DeepSeek 給美國造成的威脅，還在加劇。就在昨天，DeepSeek 的日活數已經達到 ChatGPT 的 23%，每日應用下載量接近 500 萬！<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 聯創 Marc Andreessen 發文誰能想到，做出 DeepSeek 關鍵貢獻的人才，本來是可能留在美國的。最近哈佛大學教授曝出這一驚人事實：DeepSeek 多模態團隊的第 4 位工程師，本來可以拿到英偉達的全職 offer。然而最終，他選擇歸國加入 DeepSeek，由此的後果就是，美國在 AI 領域的主導地位被動搖，相關公司市值蒸發一萬億，全球 AI 格局也被徹底掀翻。這種結果是陰錯陽差，還是一種必然？<h2 id="8dg61j5ncw">美國錯失 DeepSeek，讓「錢學森」再次回國</h2>近日，政治學家、哈佛大學教授、前國防計劃助理部長 Graham Allison，在 X 上提問：「誰曾錯失了 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 痛心發帖稱，DeepSeek 已刷新對美國 AI 地位的認知，而美國原本有機會留住 DeepSeek 的關鍵員工之一潘梓正（Zizheng Pan）：<blockquote>（DeepSeek 超越 OpenAI 相關模型）顛覆了我們對美國 AI 主導地位的大部分了解。這也生動地提醒我們，美國必須多麼認真地吸引和留住人才，包括來自中國的人才。</blockquote>潘梓正，是 DeepSeek 多模態團隊的第 4 位多工程師，在開發 DeepSeek 的 R1 模型方面發揮了重要作用。回國之前，他在英偉達實習過 4 個月，而且拿到了英偉達的全職邀約。Graham Allison 認為潘梓正之所以如此，是因為硅谷公司未能在美國為他提供這樣做的機會。這種「人才流失」，讓 Graham Allison 痛心疾首，甚至將潘梓正回國提升到錢學森歸國的高度！<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>像錢學森、黃仁勳以及馬斯克這樣的的超級人才可以用腳投票，可以在任何地方施展才華、大張宏圖。他認為，美國應該盡力避免這樣的「人才流失」：<blockquote>美國的大學教練，在尋找並招募世界上最有才華的運動員。在中美科技競爭中，美國應該盡一切努力避免失去更多的錢學森和潘梓正這樣的人才。</blockquote><h2 id="hqc2cgc7">英偉達憾失人才</h2>英偉達的高級研究科學家禹之鼎，在得知 DeepSeek 超越 ChatGPT 登頂 App Store 後，分享了當時的實習生潘梓正回國的選擇，對他現在取得的成就感到高興，並分享了對 AI 競爭的觀點：<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，梓正是英偉達的實習生。後來，當我們考慮是否給他提供全職工作時，他毫不猶豫地選擇了加入 DeepSeek。當時，DeepSeek 的多模態團隊只有 3 個人。梓正當時的決定，至今我仍印象深刻。在 DeepSeek，他做出了重要貢獻，參與了包括 DeepSeek-VL2、DeepSeek-V3 和 DeepSeek-R1 等多個關鍵項目。我個人對他的決定和所取得的成就感到非常高興。梓正的案例是我近年來看到的一個典型例子。很多最優秀的人才都來自中國，而這些人才並不一定只能在美國公司取得成功。相反，我們從他們身上學到了很多東西。早在 2022 年的自動駕駛（AV）領域，類似的「斯普特尼克時刻」就已經發生過，並且將在機器人技術和大語言模型（LLM）行業繼續發生。我熱愛英偉達，並希望看到它繼續成為 AGI 和通用自主系統發展的重要推動力。但如果我們繼續編織地緣政治議程，製造對中國研究人員的敵對情緒，我們只會自毀前程，失去更多的競爭力。我們需要更多的優秀人才、更高的專業水平、更強的學習能力、創造力以及更強的執行力。</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 登頂 App Store 下載榜第一時，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 年全職加入 DeepSeek，擔任研究員。他曾在英偉達 AI 算法組擔任研究實習生。2021 年，潘梓正加入蒙納士大學（Monash University）ZIP Lab 攻讀計算機科學博士，導師是 Bohan Zhuang 教授和 Jianfei Cai 教授。在此之前，他分別獲得阿德萊德大學（University of Adelaide）計算機科學碩士和哈爾濱工業大學（威海）軟件工程學士學位。在博士期間，潘梓正的研究興趣主要集中在深度神經網絡的效率方面，包括模型部署、Transformer 架構優化、注意力機制、 推理加速和內存高效的訓練。