DeepSeek 给美国造成的威胁，还在加剧。就在昨天，DeepSeek 的日活数已经达到 ChatGPT 的 23%，每日应用下载量接近 500 万！<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/83541e1014fa13cd43fa432fba27eb1c?x-oss-process=style/lg" width="1024" height="864" original-src="https://pub.pbkrs.com/uploads/2025/83541e1014fa13cd43fa432fba27eb1c"/></figure>a16z 联创 Marc Andreessen 发文谁能想到，做出 DeepSeek 关键贡献的人才，本来是可能留在美国的。最近哈佛大学教授曝出这一惊人事实：DeepSeek 多模态团队的第 4 位工程师，本来可以拿到英伟达的全职 offer。然而最终，他选择归国加入 DeepSeek，由此的后果就是，美国在 AI 领域的主导地位被动摇，相关公司市值蒸发一万亿，全球 AI 格局也被彻底掀翻。这种结果是阴错阳差，还是一种必然？<h2 id="8dg61j5ncw">美国错失 DeepSeek，让「钱学森」再次回国</h2>近日，政治学家、哈佛大学教授、前国防计划助理部长 Graham Allison，在 X 上提问：「谁曾错失了 DeepSeek」？<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/fe8109b7adcc2d0beb93635c57e00fa5?x-oss-process=style/lg" width="872" height="256" original-src="https://pub.pbkrs.com/uploads/2025/fe8109b7adcc2d0beb93635c57e00fa5"/></figure>他在 X 痛心发帖称，DeepSeek 已刷新对美国 AI 地位的认知，而美国原本有机会留住 DeepSeek 的关键员工之一潘梓正（Zizheng Pan）：<blockquote>（DeepSeek 超越 OpenAI 相关模型）颠覆了我们对美国 AI 主导地位的大部分了解。这也生动地提醒我们，美国必须多么认真地吸引和留住人才，包括来自中国的人才。</blockquote>潘梓正，是 DeepSeek 多模态团队的第 4 位多工程师，在开发 DeepSeek 的 R1 模型方面发挥了重要作用。回国之前，他在英伟达实习过 4 个月，而且拿到了英伟达的全职邀约。Graham Allison 认为潘梓正之所以如此，是因为硅谷公司未能在美国为他提供这样做的机会。这种「人才流失」，让 Graham Allison 痛心疾首，甚至将潘梓正回国提升到钱学森归国的高度！<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/4905db4924f973bc4bfc1b3d3c582bfe?x-oss-process=style/lg" width="873" height="1126" original-src="https://pub.pbkrs.com/uploads/2025/4905db4924f973bc4bfc1b3d3c582bfe"/></figure>像钱学森、黄仁勋以及马斯克这样的的超级人才可以用脚投票，可以在任何地方施展才华、大张宏图。他认为，美国应该尽力避免这样的「人才流失」：<blockquote>美国的大学教练，在寻找并招募世界上最有才华的运动员。在中美科技竞争中，美国应该尽一切努力避免失去更多的钱学森和潘梓正这样的人才。</blockquote><h2 id="hqc2cgc7">英伟达憾失人才</h2>英伟达的高级研究科学家禹之鼎，在得知 DeepSeek 超越 ChatGPT 登顶 App Store 后，分享了当时的实习生潘梓正回国的选择，对他现在取得的成就感到高兴，并分享了对 AI 竞争的观点：<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/4d0bd1f8d86e66ef6d7797ce5a29043c?x-oss-process=style/lg" width="873" height="340" original-src="https://pub.pbkrs.com/uploads/2025/4d0bd1f8d86e66ef6d7797ce5a29043c"/></figure><blockquote>在 2023 年夏季，梓正是英伟达的实习生。后来，当我们考虑是否给他提供全职工作时，他毫不犹豫地选择了加入 DeepSeek。当时，DeepSeek 的多模态团队只有 3 个人。梓正当时的决定，至今我仍印象深刻。在 DeepSeek，他做出了重要贡献，参与了包括 DeepSeek-VL2、DeepSeek-V3 和 DeepSeek-R1 等多个关键项目。我个人对他的决定和所取得的成就感到非常高兴。梓正的案例是我近年来看到的一个典型例子。很多最优秀的人才都来自中国，而这些人才并不一定只能在美国公司取得成功。相反，我们从他们身上学到了很多东西。早在 2022 年的自动驾驶（AV）领域，类似的「斯普特尼克时刻」就已经发生过，并且将在机器人技术和大语言模型（LLM）行业继续发生。我热爱英伟达，并希望看到它继续成为 AGI 和通用自主系统发展的重要推动力。但如果我们继续编织地缘政治议程，制造对中国研究人员的敌对情绪，我们只会自毁前程，失去更多的竞争力。我们需要更多的优秀人才、更高的专业水平、更强的学习能力、创造力以及更强的执行力。