<p>DeepSeek 是一家总部位于中国的人工智能（AI）研究实验室。它于 2023 年从中国最成功的对冲基金 High-Flyer 分拆而出。该基金多年来一直在利用人工智能开发交易算法。</p>
<p>DeepSeek 团队找到了一种方法，以美国领先的人工智能公司花费的极小一部分资金开发出强大的大型语言模型（LLMs）。这在周一引发了美国股市的恐慌，投资者考虑到对芯片供应商如 <strong>Nvidia</strong>（NVDA 0.77%）和知名开发者如 OpenAI（由 <strong>Microsoft</strong> 支持）的影响。</p>
<p>这可能是人工智能竞赛中的一个变革性时刻。DeepSeek 的方法不仅可能有效，而且至少还有一家中国人工智能初创公司似乎也取得了类似的成果。这对 Nvidia 和 OpenAI 意味着什么呢？</p>
<p><img src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MDU2OTEvdHdvLWludmVzdG9ycy1sb29raW5nLWF0LWEtc2VyaWVzLW9mLWNvbXB1dGVyLXNjcmVlbnMtd2l0aC1wcmljZS1jaGFydHMtb24tdGhlbS5qcGcmdz03MDA?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MDU2OTEvdHdvLWludmVzdG9ycy1sb29raW5nLWF0LWEtc2VyaWVzLW9mLWNvbXB1dGVyLXNjcmVlbnMtd2l0aC1wcmljZS1jaGFydHMtb24tdGhlbS5qcGcmdz03MDA"/></p>
<p>图片来源：Getty Images。</p>
<h2>人工智能模型正迅速商品化</h2>
<p>Ilya Sutskever 是美国领先的人工智能开发公司 OpenAI 的联合创始人之一。他曾认为数据和计算能力是训练最佳人工智能模型和生产最智能人工智能软件的关键成分。这被称为预训练扩展，这意味着拥有最多财力的开发者可以建立最佳的数据中心，购买最佳的芯片，从而赢得人工智能竞赛。</p>
<p>但在 2024 年 11 月，他告诉路透社，使用该方法的结果已经停滞。OpenAI 此后开发了具有更好 “推理” 能力的模型，这意味着它们花更多时间 “思考”，以从 ChatGPT 聊天机器人中产生最佳响应。这被称为测试时扩展，使用该方法的模型（GPT-4o1 到 GPT-4o3）在解决问题方面表现更好，并在学术层面上使人工智能更接近人类智能。</p>
<p>OpenAI 花费了约 200 亿美元才达到这一点（这笔钱主要是自 2015 年以来从投资者那里筹集的）。但 DeepSeek 最近发布了其 V3 模型，仅花费 560 万美元，却在多个性能基准上与 OpenAI 的 GPT-4o 模型竞争。</p>
<p>美国政府禁止 Nvidia 向中国人工智能公司出售其最新的图形处理器（GPU），因此 DeepSeek 使用了像 H100 和 H800 这样的低功率版本开发 V3。为了弥补性能不足，DeepSeek 不得不在软件方面进行创新，创造出更高效的算法和数据输入方法。</p>
<p>该公司还使用了一种称为蒸馏的技术来创建 V3。它涉及使用成功模型（如 GPT-4o1）训练一个小模型，以产生类似的最终产品。这一策略大大加快了人工智能公司训练竞争性 LLM 的速度，并可能导致商品化。换句话说，未来市场上可能会有数百个具有类似能力的 LLM，它们大多是可以互换的。</p>
<p>这可能对 OpenAI 甚至 Nvidia 构成真正的威胁。OpenAI 可能会失去其凭借可观财力建立的优势，而由于对 LLM 训练的需求减少，Nvidia 可能会遭受 GPU 需求下降的影响。</p>
<h2>DeepSeek 以低成本震撼科技行业，但并非孤军作战</h2>
<p>训练只是方程式的一部分。还有推理过程，涉及人工智能模型将提示转化为准确响应。但与任何业务一样，整体成本降低可以转化为客户的价格降低。</p>
<p>截至目前，DeepSeek 仅收取每百万个输入标记 0.14 美元，这比 OpenAI 每百万个输入标记 2.50 美元的收费便宜 94%（输入标记是根据用户提示中的单词数量计算的）。</p>
<p>但 DeepSeek 并不是唯一一家似乎破解了这一代码的人工智能实验室。曾在 <strong>Alphabet</strong> 的 Google 中国业务负责运营的李开复，推出了一家名为 01.ai 的人工智能初创公司。根据其网站，其 Yi 模型在与 DeepSeek 的竞争模型相比时表现良好。该公司仅收取每百万个输入标记 0.10 美元，甚至比其中国竞争对手更便宜——而且远低于 OpenAI 的价格。</p>
<h2>这一切对 OpenAI 和 Nvidia 意味着什么</h2>
<p>我认为如果 LLM 继续朝着商品化趋势发展，OpenAI 将面临麻烦。此外，其模型是闭源的，因此开发者被锁定在公司的生态系统中，这在竞争性开源 LLM 广泛可用时将不是一个理想的特性。</p>
<p>相比之下，DeepSeek 采用开放源代码的方法，使开发者可以根据需要自由调整其模型以构建人工智能软件。开发者还可以在本地下载开源模型，因此他们无需与创建者共享敏感数据。</p>
<p>但尽管 OpenAI 面临不确定性，Nvidia 可能实际上会从推理成本的下降中受益，这可能抵消部分在训练方面失去的 GPU 需求。</p>
<p>想想手机的发展。当我们每次发送短信或浏览互联网都需要支付费用时，我们并没有像现在这样频繁使用手机。无限计划提供无限的通话、短信和数据，使我们每天可以花几个小时在手机上，只需支付名义上的月费——简单来说，当成本降低时，使用量激增。</p>