<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，揭秘中國 AI 新星如何撼動全球格局</h2>就在最近，Lex Fridman 放出了一期長達 5 小時的播客，邀請了 AI2 的模型訓練專家 Nathan Lambert 和 Semianalysis 硬件專家 Dylan Patel。在這期信息量爆棚的談話中，他們全程聚焦 DeepSeek，討論了這顆中國 AI 新星如何撼動全球格局、MoE 架構 +MLA 的技術雙刃、DeepSeek 開源倒逼行業開放進程、中國式極限優化之道的硬件魔術等。<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 到底用沒用 OpenAI 數據</h2>這次，幾位大佬的談話內容可謂相當犀利，直指問題核心。比如這個關鍵問題：DeepSeek 究竟用沒用 OpenAI 的數據？此前，OpenAI 公開表示，DeepSeek 使用了自家的模型蒸餾。<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>《金融時報》乾脆説，「OpenAI 有證據表明 DeepSeek 用了他們的模型來進行訓練」這在道德和法律上站得住腳嗎？雖然 OpenAI 的服務條款規定，不許用户使用自家模型的輸出來構建競爭對手。但這個所謂的規則，其實正是 OpenAI 虛偽的體現。Lex Fridman 表示：他們和大多數公司一樣，本來就是在未經許可的情況下，使用互聯網上的數據進行訓練，並從中受益的。大佬們一致認為，OpenAI 聲稱 DeepSeek 用其模型訓練，就是在試圖轉移話題、讓自己獨贏。而且，過去幾天還有很多人把 DeepSeek 的模型蒸餾到 Llama 中，因前者在推理上運行很複雜，而 Llama 很容易提供服務，這違法嗎？<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 的訓練成本，為何如此之低</h2>Dylan Patel 表示，DeepSeek 的成本涉及兩項關鍵的技術：一個是 MoE，一個就是 MLA（多頭潛注意力）。MOE 架構的優勢在於，一方面，模型可以將數據嵌入到更大的參數空間中，另一方面，在訓練或推理時，模型只需要激活其中一部分參數，從而大大提升效率。DeepSeek 模型擁有超過 6000 億個參數，相比之下，Llama 405B 有 4050 億參數。從參數規模上看，DeepSeek 模型擁有更大的信息壓縮空間，可以容納更多的世界知識。但與此同時，DeepSeek 模型每次只激活約 370 億個參數。也就是説，在訓練或推理過程中，只需要計算 370 億個參數。相比之下，Llama 405B 模型每次推理卻需要激活 4050 億個參數。<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 主要用於減少推理過程中的內存佔用，在訓練過程也是如此，它利用了一些巧妙的低秩近似數學技巧。Nathan Lambert 表示，深入研究潛注意力的細節，會發現 DeepSeek 在模型實現方面下了很大功夫。因為，除了注意力機制，語言模型還有其他組件，例如用於擴展上下文長度的嵌入。DeepSeek 採用的是旋轉位置編碼（RoPE）。將 RoPE 與傳統的 MoE 結合使用，需要進行一系列操作，例如，將兩個注意力矩陣進行復數旋轉，這涉及到矩陣乘法。DeepSeek 的 MLA 架構由於需要一些巧妙的設計，因此實現的複雜性大大增加。而他們成功地將這些技術整合在一起，這表明 DeepSeek 在高效語言模型訓練方面走在了前沿。Dylan Patel 表示，DeepSeek 想方設法提高模型訓練效率。其中一個方法就是不直接調用 NVIDIA 的 NCCL 庫，而是自行調度 GPU 之間的通信。DeepSeek 的獨特之處在於，他們通過調度特定的 SM（流式多處理器）來管理 GPU 通信。DeepSeek 會精細地控制哪些 SM 核心負責模型計算，哪些核心負責 allreduce 或 allgather 通信，並在它們之間進行動態切換。這需要極其高深的編程技巧。<h2 id="egbcxhfnl">DeepSeek 為何如此便宜</h2>在所有聲稱提供 R1 服務的公司中，定價都遠高於 DeepSeek API，而且大多服務無法正常工作，吞吐量極低。讓大佬們震驚的是，一方面中國取得了這種能力，另一方面價格如此之低。（R1 的價格，比 o1 便宜 27 倍）訓練為什麼便宜，上文已經提到。為什麼推理成本也這麼低呢？首先，就是 DeepSeek 在模型架構上的創新。MLA 這種全新的注意力機制，跟 Transformer 注意力機制不同。這種多頭潛注意力，可以將注意力機制的內存佔用減少大約 80% 到 90%，尤其有助於處理長上下文。<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 的服務成本有巨大差異，部分原因是 OpenAI 的利潤率非常高，推理的毛利率超過了 75%。因為 OpenAI 目前是虧損的，在訓練上花費了太多，因此推理的利潤率很高。