人工智慧領域風起雲湧，DeepSeek 的出現猶如一記驚雷，打破了原有的遊戲規則，引發了一場產業革命。《自然》雜誌甚至為此發文，稱其並非以蠻力或財力取勝，而是憑藉巧妙的策略和顛覆性的理念，在AI賽道上開闢出一條全新的道路。在對DeepSeek 的一片懷疑聲中，微軟的CEO Satya Nadella 第一個表示，DeepSeek有許多實際的創新；META的Zuckerberg接著聲稱要讓DeepSeek融入其體系；股票受到重創的英偉達也認為，DeepSeek長遠對英偉達是一個利好，就連其AI模型對手OpenAI的CEO奧特曼，也承認DeepSeek讓他們失去了一些技術優勢，要向DeepSeek學習。幾乎所有的AI大咖都放下身段，提出要向DeepSeek學習。這既展現了他們的胸懷，也彰顯了DeepSeek的影響力。

以下從五個角度，剖析DeepSeek如何改變AI遊戲規則：

一、系統優化和漸進式創新：穩紮穩打，厚積薄發

DeepSeek 其實並沒有AI核心技術上的突破，而是系統優化和漸進式創新， 但取得了意想不到的效果。

DeepSeek 採用MOE（Mixture of Experts）架構，通過這種方法大大提高了效率。

MOE 是一種分層的模型架構，包含多個專家模型（Experts）和一個門控網路（Gating Network）。門控網路根據輸入資料的特徵選擇最合適的專家模型進行處理，從而優化計算資源的使用。具體來說：

DeepSeek在MOE中引入了Aux-Loss-Free Load Balancing技術，通過在專家分配演算法中加入偏置項（bias term），實現了更均衡的負載分配。這是一種對傳統MOE技術的改進，屬於漸進式創新。

DeepSeek創新性地引入了“共用專家”概念，並優化了專家在節點間的分佈，確保每個Token最多只涉及4個節點的通信。這種設計減少了通信瓶頸，進一步提升了訓練效率。

MOE的稀疏啟動機制（每次只啟動部分專家）顯著降低了計算量，同時保持了高模型容量。這種設計是對傳統密集計算模型的漸進式改進。

DeepSeek 的整個 MOE 模型包含大約 8000 億個參數。每次只調用一部分參數：在實際運行過程中，門控網路會根據輸入選擇性地啟動大約 300 億個參數的子模型（一個或幾個專家模型）。這種選擇性的啟動可以顯著減少計算量，提高模型的運行效率。

這種架構的主要優勢在於：

高效性：通過選擇性啟動一部分專家模型，MOE 架構可以減少每次推理所需的計算資源，大幅提高效率。

靈活性：MOE 架構可以靈活適應不同的輸入資料，根據需求調用最合適的專家模型，提升模型的泛化能力。

可擴展性：由於每次只啟動一部分專家模型，MOE 架構可以在不增加計算資源的情況下，通過增加更多的專家模型來提高整體模型的能力。

因此，DeepSeek 通過採用 MOE 架構，在保證模型性能的同時，大大提高了計算效率。

DeepSek 沒有盲目追求“大而全”的模型，而是專注於“小而美”的優化，甚至在細節上精益求精，比如採用fp8策略來提升計算效率。它通過漸進式創新策略，不斷反覆運算現有模型，提升效率和精度。這種策略的優勢在於：

降低風險：相較於從零開始構建全新模型，優化現有模型的風險更低，更容易獲得成功。

快速反覆運算：漸進式創新可以快速將研究成果應用於實際場景，加速AI技術的落地。

持續改進：通過不斷優化，DeepSeek 的模型性能可以逐步逼近甚至超越那些“龐然大物”。

這種穩紮穩打的策略，不僅讓DeepSeek在激烈的競爭中脫穎而出，成為行業中的一匹黑馬，更為眾多AI從業者指明了一條清晰的道路。AI作為一個新興領域，即便是大模型這樣的前沿技術，依然存在許多可以優化和改進的空間。DeepSeek的成功證明，無論是技術細節的打磨，還是架構設計的創新，每個人都可以在這一領域找到自己的發力點，為AI的發展貢獻力量。這種開放的可能性，激勵著更多從業者投身其中，共同推動AI技術的進步與突破。

二、低成本，螞蟻扳大象：以巧取勝，四兩撥千斤

DeepSeek “低成本”之道開始可能是迫不得已，不過因禍成福，它利用創新的演算法和架構，在保證性能的同時，大幅降低模型訓練和部署的成本。這種“螞蟻扳大象”的策略，使得DeepSeek能夠：

普惠AI：降低AI門檻，讓更多企業和個人能夠享受AI技術帶來的紅利。

快速擴張：低成本的優勢使得DeepSeek能夠快速擴張市場，搶佔先機。

可持續發展：低成本模式更符合商業邏輯，有利於DeepSeek的長期發展。

通過低成本策略，DeepSeek不僅顛覆了AI領域長期以來高投入的固有模式，更讓AI技術變得更加親民和普及，真正走進了大眾視野。儘管關於DeepSeek的實際投入仍存在爭議，但其出現無疑打破了AI領域高成本築起的“大院高牆”，為更多中小企業和開發者打開了通往AI世界的大門。這種對行業門檻的降低，或許正是DeepSeek對AI產業最具顛覆性的影響，讓AI不再是少數巨頭的專屬，而是成為一場人人皆可參與的創新盛宴。

