今天小編分享的教育經驗：李善友：DeepSeek，是國運的AI支點，歡迎閱讀。
2025年4月25日，2025年李善友開年大課暨混沌·AI創新院開學典禮正式開講。
Day1的主題是"AI的進擊"，在上午的大課中，教授動情表示：DeepSeek，将是國運的AI支點。
以下是李善友教授大課的筆記内容。
講者 ｜李善友
我相信未來的20年，必然是AI在中國的黃金20年。
其實在大課開始前，我們同事問我：教授你為這堂課，做了多長時間的準備？
我想：這個準備，如果從長來說可能是十年，往短裡說可能是18個月。
所以：18個月以來，我一直在思考，今天這個時代命題是什麼？混沌要呼應什麼樣的命題？
我要把最大公約數的那個命題，像旗幟一樣舉出來，跟所有同學們去呼應。
這個命題究竟是什麼？
我一直在思考。
今天，就是我對這個思考的一次揭曉，我們的題目叫——
AI的黎明
我覺得我們就在歷史當中，但是我們并不自知。
2015年OpenAI成立，它起初是一家非營利實驗室：早期他們想做一個開源的、安全的人工智能。
最先發起這個倡議的人是馬斯克，他找到了今天OpenAI的CEO奧特曼，一起聯手從谷歌挖來了Ilya，去做OpenAI的首席科學家。
因為馬斯克看見了一件事情，谷歌把之前最領先的AI實驗室DeepMind給收購了。
馬斯克心中有一個巨大的隐憂——AI比核武器更具威脅，任由AI發展下去，最終AI一定反過來控制人類，甚至會毀滅人類。
其實我認為，OpenAI是這一輪AI革命的先驅。
我覺得全世界的人，都應該向AI革命的先驅OpenAI致敬，因為它把人工智能從理念和理論，去變成模型、變成產品、變成應用。
這裡我想講一下，OpenAI是如何為AI來建模的？
什麼叫建模？混沌看任何事情的時候，不會說這個事兒是什麼，我們的"第一問"就會問這個事的"一"是什麼？
這句話，等同于在追問這件事情的本質是什麼？
所以，今天我想提供一種非常簡單的建模方式，用這個建模方式作為一個語言體系，我為大家一點一點梳理AI背後的本質到底是什麼？
這個模型我稱為XY維度建模法。
我想用X軸和Y軸的二維結構，來看OpenAI如何為整個行業建模，陪大家探索AI背後的本質。
我在這裡重申一次：為AI建模，不是OpenAI獨立完成的，它是幾代人、整個生态一次又一次迭代的結果。
接下來我會講五個關鍵節點，結合XY維度建模法前，從基礎的科研到技術，到產品，到商業化，來讓你理解OpenAI是如何為AI來建模的。
第一個關鍵節點：1943年，MP神經單元模型
人工智能有很多流派，簡單來說有兩大流派。
第一個流派叫符号主義，基于人類的規則來做人工智能。
就是教人工智能學習人類的方式、像人類一樣思考。
另外一派是少數派，是最不被認同的非主流者，叫連接主義。
他們認為，憑什麼讓人工智能像人一樣去思考呢？
這一派的特點是"不幹預"，以翻譯為例，缺點是即使AI翻譯出來了，你也不理解它是如何翻譯出來的。
這兩派競争了很多年，幾乎沒有人相信第二派。
在第一個節點，我要致敬的人物是McCulloch和Pitts兩位教授，兩人可以稱為神經網絡之父。
我們今天之所以會有人工智能，是因為80年前，這對像父子般的教授聯手為神經元建模。
1943年，兩人用數學的方式建立了MP神經單元模型。
MP神經單元模型非常簡潔，分三部分：左邊是輸入，右邊是輸出，中間是隐藏層。
如果X代表輸入，Y代表輸出，這個模型會發生一件非常有意思的事，當X在某個數字之前的時候，Y一直等于0。
而當X達到某一個數值後，Y突然就變成了1，這就是——
湧現。
而中間層就是人工智能的靈魂，它像黑盒子一樣，在人工智能裡面存在着。
另外如果今天有一個詞你要帶回去，我希望你把湧現帶回去。
湧現是我們今天未解的一個宇宙之謎，我相信它是AI的秘密，但反過來說，也是我們在AI時代存活下去的一個機制。
第二個關鍵節點：1986年，深度學習
第二個節點，我要致敬的人物是Hinton，被稱為深度學習之父，而且在去年拿到了諾貝爾獎。
如果沒有他對神經網絡路線的探索，後面的一切都不會發生。
Hinton從小就相信：人工智能應該學習人類大腦神經網絡，能夠自發產出智能。
當他畢業的時候，他仍然堅持自己的道路，但他的導師不相信，因為從理論上來看，這件事不可行，甚至會成為笑話。
面對眾多的質疑，他輾轉去了美國好幾個學校做博士後、教授助理、副教授等，但始終難以施展拳腳。
直到後來他到了加拿大，幸運的是，最終成功了。
1986年，他提出了反向傳播算法，它可以反向回來校驗結果跟目标之間的差距。