接下來亮點來了，幾位大佬放飛想象，猜測這會不會是一種陰謀論：DeepSeek 精心策劃了這次發佈和定價，做空英偉達和美國公司的股票，配合星際之門的發佈……但這種猜測立馬遭到了反駁，Dylan Patel 表示，他們只是趕在農曆新年前把產品儘快發佈而已，並沒有沒有打算搞個大的，否則為什麼選在聖誕節後一天發佈 V3 呢？<h2 id="5p1ubzgvq">中國的工業能力，已經遠超美國</h2>美國無疑在 GPU 等芯片領域領先於中國。不過，對 GPU 出口管制，就能完全阻止中國嗎？不太可能。Dylan Patel 認為，美國政府也清楚地認識到這一點， 而 Nathan Lambert 認為中國會制造自己的芯片。中國可能擁有更多的人才、更多的 STEM 畢業生、更多的程序員。美國當然也可以利用世界各地的人才，但這未必能讓美國有額外的優勢。真正重要的是計算能力。中國擁有的電力總和，數量已經驚人。中國的鋼鐵廠，其規模相當於整個美國工業的總和，此外還有需要龐大電力的鋁廠。即使美國的星際之門真的建成，達到 2 吉瓦電力，仍小於中國最大的工業設施。<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>就這麼説吧，如果中國建造世界上最大的數據中心，只要有芯片，馬上就能做到。所以這只是一個時間問題，而不是能力問題。現在，發電、輸電、變電站以及變壓器等構建數據中心所需的東西，都將制約美國構建越來越大的訓練系統，以及部署越來越多的推理計算能力。相比之下，如果中國繼續堅信 Scaling Law，就像納德拉、扎克伯格和劈柴等美國高管那樣，甚至可以比美國更快地實現。因此，為了減緩中國 AI 技術的發展，確保 AGI 無法被大規模訓練，美國出台了一系列禁令——通過限制 GPU、光刻機等關鍵要素的出口，意圖「封殺」整個半導體產業。<h2 id="rsu8f524q">OpenAI o3-Mini 能追上 DeepSeek R1 嗎？</h2>接下來，幾位大佬對幾個明星推理模型進行了實測。<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，無論從價格還是性能上來看都優於 R1，而且在去年 12 月初就發佈了，然而卻無人關心……對此，幾位大佬的體感是，它的行為模式不如 o1 那樣富有表現力，應用場景較窄。o1 在特定任務上可能不是最完美，但靈活性和通用性更強。<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 則表示，自己個人非常喜歡 R1 的一點，是它會展示完整的思維鏈 token。在開放式的哲學問題中，我們作為能欣賞智能、推理和反思能力的人類，閲讀 R1 的原始思維鏈 token，會感受到一種獨特的美感。這種非線性的思維過程，類似於詹姆斯·喬伊斯的意識流小説《尤利西斯》和《芬尼根的守靈夜》，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 給人的感覺是聰明、快速，但缺乏亮點，往往比較平庸，缺乏深度和新意。從下圖中可以看到，從 GPT-3 到 GPT-3.5，再到 Llama，推理成本呈指數級下降趨勢。<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 是第一個達到如此低成本的推理模型，這個成就很了不起，不過，它的成本水平並沒有超出專家們預期的範圍。而在未來，隨着模型架構的創新、更高質量的訓練數據、更先進的訓練技術，以及更高效的推理系統和硬件（比如新一代 GPU 和 ASIC 芯片），AI 模型的推理成本還會持續下降。最終，這將解鎖 AGI 的潛力。<h2 id="wny70tbor">誰將贏得 AGI 競賽</h2>最後，幾位大佬預測了一番，誰將是 AGI 競賽的最終贏家。谷歌似乎是領跑者，因為擁有基礎設施優勢。但在輿論場上，OpenAI 似乎是領先者。它在商業化方面已經走在了最前面，擁有目前 AI 領域最高的收入。目前，誰究竟在 AI 領域賺到錢了，有人盈利了嗎？<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>大佬們盤了盤後發現，從財務報表上看，微軟在 AI 領域已經實現了盈利，但在基礎設施方面已經投入了鉅額資本支出。谷歌、亞馬遜也是如此。Meta 獲取的鉅額利潤來自於推薦系統，並非來自 Llama 等大模型。Anthropic 和 OpenAI 顯然還沒盈利，否則就不需要繼續融資了。不過單從營收和成本來看，GPT-4 已經開始盈利了，因為它的訓練成本只有幾億美元。最終，誰都無法預料，OpenAI 是否會突然隕落。不過目前，各家公司還會繼續融資，因為一旦 AGI 到來，AI 帶來的回報難以估量。人們可能並不需要 OpenAI 花費數十億美元，去研發「下一個最先進的模型」，只需要 ChatGPT 級別的 AI 服務就足夠了。推理、代碼生成、AI 智能體、計算機使用，這些都是 AI 未來真正有價值的應用領域。誰不發力，誰就可能被市場淘汰。新智元，原文標題：《英偉達憾失 DeepSeek 關鍵人才？美國放走 AI「錢學森」，哈佛教授痛心疾首》