<p>人工智能可能会走上类似的道路，随着使用量的增加，公司将需要更多 Nvidia 的 GPU 来满足推理的需求。尤其是在推理能力不断发展的情况下，因为更多的思考需要显著更多的计算能力。</p>
<p>短期内的情况则稍显不确定。Nvidia 的一些客户会不会像 DeepSeek 那样优化他们的训练方法，从而减少数据中心的支出？这很难说，但新的季度财报季刚刚开始，因此我们应该在接下来的几周内从几乎每一家公司那里收到更新。</p>

英伟达

OpenAI

<p>DeepSeek 是一家中国的人工智能研究实验室，已以美国公司如 OpenAI 和 Nvidia 成本的一小部分开发出具有竞争力的大型语言模型（LLMs）。其 V3 模型的开发成本为 560 万美元，挑战 OpenAI 的产品，而后者的成本约为 200 亿美元。美国对 Nvidia 最新 GPU 的禁令促使 DeepSeek 在较低性能的硬件和高效算法上进行创新。这种走向商品化的趋势可能会威胁到 OpenAI 的市场地位，而尽管 GPU 在训练中的需求减少，Nvidia 可能会因较低的推理成本而受益</p>

<p>DeepSeek is an artificial intelligence (AI) research lab based in China. It was spun out of the country's most successful hedge fund, High-Flyer, in 2023. The fund had been using AI for years to develop trading algorithms.</p>
<div class="lb-trans"><p>DeepSeek 是一家总部位于中国的人工智能（AI）研究实验室。它于 2023 年从中国最成功的对冲基金 High-Flyer 分拆而出。该基金多年来一直在利用人工智能开发交易算法。</p>
</div><p>The DeepSeek team found a way to develop powerful large language models (LLMs) for a tiny fraction of the money being spent by America's leading AI companies. It triggered a panic in the U.S. stock market on Monday as investors considered the impact on chip suppliers like <strong>Nvidia</strong>(NVDA 0.77%) and prominent developers like OpenAI (which is backed by <strong>Microsoft</strong>).</p>
<div class="lb-trans"><p>DeepSeek 团队找到了一种方法，以美国领先的人工智能公司花费的极小一部分资金开发出强大的大型语言模型（LLMs）。这在周一引发了美国股市的恐慌，投资者考虑到对芯片供应商如 <strong>Nvidia</strong>（NVDA 0.77%）和知名开发者如 OpenAI（由 <strong>Microsoft</strong> 支持）的影响。</p>
</div><p>This could be a transformational moment in the AI race. Not only are DeepSeek's methods potentially valid, but there is at least one other Chinese AI start-up that seems to have produced similar results. Here's what it could mean for Nvidia and OpenAI.</p>
<div class="lb-trans"><p>这可能是人工智能竞赛中的一个变革性时刻。DeepSeek 的方法不仅可能有效，而且至少还有一家中国人工智能初创公司似乎也取得了类似的成果。这对 Nvidia 和 OpenAI 意味着什么呢？</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MDU2OTEvdHdvLWludmVzdG9ycy1sb29raW5nLWF0LWEtc2VyaWVzLW9mLWNvbXB1dGVyLXNjcmVlbnMtd2l0aC1wcmljZS1jaGFydHMtb24tdGhlbS5qcGcmdz03MDA" alt="" original-src="https://g.foolcdn.com/image/?url=https%3A%2F%2Fg.foolcdn.com%2Feditorial%2Fimages%2F805691%2Ftwo-investors-looking-at-a-series-of-computer-screens-with-price-charts-on-them.jpg&amp;op=resize&amp;w=700"/></p>
<p>Image source: Getty Images.</p>
<div class="lb-trans"><p>图片来源：Getty Images。</p>
</div><h2>AI models are quickly becoming commoditized</h2>
<div class="lb-trans"><h2>人工智能模型正迅速商品化</h2>