今天，反向傳播算法是深度學習的核心技術之一，也是當前大模型訓練的基礎方法。
第三個關鍵節點：2012年，AlexNet
斯坦福大學有一個華人女教授叫李飛飛，她發現小孩子可以識别貓和狗，但當時的人工智能無法做到。
于是她做了一個ImageNet大賽，讓全世界所有的AI來識别貓和狗。
而Hinton還有兩個學生非常有名，一個是Alex，另一個是Ilya。
三個人用反向傳播算法做了一個模型——
AlexNet。
直到2012年，AlexNet模型在大賽當中的錯誤率是15%，而前一年的冠軍是26%。
這個結果震驚了業界，因為這說明深度學習不僅理論上可行，在實際運用時還能一鳴驚人。
從那一天開始，人工智能領網域變天了。
因為大多數人是看見才會相信，AlexNet的意義非凡。
它證明了：只要算力足夠大，只要數據足夠多，神經網絡一定可以超越人類視覺。
這就又到了我提到的：XY維度建模法。
如果AlexNet的X軸是多層神經網絡（特有的叫卷積神經網絡），那麼它的Y軸有兩個要素出來——
一個是數據的規模，ImageNet大賽有上百萬張圖片供模型去訓練。
另一個則是GPU，Hinton師徒三人第一次把GPU用在人工智能領網域，因為GPU可以并行運算。
而直到兩年以後，黃仁勳才意識到GPU的黃金時代來了。
第四個關鍵節點：2017年，Transformer
2017年6月，8位谷歌的科學家、工程師發表了一篇論文叫做《Attention is all You Need》。
這篇論文為今天AI的形态扎下了根基，就像是在工業革命裡人類發明内燃機一樣，人類找到了智能革命的内燃機。
這個内燃機就是論文中提出的Transformer，這是一種基于自注意力機制的神經網絡架構。
總而言之，Transformer創造了一個巨大的一個武器，一種極大的力量。
這個力量并不是自然界存在的力量，而是人類發現的一個計算裡面的力量存在。
第五個關鍵節點：2020年，GPT-3橫空出世
Transformer這篇論文剛發布的時候，谷歌還沒有人能挖掘出它更深層次的意義，只把它運用在機器翻譯上。
而Hinton的學生、OpenAI首席科學家Ilya，相信Transformer可以用在所有的通用數據、通用語言裡。
在Transformer的基礎上，Ilya加上了Scaling Law 的維度，讓GPT成為了可能。
Scaling law是大語言模型裡的一個自然法則，簡單理解就是規模越大，性能越強，大力出神迹。
而大力包括三部分：第一是算法的規模，也就是模型參數的規模；第二是數據量的規模；第三是GPU卡數的規模。
這三個規模越大，去做預訓練，就越可以讓智能湧現。
通過不斷地訓練，人工智能體的智商不斷提高，它就可以幫人類幹活了。
Ilya是全世界第一個理解這件事情的人。
那麼，GPT是什麼意思呢？它的全稱是Generative Pre-trained Transformer，也就是生成式預訓練變換模型。
它最重要的的功能是生成連貫的文本内容，而不僅僅是分析或分類現有數據。
我們來看一組驚人的數據——
2018年，GPT-1，1.17億參數，沒跑出什麼來。
2019年，GPT-2，15億參數，也就那麼回事。
2020年，GPT-3，1750億參數，智能湧現了。
GPT-3湧現出兩個能力——
第一個能力，是不需要訓練就知道專業領網域的東西了。
第二個能力，是突然能理解了上下文的推理了。
所以，Ilya可以稱為GPT之父。
既然提到"GPT之父"，這裡說個題外話，OpenAI之父該是馬斯克的，但後來馬斯克離開了。
奧特曼加入了OpenAI去做CEO，所以最後是他把公司做出來的。
當GPT-3出現之後，OpenAI的開發人員設想：能不能把對話的互動界面當成產品界面？
于是，就有了我們今天用的產品ChatGPT，它倡導用戶跟它聊天。
到這一步的時候，技術變成了產品。
2022年11月30日，OpenAI發布ChatGPT-3.5，五天時間用戶過百萬，2個月用戶過億。
它成為史上增長最快的消費級應用，超過了之前的谷歌。
我們可以用一個模型來總結——
OpenAI 将兩個關鍵要素重新組合：
一個是Transformer，一個是Scaling Law，這兩個要素在模型維度上的結合，形成了大語言模型。
這個大語言模型所推出的技術，就叫做GPT。
如果用混沌理論中的"一"思維模型來看，大家看到的可能是GPT的功能，而它背後的"一"就是大語言模型。
OpenAI的能力不僅限于此。
2023年9月13日，他們發布了新的推理模型o1。在數據競賽中，其準确率從GPT的13%直接躍升至83%.