英偉達

DeepSeek 的日活躍用户已達 ChatGPT 的 23%，每日下載量接近 500 萬。哈佛教授 Graham Allison 指出，DeepSeek 的關鍵工程師潘梓正本可留在英偉達，但選擇回國加入 DeepSeek，導致美國在 AI 領域的主導地位受到威脅，相關公司市值蒸發一萬億。他強調美國需認真吸引和留住人才，尤其是來自中國的人才。

- DeepSeek 日活數達 ChatGPT 的 23%，每日下載接近 500 萬。  
- 潘梓正選擇加入 DeepSeek，導致美國 AI 領域主導地位動搖。  
- 美國需吸引人才，避免更多類似「錢學森」的流失。  

華爾街見聞

摩根士丹利

翰博高新

阿斯麥

深度求索

谷歌-A

微軟

聚飛光電

聯合精密

兆馳股份

OpenAI

芯瑞達

大族激光

自動駕駛和電動汽車 ETF - GlobalX

特斯拉

半導體 ETF - VanEck Vectors

天承科技

光環新網

鴻利智匯

鐵姆肯

谷歌-C

2 倍做多英偉達 ETF - GraniteShares

同星科技

科大訊飛

半導體 3 倍做多 - Direxion

英偉達期權收益策略 ETF - YieldMax

蘇大維格

商湯-W

亞馬遜

三維通信

Stem

索辰科技

Destiny Tech100

自動駕駛電動車與技術 ETF - iShares

英偉達憾失 DeepSeek 關鍵人才？美國放走 AI「錢學森」，哈佛教授痛心疾首