</blockquote><figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/94ced3fd758c1a35a24898e88f688b70?x-oss-process=style/lg" width="1024" height="453" original-src="https://pub.pbkrs.com/uploads/2025/94ced3fd758c1a35a24898e88f688b70"/></figure>潘梓正是 DeepSeek-VL2 的共同一作在 DeepSeek 超越 ChatGPT 登顶 App Store 下载榜第一时，潘梓正在 X 上分享了自己的感受：<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/7bad6828ff626c4007382faf964a7c50?x-oss-process=style/lg" width="879" height="958" original-src="https://pub.pbkrs.com/uploads/2025/7bad6828ff626c4007382faf964a7c50"/></figure>潘梓正 2024 年全职加入 DeepSeek，担任研究员。他曾在英伟达 AI 算法组担任研究实习生。2021 年，潘梓正加入蒙纳士大学（Monash University）ZIP Lab 攻读计算机科学博士，导师是 Bohan Zhuang 教授和 Jianfei Cai 教授。在此之前，他分别获得阿德莱德大学（University of Adelaide）计算机科学硕士和哈尔滨工业大学（威海）软件工程学士学位。在博士期间，潘梓正的研究兴趣主要集中在深度神经网络的效率方面，包括模型部署、Transformer 架构优化、注意力机制、 推理加速和内存高效的训练。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/2707aca526d775e3385acb0a1d845444?x-oss-process=style/lg" width="1000" height="1050" original-src="https://pub.pbkrs.com/uploads/2025/2707aca526d775e3385acb0a1d845444"/></figure><figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/98a9cd7dac33075ab5dcadde5dbe2ca8?x-oss-process=style/lg" width="1024" height="438" original-src="https://pub.pbkrs.com/uploads/2025/98a9cd7dac33075ab5dcadde5dbe2ca8"/></figure><h2 id="jow88l408">Lex Fridman 硬核播客，揭秘中国 AI 新星如何撼动全球格局</h2>就在最近，Lex Fridman 放出了一期长达 5 小时的播客，邀请了 AI2 的模型训练专家 Nathan Lambert 和 Semianalysis 硬件专家 Dylan Patel。在这期信息量爆棚的谈话中，他们全程聚焦 DeepSeek，讨论了这颗中国 AI 新星如何撼动全球格局、MoE 架构 +MLA 的技术双刃、DeepSeek 开源倒逼行业开放进程、中国式极限优化之道的硬件魔术等。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/37a9e8adab22b2cb88865a4145470da9?x-oss-process=style/lg" width="1024" height="576" original-src="https://pub.pbkrs.com/uploads/2025/37a9e8adab22b2cb88865a4145470da9"/></figure><h2 id="k2uqs0ica">DeepSeek 到底用没用 OpenAI 数据</h2>这次，几位大佬的谈话内容可谓相当犀利，直指问题核心。比如这个关键问题：DeepSeek 究竟用没用 OpenAI 的数据？此前，OpenAI 公开表示，DeepSeek 使用了自家的模型蒸馏。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/9c259f589be3c3f42178d7aa1612ed28?x-oss-process=style/lg" width="1024" height="139" original-src="https://pub.pbkrs.com/uploads/2025/9c259f589be3c3f42178d7aa1612ed28"/></figure>《金融时报》干脆说，「OpenAI 有证据表明 DeepSeek 用了他们的模型来进行训练」这在道德和法律上站得住脚吗？虽然 OpenAI 的服务条款规定，不许用户使用自家模型的输出来构建竞争对手。但这个所谓的规则，其实正是 OpenAI 虚伪的体现。Lex Fridman 表示：他们和大多数公司一样，本来就是在未经许可的情况下，使用互联网上的数据进行训练，并从中受益的。大佬们一致认为，OpenAI 声称 DeepSeek 用其模型训练，就是在试图转移话题、让自己独赢。而且，过去几天还有很多人把 DeepSeek 的模型蒸馏到 Llama 中，因前者在推理上运行很复杂，而 Llama 很容易提供服务，这违法吗？<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/594801dc3c832117804e14b9a30dbb2f?x-oss-process=style/lg" width="1024" height="682" original-src="https://pub.pbkrs.com/uploads/2025/594801dc3c832117804e14b9a30dbb2f"/></figure><h2 id="g1ca7x7d5">DeepSeek 的训练成本，为何如此之低</h2>Dylan Patel 表示，DeepSeek 的成本涉及两项关键的技术：一个是 MoE，一个就是 MLA（多头潜注意力）。