</div><p>Ilya Sutskever is one of the co-founders of America's leading AI developer, OpenAI. He once believed data and computing power were the key ingredients to training the best AI models and producing the smartest AI software. This is known as pre-training scaling, and it meant the developers with the most financial resources could build the best data centers, buy the best chips, and win the AI race.</p>
<div class="lb-trans"><p>Ilya Sutskever 是美国领先的人工智能开发公司 OpenAI 的联合创始人之一。他曾认为数据和计算能力是训练最佳人工智能模型和生产最智能人工智能软件的关键成分。这被称为预训练扩展，这意味着拥有最多财力的开发者可以建立最佳的数据中心，购买最佳的芯片，从而赢得人工智能竞赛。</p>
</div><p>But in November 2024, he told Reuters the results from using that method have plateaued. OpenAI has since developed models with better &#34;reasoning&#34; skills, meaning they spend more time &#34;thinking&#34; to produce the best responses from the ChatGPT chatbot. This is known as test-time scaling, and models that use it (GPT-4o1 to GPT-4o3) are better at problem solving, and bring AI closer to human intelligence on an academic level.</p>
<div class="lb-trans"><p>但在 2024 年 11 月，他告诉路透社，使用该方法的结果已经停滞。OpenAI 此后开发了具有更好 “推理” 能力的模型，这意味着它们花更多时间 “思考”，以从 ChatGPT 聊天机器人中产生最佳响应。这被称为测试时扩展，使用该方法的模型（GPT-4o1 到 GPT-4o3）在解决问题方面表现更好，并在学术层面上使人工智能更接近人类智能。</p>
</div><p>It cost OpenAI around $20 billion to reach this point (money it mostly raised from investors since 2015). But DeepSeek recently released its V3 model, which was created for just $5.6 million, and yet it's competitive with OpenAI's GPT-4o models across several performance benchmarks.</p>
<div class="lb-trans"><p>OpenAI 花费了约 200 亿美元才达到这一点（这笔钱主要是自 2015 年以来从投资者那里筹集的）。但 DeepSeek 最近发布了其 V3 模型，仅花费 560 万美元，却在多个性能基准上与 OpenAI 的 GPT-4o 模型竞争。</p>
</div><p>The U.S. government banned Nvidia from selling its latest graphics processors (GPUs) to Chinese AI companies, so DeepSeek developed V3 using less powerful versions like the H100 and the H800. To compensate for the lesser performance, DeepSeek had to innovate on the software side by creating more efficient algorithms and data input methods.</p>
<div class="lb-trans"><p>美国政府禁止 Nvidia 向中国人工智能公司出售其最新的图形处理器（GPU），因此 DeepSeek 使用了像 H100 和 H800 这样的低功率版本开发 V3。为了弥补性能不足，DeepSeek 不得不在软件方面进行创新，创造出更高效的算法和数据输入方法。</p>
</div><p>The company also used a technique called distillation to create V3. It involves taking a small model and training it using a successful model like GPT-4o1 to produce a similar final product. This strategy supercharges the speed with which an AI company can train a competitive LLM, and it will potentially lead to commoditization. In other words, there could be <em>hundreds</em> of LLMs on the market in the future with similar capabilities, and they will mostly be interchangeable.</p>