三、開源：開放共贏，共建生態

DeepSeek 秉持開源精神，將部分核心代碼和技術公開，與全球開發者共用。這種開放共贏的策略，為DeepSeek帶來了以下優勢：

吸引人才：開源專案更容易吸引優秀開發者加入，共同推動技術進步。

加速創新：開放的生態環境可以激發更多創意，加速AI技術的創新和發展。

建立信任：開原始程式碼透明可見，有助於建立用戶對DeepSeek的信任。

DeepSeek秉持開源精神，將部分核心代碼和技術公開，與全球開發者共用，構建了一個開放、協作的創新生態。這種開放共贏的策略不僅吸引了眾多優秀人才的加入，還加速了技術的反覆運算與創新，同時通過透明的代碼增強了用戶信任。在AI領域日益強調開放與合作的今天，DeepSeek的開源實踐為行業樹立了典範，也為AI技術的普惠化發展鋪平了道路。未來，開源不僅是技術進步的催化劑，更是推動AI生態繁榮的核心力量。

值得一提的是，OpenAI的CEO奧特曼最近表示，OpenAI轉向閉源可能是一個策略性錯誤，未來可能會重新考慮開放。如果只有DeepSeek堅持開源，它很可能成為AI領域的主流力量。

四、強調可解釋性：打破黑盒，構建信任

DeepSeek 深刻認識到，AI模型的“黑盒子”特性是阻礙其廣泛應用的關鍵障礙之一。為了打破這一壁壘，DeepSeek致力於開發可解釋的AI模型，將模型的推理過程透明化、視覺化，讓用戶能夠清晰地理解AI的決策邏輯。這種對可解釋性的重視，為DeepSeek帶來了以下優勢：

增強用戶信任：當用戶能夠理解AI的決策過程時，他們更容易對AI產生信任，並願意將AI應用於更廣泛的場景。例如，在醫療診斷領域，可解釋的AI模型可以説明醫生理解AI的診斷依據，從而提高診斷的準確性和可靠性。

促進人機協作：可解釋的AI模型可以更好地與人類協作，發揮各自的優勢。例如，在金融風控領域，可解釋的AI模型可以説明風控人員理解AI的風險評估結果，從而做出更明智的決策。

推動AI倫理發展：可解釋性是實現AI倫理的重要基礎。通過理解AI的決策過程，我們可以更好地識別和解決AI可能存在的偏見和歧視問題，確保AI技術的公平性和公正性。

DeepSeek在可解釋性方面的具體實踐包括：

開發可解釋的模型架構：例如決策樹、規則模型等，這些模型的結構清晰，易於理解和解釋。

提供模型解釋工具：例如特徵重要性分析、局部可解釋性方法等，説明使用者理解模型的決策依據。

視覺化模型推理過程：通過圖表、熱力圖等方式展示模型的決策路徑，使使用者能夠直觀地理解模型的決策邏輯。

DeepSeek對可解釋性的重視，不僅顯著增強了其產品的市場競爭力，更為整個AI行業樹立了標杆。隨著AI技術的持續演進，可解釋性正逐漸成為AI模型不可或缺的核心特性。在這一趨勢中，DeepSeek已率先邁出了堅實的一步，為行業探索出了一條清晰的道路。它的實踐不僅回應了用戶對透明度和信任的需求，也為AI技術的倫理化發展奠定了重要基礎。這種前瞻性的佈局，無疑將深刻影響AI未來的發展方向。

五、聚焦垂直領域：深耕模型優化，精准賦能行業

DeepSeek 深諳“術業有專攻”的道理，它沒有選擇“廣撒網”的策略，而是專注於在特定垂直領域中深耕模型優化，提供更高效、更精准的AI解決方案。這種聚焦垂直領域的策略，並非僅僅依賴於行業專業知識的積累，而是通過針對特定場景的模型定制和優化，實現技術賦能的最大化。這種策略為DeepSeek帶來了以下優勢：

1. 深入理解垂直場景需求，定制化模型優化

DeepSeek 通過對垂直領域的深入研究，理解不同場景下的獨特需求，從而針對性地優化模型架構和演算法，這種針對垂直場景的模型優化，使得DeepSeek的解決方案不僅高效，而且更貼合實際需求。

2. 積累垂直領域資料，提升模型性能

DeepSeek 在垂直領域的深耕，使其能夠積累大量高品質的行業資料，這些資料被用於訓練和優化模型，從而顯著提升模型的性能和效果，使得DeepSeek的模型在特定場景中表現出了卓越的性能。

3. 構建垂直領域生態，推動技術落地

DeepSeek 通過與垂直領域的企業和機構合作，構建了強大的行業生態，推動AI技術的落地應用，不僅加速了AI技術的落地，還建立了強大的行業壁壘。

DeepSeek針對不同垂直領域的特點，開發了專用的AI模型和演算法。

總結

DeepSeek的出現為AI領域注入了一股蓬勃的新鮮血液。憑藉其獨特的理念與策略，它正在重塑AI的遊戲規則，推動技術朝著更加普惠、高效、可信的方向邁進。未來，DeepSeek能否持續保持顛覆者的姿態，引領AI技術攀登新的高峰，或許已不再是最關鍵的問題。畢竟，江山代有才人出，各領風騷數載。但無論如何，DeepSeek已經用行動證明，AI的未來不僅屬於巨頭，更屬於那些敢於突破、專注深耕的探索者。它的出現，為整個行業點燃了一盞明燈，照亮了更多創新者的前行之路。

• 轉載自百名博士談科學 2025年02月02日，程明博士曾在美國矽谷多家高科技公司工作，並著有《留美專家談電子商務》（廣東人民出版社，2000年）和《有機分子的電子晶體學》（Springer，2012，章節作者）。曾海歸在武漢大學和南京大學任教，並擔任研究生指導老師。