o1模型不僅能解數學題、邏輯題，還能編寫代碼。
從ChatGPT到o1，這種進步速度，相當于人類思維從系統一（直覺反應）躍遷到系統二（理性思考），把原需10年的AGI進程縮短到兩三年。
而真正的理性不在于給出答案，而在于中間的推理過程：而o1實現了這個推理能力。
我記得人們一直在讨論：AGI什麼時候能實現？
有人預測可能需要十年。
如今，業界對AI的預測普遍樂觀。
我看到最樂觀的預測，是認為2026年底就能實現AGI，而最悲觀的預測也是不超過2029年底。
當然，面對OpenAI，我們要站在人類的角度，去審視這一技術革命的貢獻。
但畢竟我們生活在這片土地上，我們畢竟是中國人，相信各位心中都萦繞着一個問題——
中國AI，路在何方？
我想跟你分享一句話——
一個人所遇到的最美好的事，就是與時代共舞。
第一次工業革命發生在好幾百年以前，瓦特改良蒸汽機;
第二次工業革命出現了電、汽車、石油;
第三次工業革命的前奏是個人電腦和互聯網，而它的真正目的是AI。
我們正趕上這個時代正在來臨的時刻，所以我稱它為AI的黎明。
站在人類的角度上，這個世界正在發生10倍速的巨變，快到你根本不知道明天會發生什麼。
但是令人遺憾的是，這場變革的上半場與中國人無關。
我們是旁觀者，我們是學習者，我們是跟随者。
大家會無意識地想：讓美國人去做原創吧，我去做應用和商業。
直到2025年1月20号，突然有一個人出現在新聞聯播裡，他就是梁文鋒。
我相信在那一天之前，全世界全中國99.999999%的人都不知道他是誰。
那一天，梁文鋒不僅參加了總理座談會，同時帶來了他震驚世界的發布——
"DeepSeek-R1"。
這是改變中國國運的一個AI支點。
DeepSeek的出現，一夜之間點燃了所有中國人對AI的熱情，并且把低靡很久的創業激情又重新點燃了。
我想用混沌的創新四步法的前三步來分析DeepSeek：
第一步，建模型；
第二步，找單點；
第三步，找定位。
最後，我再把它跟OpenAI做一個對比。
Step1：建模型
誠懇地說，DeepSeek沒有改變transformer的基礎模型，而是在OpenAI的基礎之上對大語言模型做了工程創新，大大的節省了成本，提高了效率。
DeepSeek玩的是一個有限的Scaling law。
首先，它沒有那麼多錢。
因為沒有融資，用的是自己過去賺的利潤的錢，因此它的資金很有限，不僅跟OpenAI相比非常有限，它跟中國領先的模型相比都是有限的。
其次，GPU受限。
因為美國人的卡脖子，GPU不是想買就能買，而且想買也只能買次等級别的GPU。
因此DeepSeek必須走低成本、高性能的路徑。
有一個細節讓我深受觸動：梁文鋒每次都會提醒他的工程師，這行代碼能不能再省五毛錢的電費。
那麼，DeepSeek到底是怎麼做的呢？
我重點想講另外兩個在Transformer上的創新。
它在Transformer上的創新有兩個關鍵詞，一個是MLA（多頭潛在注意力機制），一個是MoE（混合專家架構）。
我拿圖書館舉例子，假如你是一名超級管理員，你需要記住圖書館所有的書，以及每一本書裡面的每一個字，你想想看這個注意力機制需要的運算量有多大。
DeepSeek的創新之處在于：給每本書的每一頁建立一個索引。
要查找内容的時候，先查書的索引，找到書後再查頁的索引，然後把内容給用戶。
這是非常精妙的做法。
因為如果有足夠的資源可以一直找下去，沒有資源的話就創造出了這個聰明的辦法。
MoE一共有6700億參數，而每次計算只需要激活37億。
這樣的結果是V3的模型的訓練成本是557萬美元，是同類模型成本的1/10。
對于DeepSeek來說，這就是有限的遊戲。
其實有限遊戲對創業者來說是機會，因為無限的遊戲有時聽到的不是信号，只是噪聲。
2024年12月26号，DeepSeek 成功的發布了大語言模型V3，而且開源。
公允地說，DeepSeek的性能雖然還沒有達到o1那麼高，但它已經屬于一流了。
它的立場是：我知道我跟你大概差不多，然後我開源出去。
這個氣魄整個世界沒有，而且成本只有其他競争者的1/10。
但是真正讓DeepSeek名震天下的，在所有人心裡立住的不是V3，而是推理模型R1。
那從V3到R1到底發生了什麼？怎麼做到的？
GPT或者V3這樣的大語言模型，需要依賴人類反饋的強化學習。
而R1不需要人類反饋，完全靠純強化學習，也就是"左手打右手"，因此，DeepSeek-R1名震天下。
OpenAI其實也在用"左手打右手"的方法，但他們從未公開算法。
DeepSeek的創新在于用了一種叫GRPO（群體相對策略優化）的算法——
先生成十個模型，淘汰掉一半差的，剩下的繼續訓練、淘汰，重復64輪後，最終模型就出來了。
OpenAI早期是開放的，連大語言模型的細節都會寫論文公開，但到了GPT-4之後，他們就不再公開了，尤其是o1階段，完全保密。
這部分工作DeepSeek沒法直接抄，只能參考。
于是，他們用了一個全新的純強化學習方法，也就是GRPO，訓練出一個叫R1-zero的模型，解題效果特别好。