<div class="lb-trans"><p>该公司还使用了一种称为蒸馏的技术来创建 V3。它涉及使用成功模型（如 GPT-4o1）训练一个小模型，以产生类似的最终产品。这一策略大大加快了人工智能公司训练竞争性 LLM 的速度，并可能导致商品化。换句话说，未来市场上可能会有数百个具有类似能力的 LLM，它们大多是可以互换的。</p>
</div><p>That could be a real threat to OpenAI and even Nvidia. OpenAI could lose the advantage it established thanks to its considerable financial resources, and since less LLM training will be required, Nvidia could suffer from reduced demand for GPUs.</p>
<div class="lb-trans"><p>这可能对 OpenAI 甚至 Nvidia 构成真正的威胁。OpenAI 可能会失去其凭借可观财力建立的优势，而由于对 LLM 训练的需求减少，Nvidia 可能会遭受 GPU 需求下降的影响。</p>
</div><h2>DeepSeek rocked the tech sector with its low costs, but it's not alone</h2>
<div class="lb-trans"><h2>DeepSeek 以低成本震撼科技行业，但并非孤军作战</h2>
</div><p>Training is only one side of the equation. There is also the inference process, which involves the AI model turning prompts into accurate responses. But like with any business, lower overall costs can translate into lower prices for customers.</p>
<div class="lb-trans"><p>训练只是方程式的一部分。还有推理过程，涉及人工智能模型将提示转化为准确响应。但与任何业务一样，整体成本降低可以转化为客户的价格降低。</p>
</div><p>As of this writing, DeepSeek charges just $0.14 per 1 million input tokens, which is 94% cheaper than OpenAI's rate of $2.50 per 1 million input tokens (input tokens are calculated based on the number of words in a user's prompt).</p>
<div class="lb-trans"><p>截至目前，DeepSeek 仅收取每百万个输入标记 0.14 美元，这比 OpenAI 每百万个输入标记 2.50 美元的收费便宜 94%（输入标记是根据用户提示中的单词数量计算的）。</p>
</div><p>But DeepSeek isn't the only AI lab which seems to have cracked this code. Kai-Fu Lee, who used to run <strong>Alphabet</strong>'s Google operations in China, launched an AI start-up called 01.ai. According to its website, its Yi models perform well against competing models from DeepSeek. The company charges just $0.10 per 1 million input tokens, which is even cheaper than its Chinese rival -- and substantially cheaper than OpenAI.</p>
<div class="lb-trans"><p>但 DeepSeek 并不是唯一一家似乎破解了这一代码的人工智能实验室。曾在 <strong>Alphabet</strong> 的 Google 中国业务负责运营的李开复，推出了一家名为 01.ai 的人工智能初创公司。根据其网站，其 Yi 模型在与 DeepSeek 的竞争模型相比时表现良好。该公司仅收取每百万个输入标记 0.10 美元，甚至比其中国竞争对手更便宜——而且远低于 OpenAI 的价格。</p>
</div><h2>What all of this means for OpenAI and Nvidia</h2>
<div class="lb-trans"><h2>这一切对 OpenAI 和 Nvidia 意味着什么</h2>
</div><p>I think OpenAI is in trouble if LLMs continue trending toward commoditization. Plus, its models are closed-source, so developers are locked into the company's ecosystem, which won't be a desirable feature once competitive open-source LLMs are widely available.</p>
