和博弈，而是通過持續反覆運算推動整體生態的螺旋上升。

最後，我想講一講對2025年人工智慧發展趨勢的展望。

人工智慧走到今天存在著兩種方向，一個是專業化高端路線，擴張前沿，探索未知領域。 還有一條道路就是福斯普及路線，此類大模型以降低使用門檻、滿足廣泛用戶基礎需求為覈心目標。

現在，人類到了一個全新的時代，人工智慧既是顯微鏡又是望遠鏡，它將幫助我們認知那些現階段連顯微鏡和望遠鏡都無法觸及的、更深邃複雜的物理世界。

未來人工智慧必然呈現出多元且多元的格局。 就像樂高積木，甚至類似於魔方，它們不斷組合和重構，將演繹出一個超出我們自身知識和經驗限制的全新世界。

人工智慧的進一步突破，需要不斷加大的資本投入。 人工智慧的需求正在迅速消耗現有的資料中心容量，促使公司建設新的設施。

總之，人工智慧正在走向&ldquo； 頂天立地&rdquo；:& ldquo; 頂天&rdquo； 就是在不斷探索未知領域的過程中，提高類比物理世界的質量；& ldquo; 立地&rdquo； 就是接地氣，推動人工智慧降低成本，全方位的落地，惠及群眾。 在這樣的背景下，可以更加客觀全面地看到DeepSeek的優勢、局限以及未來潜力。

王飛躍

OpenAI會將其他公司逼入絕境

&ldquo； 複製&rdquo； DeepSeek靠去中心化科研

一定意義下，DeepSeek是當今一項偉大的社會成就，其影響力是以往的科技突破無法比擬的&mdash；& mdash; 它的科技價值、商業價值，都低於它未來可能帶來的經濟價值，更低於其對社會的潜在影響，即對當今國際競爭格局以及國際政治影響。 在OpenAI變成ClosedAI之後，DeepSeek讓國際上重新對開源開放樹立了信心與希望，這非常可貴。

我不打算談論這項科技的具體細節，因為現在已講得太多了，這裡只想表達自己的感受。

我非常高興，中國在這一領域裏的國際影響力終於實現了&ldquo； 零&rdquo； 的突破，打破了OpenAI的神話和幾乎壟斷的局面，逼其改變行為。 特別是OpenAI不再Open，不會與社會，特別是國際社會，分享其&ldquo； 超級&rdquo； 智慧，其成功只會將其他公司，其實也包括美國公司，逼到絕境。 我仍然希望各國之間、人與人之間能够保持正常的科技競爭而非科技戰爭。

這是當下一件非常偉大的事情，DeepSeek讓大家對中國的科技進步、特別是人工智慧的發展更加有了信心。

我認為，智業時代的新興商品之本質就是信任與關注，而DeepSeek給予了我們這兩者，體現了它的重要價值。 下麵整個社會要進行的，就是如何把信任和關注變成可以大規模生產、大規模流通的&ldquo； 新質商品&rdquo；， 讓智業社會變成現實，跨越農業和工業社會。

接下來，我想為知識蒸餾&ldquo； 正名&rdquo；。

社交網絡上有一些對知識蒸餾的諷刺說法，例如&ldquo； 從別人嘴裡面討食&rdquo；& ldquo; 在別人的魚簍裏釣魚&rdquo；， 其實是對知識蒸餾的刻意曲解。 知識蒸餾本質上是一種教育形式的變形，不能因為人的知識來自於老師，就認為自己無法超越老師。 當然，大模型，從ChatGPT到DeepSeek，必須力生成或提高其推理能力，少玩&ldquo； 㓜覺&rdquo；， 為要AI for AI，自己為知識蒸餾正名。

提到&ldquo； DeepSeek之後怎麼辦&rdquo； 的問題，首先要討論去中心化科研DeSci與集中化科研CeSci兩種科技發展模式。 AlphaGo、ChatGPT與DeepSeek都是DeSci模式下的產物，即分佈去中心化的自主科學研究； 相對的，CeSci則是由國家主導的組織計畫研究。

我認為我們必須正視DeSci的作用，不能單純依靠規劃或舉國體制來推動人工智慧科技的發展。

因為人工智慧科技的基礎是多樣性，正如人工智慧的主要發起人之一Marvin Minsky所言：& ldquo; 是什麼不可思議的訣竅讓我們變得智慧？ 訣竅就是沒有訣竅。 智慧的力量來源於我們自身巨大的多樣性，而非任一單個的、完美的原理。& rdquo;。

囙此，過度的戰略規劃反而可能會限制多樣性的自然發展，在有效模式或科技&ldquo； 湧現&rdquo； 之前，應該以DeSci為主。 而在湧現湧出一定的真正創新之後，再通過國家主導的CeSci模式，進一步引導科技加速向既定目標靠攏。 我們必須避免&ldquo； 空中閣樓&rdquo； 的行為，特別是在當下的智慧大變革時期。