有意思的是，GRPO其實不是新技術，業内甚至認為它比OpenAI的PPO更落後，但DeepSeek用這個算法實現了低成本、高效率的效果。
關鍵區别在于優化方式——
OpenAI的PPO每一步推理都優化，過程精細但成本高。
DeepSeek沒錢做精細優化，只能根據最終結果優化，中間的推理過程不管，只優化從問題到答案的整體效果。
所以DeepSeek做了一件特别重要的事：
它把所有的推理過程都公開了。你在DeepSeek裡問任何問題，它都會把中間的推理過程展示給你。
這種互動方式震驚了全世界——
產品的本質就是互動模式。
過去模型只給答案，你無法判斷對錯；現在它連解題過程都告訴你，這非常厲害。
而OpenAI沒這麼做，是有苦衷的。
因為它的訓練反饋花了巨額成本，高達幾十億甚至上百億。一旦公開，别人可能直接拿這些數據蒸餾使用。
DeepSeek發布的第七天，英偉達的股價暴跌17%，當天市值蒸發了6000-7000億美元。
原因是中國可以用相對便宜的芯片來構建如此強大的推理模型。
推理大模型相當于智能時代的核武器，而目前掌握這種核武器核心能力的只有中美兩國。
而這件事情還是在一個名不見經傳的、就在我們腳下的這片土地上的一家小公司完成的。
它沒有出現在大廠，也沒有出現在"六小虎"之中，而是出現在一個搞量化投資的人身上。
這件事情堪稱國運級别的大事。
按照常理，這件事本不該發生。
無論從資金、GPU的資源、人才，還是社區儲備來看，幾乎什麼條件都不具備，但它還是成功了。
當這件事完成時，意味着中國重新回到了人工智能的牌桌，甚至有可能開始坐莊。
Step2：找單點
使命
首先，我們探讨一個問題：DeepSeek的終極目标是什麼？
DeepSeek的終極目标難道只是為了跑用戶、直接商業化賺錢嗎？
我認為并非如此。
DeepSeek可能是中國AI公司中唯一一個真正這樣想的，甚至連OpenAI最初也有這樣的想法，但後來卻忘記了，那就是實現AGI（通用人工智能）。
AGI意味着在90%的領網域中，AI能夠超越90%的人，并且能夠自主行動。
AGI正是讓我們今天感到震驚，甚至恐懼的那個目标。
DeepSeek的終極目标并不是商業化，而是為人類、為全世界實現AGI。
如果它的目标是為全人類實現通用人工智能，那麼DeepSeek的顧客是誰？
我想了很久，答案是：
全人類。
當我講到馬斯克的案例時，他想把人類移民到火星，我知道他的心中裝着全人類。
當時我非常感慨，何時能在中國看到這樣具有宏大世界觀的企業家？
但梁文鋒和DeepSeek的确是以全人類為目标，致力于實現通用人工智能。
如果要讓全人類都能使用這種人工智能，那麼顧客的真實需求是什麼呢？如果用一個詞來概括，那就是：足夠便宜。極致低價才是王道。
用他們的話來說，就是"人人都能用得起的人工智能"。用一個時髦的詞來形容，就是"普惠"。
我們認為，AI服務應該是人人都能負擔得起且随時可用的。這就要求我們探索新的模型架構。我們必須在有限的資源下實現更強的能力普惠，這是需求所在。
如果想為全人類提供人人都能用得起的AI服務，應該選擇什麼路線呢？
這是一個基礎的選擇：開源還是閉源？
如果是閉源，僅靠自身服務所有人，顯然是做不到的。
而如果是開源，我們可以只做基礎及基座模型，讓各個行業的人在此基礎上開發行業模型或專有模型，再由它們為全人類提供服務。
核心能力
所以，不要只站在我們習慣的視角上糾結開源還是閉源。
要知道，OpenAI從一開始就想要做開源。
而梁文鋒這位"商人中的商人"，他從事金融，可以說是離錢最近的人，但他卻在技術路線上選擇了看似離錢最遠的，開源。
梁文鋒的選擇是做開源，而且技術要領先。
這個想法可能看起來很奇怪。
為什麼奇怪呢？
因為長期以來，我們的慣性思維是：美國人擅長原創式創新，處于領先地位；而中國人擅長跟随式創新，做從1到10的事情。
這種觀念就像思想鋼印一樣，印在了三四代中國人的心中。
比如，一直以來，矽谷負責創新，中國人負責商業化。
所以矽谷的人也感到不滿，每次他們創新，賺錢的卻是我們，而我們也因此沾沾自喜。
但我們從未想過，我們也可以做0-1，從未想過這件事與中國有關。
整個業态幾十年來一直是這樣。
而且，做原創還有一個難題：全世界排名前50的AI人才幾乎都在美國。
做這些事情需要人才，而排名前50的人才都在美國，我們還有什麼希望呢？
這把我們逼到了絕境：我想為全人類提供一個開源的大模型，而且它要領先全世界，我不是跟随，那麼，該怎麼辦呢？
這是在有限條件下的挑戰。
最後，梁文鋒說："我不融資了，就用自己的錢來做這件事。"他一分錢也沒融到。
他既沒有錢，也沒有這些頂級人才。
他原本也不在這個領網域，但他卻想超越美國，還要開源，那該怎麼辦呢？
他選擇了一種獨特的方式，去觸發這種原創式的創新。
我相信，這一點是他成功的關鍵，至少是關鍵之一。
那個核心詞匯就是"湧現"。
我還是那句話：如果今天有一個詞你要帶回去，我希望你把湧現帶回去。