<div class="lb-trans"><p>我认为如果 LLM 继续朝着商品化趋势发展，OpenAI 将面临麻烦。此外，其模型是闭源的，因此开发者被锁定在公司的生态系统中，这在竞争性开源 LLM 广泛可用时将不是一个理想的特性。</p>
</div><p>By contrast, DeepSeek uses an open-source approach that gives developers more freedom to tweak its models as necessary to build AI software. Developers can also download open-source models locally so they never have to share their sensitive data with the creator.</p>
<div class="lb-trans"><p>相比之下，DeepSeek 采用开放源代码的方法，使开发者可以根据需要自由调整其模型以构建人工智能软件。开发者还可以在本地下载开源模型，因此他们无需与创建者共享敏感数据。</p>
</div><p>But while OpenAI faces uncertainty, Nvidia might actually benefit from plunging inference costs, which could offset some of the lost GPU demand on the training side.</p>
<div class="lb-trans"><p>但尽管 OpenAI 面临不确定性，Nvidia 可能实际上会从推理成本的下降中受益，这可能抵消部分在训练方面失去的 GPU 需求。</p>
</div><p>Think about the progression of the cellphone. When we had to pay a fee every time we sent a text message or browsed the internet, we didn't use our phones as frequently as we do now. Unlimited plans with uncapped calls, texts, and data enable us to spend hours on our phone each day for a nominal monthly fee -- simply put, when costs came down, usage skyrocketed.</p>
<div class="lb-trans"><p>想想手机的发展。当我们每次发送短信或浏览互联网都需要支付费用时，我们并没有像现在这样频繁使用手机。无限计划提供无限的通话、短信和数据，使我们每天可以花几个小时在手机上，只需支付名义上的月费——简单来说，当成本降低时，使用量激增。</p>
</div><p>AI could follow a similar path, and as usage increases, companies will need more of Nvidia's GPUs to cover demand for inference. That will be especially true as reasoning capabilities evolve, because more thinking requires substantially more computational power.</p>
<div class="lb-trans"><p>人工智能可能会走上类似的道路，随着使用量的增加，公司将需要更多 Nvidia 的 GPU 来满足推理的需求。尤其是在推理能力不断发展的情况下，因为更多的思考需要显著更多的计算能力。</p>
</div><p>The short-term picture is a little less certain. Will some of Nvidia's customers reduce their data center spending as they optimize their training methods like DeepSeek did? It's hard to say, but a new quarterly earnings season just started, so we should receive an update from almost every one of them over the next few weeks.</p>
<div class="lb-trans"><p>短期内的情况则稍显不确定。Nvidia 的一些客户会不会像 DeepSeek 那样优化他们的训练方法，从而减少数据中心的支出？这很难说，但新的季度财报季刚刚开始，因此我们应该在接下来的几周内从几乎每一家公司那里收到更新。</p>
</div>

DeepSeek Isn't the Only Low-Cost AI Startup. Here's What It Means for OpenAI and Nvidia.

- DeepSeek 是中国的一家人工智能研究实验室，2023 年从成功的对冲基金 High-Flyer 分拆而出。  
- DeepSeek 的 V3 模型以 560 万美元开发，性能与 OpenAI 的 GPT-4o 模型相当。  
- 该公司以 0.14 美元每百万输入标记的价格提供服务，远低于 OpenAI 的 2.50 美元。  

Motley Fool

DeepSeek 并不是唯一的低成本 AI 初创公司。这对 OpenAI 和英伟达意味着什么