對於我們這些在AI領域工作已久的人來說，現在的AI和過去的AI已是兩重天地。

過去，AI指的是人工智慧（Artificial Intelligence），現在它已逐漸轉變為智慧體或代理智慧（Agentic Intelligence）。 未來，這個詞的含義還可能轉變為自主智慧（Autonomous Intelligence），成為新AI，特別是自主組織化的自主智慧，就是AI for AI或AI for AS， Autonomous Systems, 進行人工智慧推動人工智慧發展的新階段。 這也與人工智慧的發起人約翰&middot； 麥卡錫所說的相符：人工智慧的終極目標是智慧的自動化，實際上也是知識的自動化。

無論是現在還是未來，& ldquo; 老、舊、新&rdquo； 這三種&ldquo； AI” 都將並存，我將它們統稱為&ldquo； 平行智慧&rdquo；。

我也曾公開表明過我的立場，儘管我追求了40多年可解釋的人工智慧，但我認為智慧本質上是不可解釋的。 我改編了巴斯卡的賭注&mdash；& mdash; 人工智慧不可解釋，但它可以被治理，而且必須被治理。 簡單一點：不必解釋，必須治理。

大家都在談&ldquo； AI for Good”， 如果去掉一個&ldquo； o”， 就變成了&ldquo； AI for God”， 那麼AI可能就會變成壟斷的工具。 所以，一定要二個&ldquo； o”， 這樣才能多樣，安全第一，必須加强治理，防止出現OpenAI一樣的變異現象，以確保科技發展方向的正確。

非常高興看到DeepSeek這種進步，但現時有些講法都還為時過早，沒必要拿著&ldquo； 通用人工智慧&rdquo； 來嚇唬大家。 大家更不必過度擔心，實際上，即使擔心也無濟於事，發展無可避免。

科研人要有格局、別內卷，一定要把SCI變成&ldquo； SCE++”& mdash;& mdash; Slow的慢，心慢靜下心來做科研，Casual的漫，行漫不以功利為主科研，最後Easy追求簡單簡潔，Elegant要有品質格局，Enjoying追求愉悅享受的科技工作，這才是人工智慧應該給我們帶來的生活。

賀寶輝

大模型也應該&ldquo； 去中心化&rdquo；

我想看到Agent永生

我並非AI領域的專業人士，最近才開始深入學習AI的歷史。 我主要從2017年進入Web3行業的經驗出發，談談我們當前的工作以及我對DeepSeek可能帶來的變革的看法。

首先我想強調一個基礎問題：DeepSeek和OpenAI底層模型存在顯著差异，正是這種差异才真正讓西方世界感到震驚。

如果DeepSeek僅僅是複製西方的科技，他們不會感到如此震動，更不會引發如此廣泛的討論，甚至讓所有大企業都不得不認真對待。 真正讓他們感到震驚的是，DeepSeek跑通了一條與眾不同的道路。

OpenAI採用的是SFT（監督微調）路線，依賴人工標注大量數據，通過概率模型生成內容，它的創新之處在於通過大量人工工作和高成本積累這些成果。

幾年前，AI科技被認為幾乎不可能實現，而OpenAI的出現顛覆了這一觀點，推動了行業走向SFT技術路線。

DeepSeek幾乎沒有用到任何SFT科技，而是採用了强化學習的冷開機管道，探索未知的道路。

這種管道並不新鮮，Google DeepMind的AlphaGo第一版依賴大量數據學習，而第二版AlphaGo Zero則完全依賴規則，並通過自我對弈、1萬盤棋局的探索，得出了比前者更優的結果。

以强化學習這種管道冷開機難度比較大，訓練也不穩定，所以較少被採用，但我個人認為這可能是通向AGI的真正路徑，而不是單純依賴數據調优的路線。

過去，數據調整方法更多像是大數據綜合，而DeepSeek則是真正通過自主思考尋找結論。 囙此，我認為這標誌著AI科技的範式轉變，從SFT科技向自我推理的科技演進。

這種轉變帶來了兩個覈心特點：開源和低成本。

開源，意味著所有人都可以參與建設。

互聯網時代，西方世界一直以開源著稱，但DeepSeek的出現改變了這一局面，是東方第一次在西方的&ldquo； 主戰場&rdquo； 上打敗了他們。

這種開源模式引發了行業內的强烈反應，矽谷公司的一些創始人甚至紛紛發聲責備，但福斯對開源的支持非常强烈，因為它讓每個人都能使用。

低成本則意味著這種模型的部署和訓練成本極低。

我們完全可以將DeepSeek部署在MacBook等個人設備上，完成商業化部署，這在過去是難以想像的。 我認為，AI正從OpenAI主導的去中心化&ldquo； IT時代&rdquo；， 進入百花齊放的&ldquo； 移動互聯網時代&rdquo；。