他用湧現式的組織來打造湧現式的AI，這是一個一體化的組織。
DeepSeek本質上是一家AI實驗室，非盈利、不融資、不上市，而是一個學院式的實驗室。
我突然發現，做出AI突破性進展的，其實都是AI實驗室：
第一個是DeepMind，做出了阿爾法狗；
第二個是OpenAI，早期也是實驗室，做出了GPT；
第三個就是DeepSeek，也是一個AI實驗室。
AI實驗室就是純粹為一個理想而奮鬥，先不考慮商業上的回報。
另一個特征是科學家和工程師放在一起，30%的人是研究員，70%的人是工程師。
工程師和科學家在一起工作，科學家有了想法後，工程師立刻就能将其付諸實踐，反過來驗證科學家的想法。
DeepSeek本身并沒有那麼多錢，但這種組織方式卻讓它獲得了極大的優勢。
開源
所以，DeepSeek的真實需求可能是普惠。而它的核心能力，我想可以用五個關鍵詞來概括。
第一個關鍵詞是"開源"。
如果選擇開源，就必須創新；如果要創新，就必須有人才；而要讓人才發揮作用，就必須依靠組織，組織的本質是一種互動模式。
最後，就是等待湧現，等待它的發生，靜待花開。
梁文鋒為什麼選擇開源？
他認為，在颠覆性技術領網域，封閉式的護城河并不持久。
即使像OpenAI這樣的閉源模式，也無法阻止其他公司迎頭趕上。
因此，真正的護城河是團隊的成長。
第一個關鍵詞是"團隊"，第二個關鍵詞是"團隊的成長"。
團隊成長
如何實現團隊的成長呢？他強調，要培養創新的文化。
他說，"開源和發表論文不會帶來重大損失。對技術人員來說，被同行追随本身就是一種成就感。開源不僅僅是一種商業策略，更是一種文化。回饋社區是一種榮譽，同時也能吸引更多優秀人才。"
此處所說的創新，專指從0到1的原創式創新，是技術創新，是基礎研究的創新，而不是產品創新、商業創新或應用創新。
記者曾問梁文鋒，為什麼DeepSeek只專注于研究，而不像大多數中國公司那樣同時布局大模型和應用。
梁文鋒的回答代表了一種新的共識。
他說："過去，人們普遍認為美國擅長創新，而中國擅長應用和落地。而我們認為，随着經濟的發展，中國必須從技術的受益者轉變為技術的貢獻者，不能總是依賴别人的成果。"
這是一位年輕人的觀點，代表着自覺興起的一代新興年輕人，他們由内而外地展現出一種自信，與上一代創業者背着巨大包袱負重前行的狀态完全不同。
他們由内而外的自信，與上一代創業者截然不同。
在過去30年的IT革命中，我們幾乎沒有真正參與核心技術的革新，我們習慣了摩爾定律從天而降。
我們常說，只要等上18個月，即使現在這一級别我夠不上，18個月後我就能用上今天的硬體和軟體。
同樣，在AI時代，面對大模型時，我們也相信摩爾定律。
每次OpenAI發布新成果，我們都說18個月後我們也能做到。
我們習慣了拿着盆來接别人過時的殘渣來用。
當然，我們在商業、應用和產品上取得了成功，賺到了錢，但這樣的成功對人類、對世界、對自己的生命和靈魂來說，是不夠的。
而且，事實上，這些技術的進步是西方科技社區幾代人持續努力的結果。
我希望大家能感受到的是，前後五代人孜孜不倦的努力，才有了OpenAI的奇迹。
過去，我們未能長期參與這一過程，反而逐漸忽視了它的真正價值。
我們會說，如果一個企業做基礎研發，那是可笑的。
所以，過去30年，我們更注重利潤而不是創新。但創新不僅僅是商業驅動的，它需要好奇心和有野心的創造力。我們被過去的習慣束縛住了。
我們習慣了别人做從0到1的創新，我們做從1到10、從10到100的拓展。
這個習慣成就了我們，也束縛了我們，讓我們在創新方面似乎總是有一種羞恥感和缺乏勇氣。
但這僅僅是個開始。
年輕人才
如果要進行原創創新，那麼創新的核心關鍵詞之一就是：
人才。
如今，尋找合适的人才并非易事，尤其是那些能夠投身大模型創業的人才，他們極為稀缺。
有投資人指出，适合大模型創業的人才可能主要集中在OpenAI、谷歌等科技巨頭的AI實驗室中。
那麼，我們會去海外挖掘這些人才嗎？
梁文鋒表示，"雖然全球前50名頂尖人才可能不在中國，但也許我們能自己打造這樣的人。"
DeepSeek的人才團隊完全由本土人才組成。
DeepSeek目前的成功最大程度歸功于一支由年輕人組成的團隊。他們年輕，技能多于經驗，有應屆畢業生和博士生，甚至在職博士生來組成。
梁文鋒平時其實不太見人，他見的大多是前來面試的人。
曾有人在一個帖子中詢問DeepSeek的工程師："你為什麼不去跳槽？"
工程師回答說："我們老板親自寫代碼，親自撰寫論文，還親自參與面試。"
創新需要信心，而年輕人往往更具信心。
年輕人初生毛犢不怕虎，年輕人有信心，信心比經驗重要100倍。
組織的本質：互動
那麼，問題來了：這些初出茅廬的年輕人怎麼可能幹出一番事業呢？
所以下一個關鍵能力就是：
組織。
組織的本質是互動，組織就像一條河流，只要這個組織形成一個非常高頻的"河流"，普通人在這裡也會產生共振，并随之成長起來。
所以，組織的本質是互動模式。
有人問過梁文鋒："你覺得在這波做大模型的競争當中，創業公司更适合創新的組織架構，會不會成為大廠競争的破局點呢？"
