【AI学习】DeepSeek为什么这么火爆？解密梁文锋的深谋远虑

重新回头，复盘一下DeepSeek的发展思路，以及未来的发展策略。越想越佩服梁文锋，思路之缜密，令人震惊！

DeepSeek发展复盘

这几天一直在想这个问题，DeepSeek为什么这么火爆？以及，后续的发展策略？
下面是我的思维链。

DeepSeek的真正火爆，是在R1发布之后。

如果没有发布R1，即使V3的效果好，震动了美国AI界，会有如此火爆吗？这是废话，肯定不会，但是原因呢？
我在想如果只发布了V3，即使开源了，整个业界是如何一种反应？开源之后，还在于整个业界能做些什么。从前面LLama的发展基本可以看清，业界最主要的做法，就是套壳。虽然少数的，可以基于开源大模型，继续再训练领域大模型，但是成本高，能玩得起的还是少数，影响力非常有限。而且，即使做了领域模型，又能怎么样，后续OpenAI等通用模型的能力增强又超过你了。所以，业界最能玩的，还是通过叠加RAG、Agent等，做套壳应用最划算。
但是V3发布之后，一个月，又有了R1，这就不一样了。
回顾一下时间点，2024年12月26日，V3发布；2025年1月20日，R1发布。在如此短的时间内先后发布两款模型，不难想象，这早是计划好的，大概在V3发布之时，DeepSeek内部就已经有了R1。

再向前回顾，去年9月的时候，OpenAI发布了o1，行业就已经在广泛讨论self-play RL。摘录李广密的对话中的一段：
“2018 年的时候 Lex Fridman 邀请 Ilya Sutskever 去 MIT 客座讲了一节课， Ilya 选的主题就是强化学习与 self-play ，他当时就认为，这是通往 AGI 路上最关键的方法之一。Ilya 用一句话概括了强化学习，非常准确：让 AI 用随机的路径尝试新的任务，如果效果超预期，那就更新神经网络的权重，使得 AI 记住多使用这个成功的事件，再开始下一次的尝试。”“目前整个业界，无论硅谷，还是中文媒体，其实提及强化学习这一路线都还很少，换言之大家今天还不知道如何做。今天的强化学习是 self-play 强化学习，这条路线是最合理、天花板最高的。Anthropic 的 Claude-Sonnet ，从 3 迭代至 3.5 后，我们能看到它的代码和数学能力提升很大，就是强化学习带来的。用 self-play 的方法提升模型的逻辑推理能力是接下来最重要的范式，也是一个最核心的变化。多模态、 10 万卡集群、强化学习这三条路线并不矛盾，可以并行。但公司如果资源有限，就需要下注在最相信的一条路径上。假如我是一个 AI 公司的 CEO ，我肯定会用 200%的资源押注于强化学习这一路线。这是目前最有机会走向 AGI 的路线。”

OpenAI发布了o1，效果惊艳，等于给了全世界一个谜题，让全世界来猜。据说，OpenAI本来不愿意发布o1，只是为了融资，需要发布一些新东西来打动投资方。但是OpenAI肯定知道，o1还不成熟，一旦发布，就容易让竞争对手迅速赶上。只不过，OpenAI可能也没有想到，谜语这么快就被解出，而且还是一家中国公司。

那为什么说R1发布，与之前的V3发布带来了新的重大变化？那就是，整个行业忽然发现，有非常多的事情可以做了，对比基础模型，开源生态在推理模型方面可以有更多的工作了。据说，V3的训练成本不到600万美金，预估R1的训练成本也就在几十万到一百万美金之间，大概的训练周期是两、三星期。R1发布之后，出现了大量的低成本的复刻方案。R1实际上是在告诉整个产业界，基于V3，大家可以用非常低的成本，做大量的新东西了，打开了一个新的蓝海。

那这里就带来了一个新的问题。R1发布之后，预计大量的厂家，在一两个月内就能跟上，那时候大家会不会抛弃DeepSeek，DeepSeek这波破天的流量就过去了？不会！
这里的关键的在于，V3是目前产业界推理成本最低的底座模型，这里的MLA、非常稀疏的MoE等技术架构，不是其他厂家短期可以跟上的。

DeepSeek V3的推理成本低，模型架构中的MLA、MoE和MTP等技术，应该均有贡献。这里尤其是MoE。关于DeepSeek MoE的效率之高，之前我是没有注意到其中的关键细节之处。在《Lex Fridman 五小时聊 DeepSeek：一文看懂 DeepSeek 的创新与2025 AI 趋势》一文中，对DeepSeek的MoE有如此评论：“虽然专家混合模型并非新技术，但通常的 MoE 模型只包含 8 个或 16 个专家，每次激活 2 个。我们通常用稀疏因子或使用率来衡量 MoE 模型的效率。例如，Mixtral 模型每次推理可能只激活 1/4 的模型参数。OpenAI 以及其他一些封闭实验室也使用了 MoE 模型。但 DeepSeek 的创新之处在于，他们采用了极高的稀疏因子。他们的 MoE 模型并非只激活 1/4 的参数，而是从 256 个专家中激活 8 个”。“Mixtral 等已公开 MoE 模型的稀疏度比例仅为 4:2 或类似水平。DeepSeek的稀疏度比例非常高”。
查阅了DeepSeek V3的技术报告，确实如此，摘录报告原文：“Each MoE layer consists of 1 shared expert and 256 routed experts, where the intermediate hidden dimension of each expert is 2048. Among the routed experts, 8 experts will be activated for each token."

模型的低推理成本就是DeepSeek在2025年的护城河。试想，哪家公司即使弄出比R1更好的RL算法，会选择一个比DeepSeek V3推理成本高数倍的基座模型吗？而基于DeepSeek V3的推理模型的开源生态持续发展后，DeepSeek V3作为基座模型的地位就已经牢不可破了。
同时，DeepSeek在开源之外，还做对了一件非常重要的事情，就是基于华为芯片进行部署，相当于同时控制住了底层GPU硬件的生态位。

后续策略

那DeepSeek接下来的发展策略？个人猜度，可以有两点。一、优化底座模型，继续巩固底座模型的低成本优势，继续开发推理成本更低的模型，同时增加模型的上下文长度，更大的上下文长度就能支撑RL更大的搜索空间。二、汲取开源生态的力量，将开源生态中更好的RL算法，与自己内部的最新的底座模型结合，不断推出更新的模型。