MOE 架构的优势在于，一方面，模型可以将数据嵌入到更大的参数空间中，另一方面，在训练或推理时，模型只需要激活其中一部分参数，从而大大提升效率。DeepSeek 模型拥有超过 6000 亿个参数，相比之下，Llama 405B 有 4050 亿参数。从参数规模上看，DeepSeek 模型拥有更大的信息压缩空间，可以容纳更多的世界知识。但与此同时，DeepSeek 模型每次只激活约 370 亿个参数。也就是说，在训练或推理过程中，只需要计算 370 亿个参数。相比之下，Llama 405B 模型每次推理却需要激活 4050 亿个参数。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/d2dfa2d85fa33077abac415068749d0f?x-oss-process=style/lg" width="1024" height="823" original-src="https://pub.pbkrs.com/uploads/2025/d2dfa2d85fa33077abac415068749d0f"/></figure>MLA 主要用于减少推理过程中的内存占用，在训练过程也是如此，它利用了一些巧妙的低秩近似数学技巧。Nathan Lambert 表示，深入研究潜注意力的细节，会发现 DeepSeek 在模型实现方面下了很大功夫。因为，除了注意力机制，语言模型还有其他组件，例如用于扩展上下文长度的嵌入。DeepSeek 采用的是旋转位置编码（RoPE）。将 RoPE 与传统的 MoE 结合使用，需要进行一系列操作，例如，将两个注意力矩阵进行复数旋转，这涉及到矩阵乘法。DeepSeek 的 MLA 架构由于需要一些巧妙的设计，因此实现的复杂性大大增加。而他们成功地将这些技术整合在一起，这表明 DeepSeek 在高效语言模型训练方面走在了前沿。Dylan Patel 表示，DeepSeek 想方设法提高模型训练效率。其中一个方法就是不直接调用 NVIDIA 的 NCCL 库，而是自行调度 GPU 之间的通信。DeepSeek 的独特之处在于，他们通过调度特定的 SM（流式多处理器）来管理 GPU 通信。DeepSeek 会精细地控制哪些 SM 核心负责模型计算，哪些核心负责 allreduce 或 allgather 通信，并在它们之间进行动态切换。这需要极其高深的编程技巧。<h2 id="egbcxhfnl">DeepSeek 为何如此便宜</h2>在所有声称提供 R1 服务的公司中，定价都远高于 DeepSeek API，而且大多服务无法正常工作，吞吐量极低。让大佬们震惊的是，一方面中国取得了这种能力，另一方面价格如此之低。（R1 的价格，比 o1 便宜 27 倍）训练为什么便宜，上文已经提到。为什么推理成本也这么低呢？首先，就是 DeepSeek 在模型架构上的创新。MLA 这种全新的注意力机制，跟 Transformer 注意力机制不同。这种多头潜注意力，可以将注意力机制的内存占用减少大约 80% 到 90%，尤其有助于处理长上下文。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/2b44c2f53a3d4aa8811e6d2bf5fa9871?x-oss-process=style/lg" width="1024" height="423" original-src="https://pub.pbkrs.com/uploads/2025/2b44c2f53a3d4aa8811e6d2bf5fa9871"/></figure>而且，DeepSeek 和 OpenAI 的服务成本有巨大差异，部分原因是 OpenAI 的利润率非常高，推理的毛利率超过了 75%。因为 OpenAI 目前是亏损的，在训练上花费了太多，因此推理的利润率很高。接下来亮点来了，几位大佬放飞想象，猜测这会不会是一种阴谋论：DeepSeek 精心策划了这次发布和定价，做空英伟达和美国公司的股票，配合星际之门的发布……但这种猜测立马遭到了反驳，Dylan Patel 表示，他们只是赶在农历新年前把产品尽快发布而已，并没有没有打算搞个大的，否则为什么选在圣诞节后一天发布 V3 呢？<h2 id="5p1ubzgvq">中国的工业能力，已经远超美国</h2>美国无疑在 GPU 等芯片领域领先于中国。不过，对 GPU 出口管制，就能完全阻止中国吗？不太可能。Dylan Patel 认为，美国政府也清楚地认识到这一点， 而 Nathan Lambert 认为中国会制造自己的芯片。中国可能拥有更多的人才、更多的 STEM 毕业生、更多的程序员。美国当然也可以利用世界各地的人才，但这未必能让美国有额外的优势。真正重要的是计算能力。中国拥有的电力总和，数量已经惊人。中国的钢铁厂，其规模相当于整个美国工业的总和，此外还有需要庞大电力的铝厂。即使美国的星际之门真的建成，达到 2 吉瓦电力，仍小于中国最大的工业设施。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/55a1321eb01e5eedb49acdc909274ae1?x-oss-process=style/lg" width="1024" height="530" original-src="https://pub.pbkrs.com/uploads/2025/55a1321eb01e5eedb49acdc909274ae1"/></figure>就这么说吧，如果中国建造世界上最大的数据中心，只要有芯片，马上就能做到。所以这只是一个时间问题，而不是能力问题。