梁文鋒說："此前大公司的架構已經不适應快速響應了，而且他們過去的成功經驗和慣性反而成為他們今天的束縛。在這波AI新浪潮之下，一定會有一波新公司誕生。"
你看移動互聯網時代，有一批年輕人的公司起來了。
所以我堅定地相信：未來的AI時代，又會有一波新的創業公司出現，而不是像過去那些大公司繼續站在這個舞台上。
就像你也知道對于大模型公司來說，算力是它最主要的成本。
但梁文鋒說："我們的計算資源對團隊沒有任何限制，但凡有任何人有想法都可以随時調用訓練集群，無需批準。我們辦公室設計中有會議室，兩側的門随時可以輕松打開。這種設計讓'偶然相遇'成為可能。這讓我想起Transformer的誕生——當時一位路過的研究員無意間聽到讨論，幫助将其發展成了通用架構。"
這是一個湧現型組織。
湧現
其實，DeepSeek最重要的基礎架構貢獻，并非梁文鋒本人想出來的，而是一個年輕的研究員某一天頓悟出來的。
你也可以說，這是一個集體湧現出來的至關重要的想法。
有限的資金、有限的算力、有限的人才，但我只相信一件事——
讓人才和人才去互動。
如果AI通過互動能產生智能，我相信人和人通過互動也會碰撞出天才性的想法，這個過程就叫——
"湧現"。
再舉一個例子，有一個年輕人叫王培懿，他是北大2020級的在讀博士。2023年，他剛讀到博士三年級就加入了DeepSeek。
他提到，去年加入DeepSeek時，自己沒有任何強化學習的經驗。
然而，在進行數學研究時，他獨立推導出了一個統一公式，用于解決各種訓練方法。
他說，這感覺就像是一個頓悟的時刻，仿佛這個組織突然被賦予了生命。
這個統一公式就是SFT（監督微調）公式。
強化學習的輸出結果雖然正确，但它的語言表達方式可能是中文，也可能是英文，就像火星人發出的信号一樣。
為了将其調整為人類能夠接受的形式，他采用了監督微調。
監督微調是用人類的語言和表達習慣去調整模型的輸出，使其更符合人類的理解方式。
這種監督學習是基于人類的反饋和機器的強化學習相結合的，通常是兩個完全不相關的領網域。
但這個年輕人居然用一個公式将它們融合在一起。
雖然我完全看不懂這個公式，相信大多數人也看不懂，但它仍然值得我們致敬。
這個公式是從R1-Zero回調到人類可接受的R1的關鍵一步，而它是由一個初出茅廬的年輕人完成的，而不是梁文鋒。
DeepSeek-V2的論文有150多個作者，梁文鋒的名字在中間。他甚至把數據标注人員的名字也寫進了論文。
這不是靠天才，而是一群年輕人共同努力的結果。
當然，你也不要真的以為他們是普通的"生瓜蛋子"：這些人智力超群，要麼參加過奧數比賽，要麼參加過物理競賽，要麼參加過計算機競賽。
他們都是年輕的小天才，雖然沒有經驗，也沒有成果，但梁文鋒相信他們在一起可以做到。
我花了一個多月的時間去探究他們是怎麼做到的，最後發現其實沒有什麼秘訣，只是相信人才，相信人才之間的互動，創新自然就會湧現出來。
這件事的意義，不僅在于激勵了中國的大模型發展，更在于激勵了中國的芯片公司。
我們或許也有機會在底層技術上實現一些創新。
這些年輕人如此自信、陽光，令人欽佩。
Step 3：找定位
屠龍少年
最後，讓我們回到OpenAI身上。
OpenAI的創辦，其實是一個屠龍少年終成惡龍的故事。
谷歌當時收購了DeepMind，這讓馬斯克等人非常警覺，因為大家都擔心AI可能會毀滅人類，誰也不希望AI完全掌握在一個公司手裡，哪怕這個公司是谷歌。
所以OpenAI的早期目标，是為了挑戰谷歌的AI霸權。
正是在這樣的目标感召下，意外地誕生了一個產品叫
ChatGPT。
它已經不僅僅是一項技術，而是一個具有用戶互動的產品。
ChatGPT在5天内用戶數突破百萬，兩個月内用戶數過億，成為史上增長最快的應用之一。
到今天為止，它的市場占有率也在一半以上。
此時OpenAI與谷歌之間的競争态勢會是什麼樣的呢？
回到我們熟悉的價值網絡，錯位競争、低端颠覆，這些都是大家熟悉的策略。
你會發現有一個力量在背後起作用，叫"右上角遷移力"，往往是邊緣的打敗主流的，這種"邊緣必勝"的感覺。
我們回到這個案例中來看，也是如此。
谷歌收購了DeepMind，谷歌自己還有一個偉大的實驗室叫Google Brain。谷歌發表了那篇震驚世界的Transformer論文，它又有錢又有用戶，人才也在它那裡。
按道理說，谷歌擁有無限資源，應該在AI領網域勝出。
可惜谷歌無比賺錢，所以它的基因是一個面向消費者的互聯網公司，就像印鈔機一樣賺錢。
OpenAI早期只是一個草台班子，甚至馬斯克退出後，連工資都發不起了。
結果，萬萬沒想到，OpenAI這個草台班子赢了，這是一個奇迹。
奇迹背後其實是有道理的，這個道理就是我們講過很多遍的——
"創新者的窘境"。
既然Transformer是谷歌人最先提出來的，那麼按道理，谷歌應該最先把產品做出來。
但是，當谷歌的人在内部讨論要不要把與大模型的互動產品化的時候，大多數部門都反對。第一，覺得它太低級了，還有很多幻覺，一本正經地胡說八道，怎麼能發布這種玩具性的東西呢？第二，更重要的原因是ChatGPT出來之後，全世界哪一種產品最終會受損？——搜索。
