今天小编分享的科技经验：DeepSeek开启“开源周”，与我们有什么关系？，欢迎阅读。
就在刚刚，DeepSeek 宣布，从下周开始，他们将开源 5 个代码库，以完全透明的方式与全球开发者社区分享他们的研究进展，并将这一计划定义为 " 开源周 "。
DeepSeek 正以开放的姿态参与重构全球 AI 生态格局。置身于 AI 时代的我们，不得不思考，如何让 DeepSeek 参与到我们的事业之中。
" 早在这次 DeepSeek 破圈之前，AI 整体的能力就已超过 99% 的人类。"
" 我越研究 AI 越感觉痛苦，就像举着锤子找钉子，每天都在思索要做点什么。
在长时间的迷茫之后，我才惊觉，最大的机会往往都在自己的认知、自己的专业领網域里。"
" 如果你开发的功能只能帮企业替换掉 10 个员工，最好不要做 "。
前天，Monica.im 产品合伙人张涛老师坐客混沌，以技术演进为脉络，揭示了 DeepSeek 如何通过「格式激励和结果激励」实现思维链自主进化，并在博士级难题上做到了跨越式突破，其底层逻辑恰似 "AI 觉醒思考本能 "。
张涛老师曾任神策数据副总裁、飞书海外产品负责人、光年之外产品负责人，是一个热爱技术的产品人。春节之后第一周，他以万字深度拆解 DeepSeek R1 是怎样炼成的，在创投圈引起广泛讨论。
在这场技术革命中，创业者如何抓住时代红利？张涛的演讲不仅是对 DeepSeek 的深度解码，更是创业者的行动指南。他提醒我们，在这场 AI 浪潮中，唯有抓住行业痛点，将 AI 转化为解决问题的工具，才是定义未来的关键所在。
DeepSeek 惊艳全球在于 " 非共识 " 的模型训练方法
OpenAI 发布了 o 系列的模型，它在博士级别的难题上的表现远超之前几款，基本上可以达到 83 分。从以前的 13 分到现在的 83 分，这是一个十分夸张的进步，推动它进步的原因正是我刚刚提到的思维链。
既然思维链这么厉害，那么全世界的 AI 公司应该都会竭尽全力实现。但是该如何实现？OpenAI 从 2023 年年终开始，基本不再对外发布任何的技术报告，在他们发布的最后一篇报告里，有一个很关键的内容，叫过程激励模型（process reward model）。
在提出过程激励模型的同时，OpenAI 还放出了过程激励的数据集。自这次报告之后，全球很多厂商都在研究如何通过过程激励复现 o1，但做起来才发现极其困难。但是与此同时，有两家厂商却找到了不一样的路径，它们都是我们中国的厂商，一个是 Kimi，一个是 DeepSeek。
其实这条路径并不复杂，它基于两个最简单的规则：准确度激励和格式激励。通俗来说，准确度激励意味着它做对了就奖励，做错了就不奖励；格式激励意味着它在得出最终答案前，还需要进行思考。它们都指向了一个最基本的激励原则——要求做对，并且有好的思考。在给定这两个激励的预设下，训练模型的过程中就发生了一个非常神奇的现象：随着学习过程的强化，模型产生的思维过程越来越长。这说明由于这两种激励的约束，模型自动意识到了要把题做对的前提是思考的过程要更严谨。
不得不说，这是一个令人震撼的现象。
DeepSeek 的出现带给全世界非常大的震撼，因为之前大模型基本上被 OpenAI 一家统治，而它很大程度上松动了 OpenAI 一家独大的局面。并且 DeepSeek 采取了一个开源的姿态，面向全世界，这一举措基本上改变了整个 AI 行业的底层生态，撬动了整个行业的板块。
AI 创业最好不要先从 " 降本 " 切入
我相信从 ChatGPT 到 DeepSeek，AI 已经一次又一次地让我们为它震颤。比如它的影像理解能力，能够做到立即做出准确的判断。再比如影像生成能力，也能做到生成惟妙惟肖的人像模型，让我们分不清虚实。甚至现在很多人已经用 AI 的视频生成能力创作视频内容，讲述一个完整的、有趣的故事。
可以说，三年前的我们都难以想象当前的世界会发生这样的巨变。那么，它带给我们哪些新的可能性？
最直观的影响是降本。比如以前某个岗位需要十个员工接电话，现在只需要一个 AI 就能搞定。但这里有一个关键要点，降本从来不是企业思考的核心，没有企业是通过降本实现业务增长的。因为当企业在赚钱的时候，其实不会关心降本，而一旦它开始关注降本，大概率就意味着进入了下行周期。
因此每当有创业者来问我 AI 创业应该做些什么，我给他们的建议都是 " 如果你开发的功能只能帮企业替换掉 10 个员工，最好不要做 "。因为中国的劳动力成本本来就不高，替换掉 10 个员工对企业来说算不上刚需。我们真正需要寻找的是以前 10 个员工在做的岗位，如果并不是因为公司只想让 10 个员工做，那么这背后受限于什么要素？比如招不到人，比如管理难度大。如果这个岗位有 500 人在做就能够带来业务线性增长，就很适合成为 AI 创业的领網域。
所以除了降本增效之外，我认为对于创业者来说，AI 最重要的价值是他创造了一种全新的商业模式的可能性，让以前一些因为部門不经济因此无法实现的创业设想变得可行。这正是这个新时代里赋予我们的机会，而不是用 AI 换掉几个员工、省掉一点开支，这都是小钱，找到新的商业机会才能赚到真正的大钱。
听到这里，可能会有人想，AI 领網域这么大有可为，不做 AI 的话是不是无路可走？其实完全不是这样的。我做 AI 相关行业已经两年了，这一期间我越研究 AI 越感觉痛苦，就像举着锤子找钉子，每天都在思索要做点什么。在长时间的迷茫之后，我才惊觉，最大的机会往往都在自己的认知、自己的专业领網域里。
给大家举个例子。前年在我研究影像技术时，我发现有种技术可以做到 1 秒钟生成几十张图，对于我来说这个技术并没有太多用处。所以即使我有这样的技术，但我却并不知道怎么用。后来回重庆的时候我把这项技术演示给当地一个做建筑师的朋友，他十分震惊，立即投入使用。以前他们做一张渲染图是以小时为部門计算时间成本，现在只需要几秒种，并且是实时的。据他反馈，虽然最后的渲染图无法用于施工，但现在与甲方沟通的时候可以从各个角度给出方案，如果有需要修改的部分，可以立即修改。可以说，通过使用 AI，极大地提升了他们工作和沟通的效率。
因此我在这里建议大家多结合自身的行业去思考，因为每一次解决问题的过程，可能会开拓出 AI 创业的新思路。
全球 AI 渗透率远低于人们的想象
由于我们处在行业里，因此会误以为 AI 已经遍布全世界，但其实去年这个时候，OpenAI 的全球用户总数还不到世界人口的 3%。这一现象意味着全世界绝大多数人都没有使用过 AI，因此每年都有相当多的人第一次尝试 AI，而当他们在初期使用时，可能会困惑要从何入手，是语音生成？文字聊天？还是视频制作？
我们认为，大模型的能力是一台发动机，但对于用户来说最重要的是车，因此我们将自身定位为造车的车场。
未来是什么样子的？我认为纯聊天机器人是 AI 发展过程中的一个过渡阶段。因为对于全世界大多数人来说，提问的能力有限，也缺乏提问的动机。这使得 AI 的核心表现对多数人来说没有价值，如果要走向更广大的市场，AI 的发展必须贴合用户需求的最大公约数。
我们目前做的事情其实就是努力跟随这个方向。