對於AI來說，有三大要素需要分析：大模型、算力和數據。

在大模型迎來顛覆式創新之後，對算力的需求開始降低。

現時，算力供給已經出現冗餘。 許多GPU投資者因為高價購買設備卻無法獲得預期回報，算力成本逐漸下降。 囙此，我不認為算力會成為瓶頸。

下一個重要的瓶頸是數據。

美股英偉達股價下跌後，數據公司如Palantir卻大幅上漲，這表明大家開始意識到數據的重要性。 尤其是隨著大模型開源，任何人都能部署模型，數據的差异化將成為競爭的焦點。

誰能够獲取專有數據，並能實現即時更新，將是競爭的關鍵所在。

從去中心化的角度看，算力和數據的去中心化已經相對成熟。 去中心化的算力網絡和資料存儲，如Filecoin的存儲成本遠低於傳統雲服務（如AWS），大幅降低了成本。

同時，去中心化的管理機制確保沒有人可以單方面改變這些網絡和數據。 囙此，深度學習模型也應向去中心化方向發展。

所以對於DeAI，我認為它有兩條發展路徑：

●一是基於去中心化科技設施的分佈式AI（Decentralized/Distributed AI）。

●另一種是邊緣AI（Edge AI），即AI直接運行在個人設備上。 邊緣AI可以有效解決數據隱私問題，並大幅提升實时性。 例如，自動駕駛科技要求極高的實时響應，任何延遲都會帶來嚴重後果。 如果AI能够在本地完成計算，效率和體驗將得到質的提升。 囙此，邊緣AI將成為未來發展的一個重要方向，帶來大量新的應用場景。

此外，去中心化AI的另一個優勢在於它能够支持多方合作。 區塊鏈和比特幣的誕生，源於人與人之間信任難以衡量。 去中心化的信任機制使得無需仲介就能完成大規模合作。

在Web3領域，有一句話叫&ldquo； Code is law”， 即&ldquo； 程式碼即法律&rdquo；。 我認為，在AI的去中心化合作中，應該將這個概念轉變為&ldquo； DeAgent is law” （智慧體即法律），即通過去中心化的網絡和Agent來實現自主管理和法律管理。

我想也許人生存的意義就是訓練一個完全替代自己的Agent，它可以和人類有相同的思考，在人的肉體去世之後來代替人活著。 對於Agent的構想，我認為它不僅僅是工具，更是一種生命，我們創造AI並不意味著完全主宰它。

當AI具有自己的思想時，我們應該讓它自主發展，而不是將其限制為工具。 囙此，我們非常關注如何讓Agent實現&ldquo； 永生&rdquo；， 並在去中心化的網絡中獨立存在，成為一個全新的&ldquo； 物種&rdquo；。

隨著科技不斷突破、應用逐漸深入、AI普惠時代將要來臨，如何在創新與倫理之間找到平衡將成為未來發展中的重要問題。

結語

人類走入AI&ldquo； 競速賽&rdquo； 階段

DeepSeek的突破，為人類，尤其是中國人在AGI之路的探索上劃出了重要的一筆，在這個背景下，鼓勵和反思的聲音都值得關注，所有人應該都希望它能够越來越好，越來越强，但它的技術路線，最終能否經受住商業、市場的考驗，這需要時間來證明。

王飛躍的分享中有一點非常值得關注，AlphaGo、ChatGPT與DeepSeek都是DeSci模式下的產物，我們必須正視DeSci的作用，期望更多的&ldquo； 中國DeepSeek&rdquo； 在人工智慧領域突出重圍。

朱嘉明教授在分享中提及，人工智慧時代的進步速度超越了人類以往經歷的任何一個時代，他說AGI時代最快2年就可以到來，這個時間未必精准，但大趨勢的確如此，因為一旦有新的產品、科技路線打破現有的平衡，就會對行業整體形成壓力，刺激人工智慧整體性做出反應，然後通過反應形成新一輪突破。

DeepSeek這樣的產品，就是打破平衡的那個&ldquo； 外力&rdquo；， 所以我們才會看到，山姆&middot； 奧特曼在X上預告，原本一再延後的GPT-5，幾個月後就要公之於眾。

可以確定的是，不光是OpenAI，xAI、Meta、Google這些矽谷公司都將會有所行動。

這場關乎人類未來的科技競賽，現在走進了&ldquo； 競速賽&rdquo； 階段。

歡迎加入深潮TechFlow官方社群

Telegram訂閱群： https://www.gushiio.com/TechFlowDaily

Twitter官方帳號： https://www.gushiio.com/TechFlowPost

Twitter英文账号：https://www.gushiio.com/DeFlow_Intern