如果推出這個產品，谷歌的主營業務搜索就會被幹掉。
少年終成惡龍
原本一個惡龍壟斷了所有的AI資源，然後一個少年懷着美好的願望說——
"我要做這件事，而且我要開源，為了人類安全，保護全人類的AGI。"
我寧願這樣相信，讓他赢。
但我們都知道這種故事往往會有下半場，少年自己會不會變成惡龍呢？
奧特曼戰戰兢兢地發布了ChatGPT。
ChatGPT的奧特曼，原來是矽谷最大的創業組織YC的創始人。
YC下面每年都有很多矽谷的創業公司。這些創業公司就是做產品、做應用，然後去融資、去上市的模式。
奧特曼本身不是技術人才，更不是研究人才，他是個創業者。
不過，在那之前，奧特曼也是一個理想主義者，是要做AGI的人。
但突然巨大的成功出來之後，讓奧特曼看到了另一個世界。
他以為自己接手的是一家AGI實驗室，弄清楚如何打造AI。
誰知道這是一家大型消費級互聯網公司，而且是面向消費者的互聯網公司，因為ChatGPT是個人在使用。
于是他轉變了想法，幾乎是徹底的轉變，開始從非盈利向盈利轉變——
2025年3月，融資400億美元，估值3000億美元。
3000億美元是什麼概念？就是超過了字節，僅次于SpaceX，是全世界第二大的未上市公司。累計融資600億美元以上，也就是接近5000億人民币。
2024年以後，OpenAI開始全面轉向商業化，一個AI Lab的靈魂已經消失了，奧特曼今天講未來的目标已經不是AGI，而是五年以後，要有幾款幾十億用戶的產品。
有人發現，OpenAI的官網已經将"Open"這個詞删除了，這意味着他們不再強調開源的理念。
因為那個曾經充滿理想主義的少年，他的初心似乎已經不復存在。
他似乎已經變成了另一個樣子，甚至比谷歌更像谷歌。
最近，奧特曼在一次講話中表現得更加現實。
他曾說，他原本以為OpenAI對社會的影響會比現在更大，但現在它只是一個強大的工具，而人們的生活基本上還是照舊。
對此，他表示自己其實很高興，認為自己以前太天真了。
不知道為什麼，我看到這段話，非常悲傷。
一個為人類開啟未來視窗的人，自己卻看不見那個世界了，他反而退回到那個世界裡。
接棒少年的使命
我不知道各位是否和我一樣，此刻感到一絲悲傷。
一個幫助整個人類開啟天幕的人，在天幕剛剛開啟的時候，不知道他是因恐懼而退縮，還是因利益而退回。
到今天為止，這家公司仍然遙遙領先全世界，但你會發現它的初心已經沒有了。
所以，這家公司的頂級人才一直在往外走。
雖然公司還在，但它的靈魂好像越來越沒有了。
下一個少年是誰呢？這個世界如果是美好的，總會有少年在。
我想也許就是梁文鋒這個少年。
我想接下來這段梁文鋒與記者的交鋒，便是梁文鋒在這個時候出現的意義。
記者問他："什麼叫AI信仰者？"
梁文鋒說："信仰者就是過去我在這兒，今天我還在這兒。不是因為今天大模型火爆我來到這兒，而是我過去一直在這兒，只是今天它恰巧火爆了。"
他在大學期間就開始研究人工智能，碩士論文是關于機器視覺的。
2010年碩士畢業後，他沒有找工作，而是成為了一名自由職業者。
據說，他在成都一個簡陋的出租房裡待了幾年，他在做什麼呢？
他在尋找AI的應用場景。
最終，他找到了金融領網域。
也就是說，他做金融并不是因為他原本就對金融感興趣，而是金融是他切入AI的第一個領網域。
因此，他用AI來做量化交易，而不是先做了量化交易，再引入AI技術。他憑借這種方法，從大約8萬元的資金開始，賺到了8億甚至更多。
後來，他成立了公司，叫幻方量化。
所有人都會說，這家公司不像是一家量化公司，更像是一家AI公司。
讓我們看看這些年他到底在做什麼——
2015年，他購買了100張GPU卡；
2019年，他搭建了一個名為"螢火一号"的計算機集群，擁有1000張卡，花費了兩個億；
2021年，他又搭建了"螢火二号"，擁有1萬張卡，花費十個億；
2022年，美國政府對中國禁運高端芯片，但2021年梁文鋒居然買了1萬張卡；
2021年，中國只有五家公司擁有萬張卡，其中完全不知名的就是這家公司。
那麼，這個年輕人花錢去做AI，他是AI信仰者還是AI投機者呢？
你說今天他好像花了很多錢，他的基金總額也是300億，你說他能賺多少錢？
他确實是用有限的資金，來做一件偉大的事情，那麼他的使命到底是什麼呢？
他說："我們要做通用人工智能，AI人類智能的本質可能是語言，語言大模型是通往AI的必經之路。"
這是一個多麼有定力的年輕人：目标很明确，不做垂類，不做應用，只做研究，只做探索。
各位透過紙面看一下，這是一個非典型的中國創業者——
因為幾乎每一個中國創業者都是做垂類，都是做應用。阿裡如此，騰訊如此，字節也是如此，六小虎全都是如此。
而他說："我只做垂直大模型，我不做垂類，不做應用。"
無論如何，一個商業公司去做無限投入的研究性探索，都有些瘋狂。