现在，发电、输电、变电站以及变压器等构建数据中心所需的东西，都将制约美国构建越来越大的训练系统，以及部署越来越多的推理计算能力。相比之下，如果中国继续坚信 Scaling Law，就像纳德拉、扎克伯格和劈柴等美国高管那样，甚至可以比美国更快地实现。因此，为了减缓中国 AI 技术的发展，确保 AGI 无法被大规模训练，美国出台了一系列禁令——通过限制 GPU、光刻机等关键要素的出口，意图「封杀」整个半导体产业。<h2 id="rsu8f524q">OpenAI o3-Mini 能追上 DeepSeek R1 吗？</h2>接下来，几位大佬对几个明星推理模型进行了实测。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/c7268b607cd85be519eb0f79fb76deea?x-oss-process=style/lg" width="1024" height="374" original-src="https://pub.pbkrs.com/uploads/2025/c7268b607cd85be519eb0f79fb76deea"/></figure>有趣的是，谷歌的 Gemini Flash Thinking，无论从价格还是性能上来看都优于 R1，而且在去年 12 月初就发布了，然而却无人关心……对此，几位大佬的体感是，它的行为模式不如 o1 那样富有表现力，应用场景较窄。o1 在特定任务上可能不是最完美，但灵活性和通用性更强。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/68534f04ff9fef47bba1e6f9716e75cd?x-oss-process=style/lg" width="1024" height="359" original-src="https://pub.pbkrs.com/uploads/2025/68534f04ff9fef47bba1e6f9716e75cd"/></figure>Lex Frieman 则表示，自己个人非常喜欢 R1 的一点，是它会展示完整的思维链 token。在开放式的哲学问题中，我们作为能欣赏智能、推理和反思能力的人类，阅读 R1 的原始思维链 token，会感受到一种独特的美感。这种非线性的思维过程，类似于詹姆斯·乔伊斯的意识流小说《尤利西斯》和《芬尼根的守灵夜》，令人着迷。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/e5a18938c1bb7f504d0445b6ff1f45a1?x-oss-process=style/lg" width="1024" height="734" original-src="https://pub.pbkrs.com/uploads/2025/e5a18938c1bb7f504d0445b6ff1f45a1"/></figure>相比之下，o3-mini 给人的感觉是聪明、快速，但缺乏亮点，往往比较平庸，缺乏深度和新意。从下图中可以看到，从 GPT-3 到 GPT-3.5，再到 Llama，推理成本呈指数级下降趋势。<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/876ed3c73b81713250b909dcafa1407d?x-oss-process=style/lg" width="1024" height="608" original-src="https://pub.pbkrs.com/uploads/2025/876ed3c73b81713250b909dcafa1407d"/></figure>DeepSeek R1 是第一个达到如此低成本的推理模型，这个成就很了不起，不过，它的成本水平并没有超出专家们预期的范围。而在未来，随着模型架构的创新、更高质量的训练数据、更先进的训练技术，以及更高效的推理系统和硬件（比如新一代 GPU 和 ASIC 芯片），AI 模型的推理成本还会持续下降。最终，这将解锁 AGI 的潜力。<h2 id="wny70tbor">谁将赢得 AGI 竞赛</h2>最后，几位大佬预测了一番，谁将是 AGI 竞赛的最终赢家。谷歌似乎是领跑者，因为拥有基础设施优势。但在舆论场上，OpenAI 似乎是领先者。它在商业化方面已经走在了最前面，拥有目前 AI 领域最高的收入。目前，谁究竟在 AI 领域赚到钱了，有人盈利了吗？<figure class="image"><img src="https://pub.pbkrs.com/uploads/2025/4b3aa60ea5d3e81d4fe234ac8f6f3500?x-oss-process=style/lg" width="980" height="520" original-src="https://pub.pbkrs.com/uploads/2025/4b3aa60ea5d3e81d4fe234ac8f6f3500"/></figure>大佬们盘了盘后发现，从财务报表上看，微软在 AI 领域已经实现了盈利，但在基础设施方面已经投入了巨额资本支出。谷歌、亚马逊也是如此。Meta 获取的巨额利润来自于推荐系统，并非来自 Llama 等大模型。Anthropic 和 OpenAI 显然还没盈利，否则就不需要继续融资了。不过单从营收和成本来看，GPT-4 已经开始盈利了，因为它的训练成本只有几亿美元。最终，谁都无法预料，OpenAI 是否会突然陨落。不过目前，各家公司还会继续融资，因为一旦 AGI 到来，AI 带来的回报难以估量。人们可能并不需要 OpenAI 花费数十亿美元，去研发「下一个最先进的模型」，只需要 ChatGPT 级别的 AI 服务就足够了。推理、代码生成、AI 智能体、计算机使用，这些都是 AI 未来真正有价值的应用领域。谁不发力，谁就可能被市场淘汰。新智元，原文标题：《英伟达憾失 DeepSeek 关键人才？美国放走 AI「钱学森」，哈佛教授痛心疾首》

