deepseek是不是吹过头了?
谣言 1：国产AI Deepseek-R1吊打美国OpenAI。
真相 1：并没有那么夸张。
DeepSeek-R1拥有与OpenAI公司发布的最强大的ChatGPT-o1（GTP4-Turbo）相当的性能，由于DeepSeek-R1训练过程的开源，OpenAI的护城河变浅了。下图是各项基准测试的得分，R1和o1基本旗鼓相当。
谣言 2：DeepSeek-R1模型仅用500-600万美元训练，是GPT的1/20。
真相 2：无从考证。
DeepSeek-V3使用了557万美元（估算）进行训练，而OpenAI从未公布其ChatGPT-4以后的模型架构，训练方法和训练成本，从而无法比较。
但是从其api售价上看，Deepseek-R1是ChatGPT-o1的 1/27 ，似乎也能反映一些成本上的端倪。
谣言 3：李飞飞等研究人员花费50美金训练出名为s1的推理模型，性能与o1和r1类似。
真相 3：标题党的把戏。关于李飞飞那个新闻仅指出模型在微调阶段使用的云计算算力成本。就是租用云平台微调计算的成本。而训练大语言模型的成本囊括多个方面，算力成本仅是其中之一
- GPU算力 （自建/云计算）
- 数据的存储和管理
- 数据采集/标注
- 研究人员的劳动报酬
从0到1研发、训练大模型，极其烧钱。光机器、芯片运行起来的电力消耗就十分惊人，GPT-3的单次训练成本就高达140万美元，对于一些更大的LLM（大型语言模型），训练成本介于200万美元至1200万美元之间。50美元玩大语言模型训练，简直是玩呢。。。。
谣言 4：DeepSeek 不应该开源，不能让其他国家轻而易举地掌握核心算法技术。
真相 4：开源 ≠ 出卖核心技术
开源并不是出卖核心技术，而是战略性地共享部分技术以促进创新和生态建设，同时保留关键竞争优势。LLM的核心技术包括哪些？可能包括模型架构（如Transformer）、训练方法、优化算法、数据处理流程、超参数设置等。其中，模型架构本身很多已经是公开的，比如Transformer架构由Google在2017年开源。但具体的实现细节，比如模型参数的调整、训练数据的处理、分布式训练的技术等可能是企业的核心竞争力。DeepSeek 开源的内容聚焦于 基础架构模型与工具链，旨在吸引开发者共建生态，都来玩并且有利可图，而其核心壁垒（高质量标记数据、工程优化、垂直场景技术）仍保留。
就比如你研发了一种独家火锅底料配方，味道美极了，大受欢迎。如是你想开连锁餐厅，如是你“开源”：
- 开源行为：公开基础底料做法（如“牛油+花椒+辣椒”），但隐藏核心原料比例，微量关键配料与熬制工艺。
- 竞争对手：能按公开配方开店，但味道始终差一截，因为缺乏你的秘制配方和火候控制技术。
- 你的盈利：
- 售卖升级版底料包给连锁店和竞争对手（企业版）；
- 培训厨师如何搭配菜品（技术服务）；
- 打造品牌联盟，收加盟费（生态分成）。
结果：
- 更多人因你的配方有利可图，且降低了入行门槛而进入火锅行业，整个市场变大（现在你经常可以看到某某大公司接入DeepSeek）；
- 你通过控制核心工艺和生态规则，始终是行业龙头；
- 竞争对手想超越，仍需投入巨资研发你的“未公开技术”。
所以，对其他公司或国家而言，并不是复制粘贴就可以搞个大模型出来，真正的核心竞争力（数据、算力、人才）仍需自主积累。一向自视甚高的印度在DeepSeek开源后也表示也要10个月推出自己的大模型，且听象吟诗。
谣言 5：目前的AI和 5G ，元宇宙一样,只是成为融资的噱头，并不能产生新的技术革命。
真相 5：AI目前已经渗透到生活的方方面面，从语音助手到推荐算法，再到自动驾驶、医疗诊断、工业智能制造，它的进展是实实在在的。
如果期待是通用人工智能（AGI）的迅速实现，那确实可能让人失望，因为AGI还有很长的路要走，一些技术瓶颈尚未突破。但如果看具体应用，比如生成式AI（如ChatGPT、豆包），它已经带来了生产力的提升和商业模式的变革。AI是可以深度学习，自我优化的，终将在各个领域渗透，效果会逐步显示。已成为一场不可逆的技术变革，并非只是资本炒作。5G 并未带来消费端的“革命”，其商业化进程比预期慢得多。5G是通讯技术，依然在等待其他的技术赶上才能发挥作用。但在企业级市场，如智慧工厂、工业自动化等领域有价值，长期看潜力不容忽视。元宇宙基本上是一个“概念先行、技术跟不上、需求模糊”的典型案例。