梁文鋒說："如果一定要找一個商業性理由，可能找不到，因為從商業角度來講，基礎研究就是投入回報比較低的。OpenAI早期投入資金的時候，想的一定不是我要拿回多少回報，而是真的想做這件事。現在比較确定的是，既然我們想做這件事，我們又有這個能力，在這個時間點上，我們就是最合适的人之一。"
這背後有一個低調當中的力量，叫做當仁不讓：從最早的一張卡到2015年的100張，2019年的1000張，2021年的1萬張。
很多人以為這裡有一個商業邏輯，事實上他就是好奇心驅動的，在他商業最糟糕的那一年，所以，答案很明顯：他做的事情就是為了好奇心。
好奇心是什麼？是對AI邊界的探索。
從2012年的AlexNet到2020年OpenAI發布GPT-3，雖然具體技術一直在變，但模型、算力和數據這三者的組合始終不變。
對于研究員來說，對算力的渴求是永無止境的：在做了小規模計算之後，總想做更大規模的實驗。
換句話說，就是需要更多的算力和更多的卡。
這件事情是基于第一性原理推導出來的，是必須要做的事情。
所以，一個激動人心的事情或許不能單純用金錢來衡量。
我想引用《三體》裡的一個故事。
《三體》有一個隐喻叫"執劍人"。
如果三體人要毀滅地球，需要選一個執劍人來代表人類做決策的話，那麼在AI時代或者AGI時代，要選一個執劍者，你會選誰呢？
我想有人會選奧特曼，因為他今天仍然遙遙領先；有人會選馬斯克，因為他是對人類安危最關切的那個人。
但我相信，至少在歷史上第一次，可以有一個中國人出現在為全世界、全人類服務的候選榜單裡了。
最後，我們來對比OpenAI和DeepSeek。
OpenAI從開源變成了閉源，連論文都不發了，沒人知道其模型的機理。
它開始變成一個消費互聯網公司，to C和to B全都做。今天的核心主打產品是ChatGPT。
但與此同時，另一條路線出現了：開源，并且只做通用人工智能，面向開發者開源，只做基座大模型，讓開發者在上面自由發揮，這是一個全新的選擇。
這個選擇面臨兩大難題。
第一大難題是技術上太難了；第二大難題是它不賺錢，站在今天的視角看，這條路看起來是不賺錢的。
所以，OpenAI才會從開源轉向商業化。
你會發現，OpenAI空出來的這個生态位，被梁文鋒和DeepSeek占據了。
今天，DeepSeek當仁不讓地選擇了那個少年"曾經走過但又離開的位置"。
當然，如果我今天問這裡會不會發生生态位的遷移，我不知道，因為做這樣的預測是很危險的。
但在我的内心深處，我希望這件事情發生。
OpenAI今天仍然遙遙領先，DeepSeek今天的創新更多是在工程上，而不是技術基架上的創新。
而且，OpenAI最近融了400億美元，那是一個幾乎無限的資金池。
再加上ChatGPT出來之後，美國對中國芯片的禁運又繼續加強，梁文鋒面前的壓力更大了。
但我内心深處總會相信，堅持初心的人會赢。
為什麼我說DeepSeek會赢？
我想很多人都忽略了一件事情，我相信梁文鋒一定能同意：智能本身就是產品。它何嘗不是智能時代的水、電、煤氣，誰掌握了它，誰就是最賺錢的那一個。
我并不僅僅是出于民族情緒，因為有可能這個模型本身才是那個產品。着什麼急呢？
就像你家小孩是天才，到了少年時期，你就說讓他趕緊出去唱歌、賣唱賺錢，這不是毀了這個孩子嗎？
我覺得人類對AI過于殘忍了。
DeepSeek還沒長大呢。
我堅信DeepSeek會為中國所有的AI應用把底層建好了。未來20年，我相信是AI應用的黃金20年。
這裡我想再追問一個問題：為什麼是DeepSeek做了這個原創，而不是大廠，不是字節、不是阿裡、不是百度、不是騰訊？
是因為由于市值和估值的壓力，大廠和六小虎都不得不迅速產品化和商業化。
就像騰訊，你說它有錢，但它不可能花上百億美元去做基礎大模型的研究，而不見商業回報。
所以，幾十年來我們成于商業，但也困于商業。
他們不能做，也不敢做，這又是一個創新者的窘境。
但我認為更根本的原因：是兩代中國創業者都不相信中國企業有能力做基礎科研。
換句話說，在我們今天自己人在中國兩代創業者的選項裡，從未有過基礎科研的選項。
這個選項，甚至都沒有出現在我們的讨論話題裡。
大家永遠活在一個巨大的思想鋼印裡，認為美國人做原創，我們copy to China。你成于什麼，就毀于什麼。
這是一個巨大的思想鋼印，讓我們永遠在後面追趕。
兩代人的思想鋼印，互聯網一代、移動互聯網一代，都在這個地方。
所以，梁文鋒對中國創業的意義在于，他打破了新一代創業者的思想鋼印和集體潛意識。
如果我們相信"轉念就能改命"，那麼從這一刻開始，中國創業者、中國創新者的命運已經改變。
這便是為什麼我認為：DeepSeek，是國運的AI支點。
最後，我想平復一下我的心情，說出最後一句話。
這句話送給我自己，送給各位，送給這個時代。
我想這句話是發自我内心的一句話，我以前還沒有講過這句話——
永遠相信創業者
永遠相信創新者
永遠相信中國
加入混沌·AI創新院，與AI業務1号位們并肩作戰～這是一套混沌精心搭建的學習和服務體系，半年時間讓你真正融入AI時代的浪潮中！
今晚24點截止報名
快來搶占AI時代的黃金席位！