英伟达

DeepSeek 的日活跃用户已达 ChatGPT 的 23%，每日下载量接近 500 万。哈佛教授 Graham Allison 指出，DeepSeek 的关键工程师潘梓正本可留在英伟达，但选择回国加入 DeepSeek，导致美国在 AI 领域的主导地位受到威胁，相关公司市值蒸发一万亿。他强调美国需认真吸引和留住人才，尤其是来自中国的人才。

- DeepSeek 日活数达 ChatGPT 的 23%，每日下载接近 500 万。  
- 潘梓正选择加入 DeepSeek，导致美国 AI 领域主导地位动摇。  
- 美国需吸引人才，避免更多类似「钱学森」的流失。  

华尔街见闻

摩根士丹利

翰博高新

阿斯麦

深度求索

谷歌-A

微软

聚飞光电

联合精密

兆驰股份

OpenAI

芯瑞达

大族激光

自动驾驶和电动汽车 ETF - GlobalX

特斯拉

半导体 ETF - VanEck Vectors

天承科技

光环新网

鸿利智汇

铁姆肯

谷歌-C

2 倍做多英伟达 ETF - GraniteShares

同星科技

科大讯飞

半导体 3 倍做多 - Direxion

英伟达期权收益策略 ETF - YieldMax

苏大维格

商汤-W

亚马逊

三维通信

Stem

索辰科技

Destiny Tech100

自动驾驶电动车与技术 ETF - iShares

英伟达憾失 DeepSeek 关键人才？美国放走 AI「钱学森」，哈佛教授痛心疾首