“中國(guó)大模型商業(yè)化之路，效率驅(qū)動(dòng)新篇?！?在人工智能領(lǐng)域，中國(guó)大模型如何突破困境實(shí)現(xiàn)商業(yè)化？DeepSeek - v3 模型的出現(xiàn)又帶來(lái)了哪些啟示？

上周末，Deep Seek-v3徹底火了。

很多人都把關(guān)注點(diǎn)放到訓(xùn)練成本下降帶來(lái)的算力需求降低。

但在烏鴉君看來(lái)，這事最重要的意義并不在于算力多少，而是印證了一件事：

中國(guó)廠商有能力去探索模型效率的極限能力。

這代表著另一種商業(yè)可能性。

當(dāng)中國(guó)大模型在訓(xùn)練層面臨技術(shù)封鎖，不設(shè)預(yù)算上限的情況下去做突破性研究，變成一件極為困難的事情。如果能在好、快、便宜和可靠性之間找出最優(yōu)解，中國(guó)的科技公司便很有機(jī)會(huì)在AI應(yīng)用大規(guī)模落地的過(guò)程中建立良性的商業(yè)循環(huán)。

過(guò)去十年間，中美分別以不同的方式完成了社會(huì)經(jīng)濟(jì)的數(shù)字化，一個(gè)靠消費(fèi)互聯(lián)網(wǎng)，一個(gè)靠SaaS。

如今，這樣的故事將在AI領(lǐng)域重演。

美國(guó)押注模型能力提升，中國(guó)追求模型效率的極限，中美將再次以不同的方式邁向人工智能的時(shí)代。

01 算力被“錯(cuò)殺“了？

上周五，算力板塊大跌。

起因是幻方量化發(fā)了一個(gè)新模型，叫Deep Seek-v3。這個(gè)模型的性能接近GPT-4o和Claude-3.5-Sonnet等閉源模型，但訓(xùn)練成本卻只有同性能模型的十分之一。

據(jù)說(shuō)，Deep Seek-v3大模型只用了2048張H800顯卡，2個(gè)月不到時(shí)間訓(xùn)練完畢，計(jì)算預(yù)算只有不到600萬(wàn)美元。而Llama 3.1 405B使用1.6萬(wàn)H100訓(xùn)練了80天。

DeepSeek V3的出現(xiàn)，讓很多人出現(xiàn)了一個(gè)疑問(wèn)——算力需求是不是被高估了？其實(shí)并非如此。

第一，很多人對(duì)DeepSeek V3的訓(xùn)練成本存在誤解。

作為一個(gè)后發(fā)模型，DeepSeek V3可以避開(kāi)前人走的坑，或者用更高效方式避坑，也就是“站在巨人的肩膀上”。

這就好比走迷宮，有人花了很大精力走出迷宮。知道路線后，后面的人走出迷宮的時(shí)間就大大縮短了。

考慮到算法進(jìn)步、算力通縮等因素，模型訓(xùn)練成本本身也會(huì)隨著時(shí)間推移而下降。根據(jù)ARK的研究報(bào)告，大模型的訓(xùn)練成本每年下降75%，推理成本每年下降86%。

再者說(shuō)，2048塊H800也不是DeepSeek V3全部訓(xùn)練算力投入。

上述成本僅包括DeepSeek-V3 的正式訓(xùn)練，既不包括DeepSeek R1模型生成的高質(zhì)量數(shù)據(jù)消耗的算力，也不包括模型架構(gòu)的探索調(diào)試階段消耗的算力。

比如，后訓(xùn)練的時(shí)候，DeepSeek直接把一個(gè)叫R1的模型，它的推理能力蒸餾到了V3模型上，這樣后訓(xùn)練部分就基本沒(méi)有成本。

第二，算力投入沒(méi)有下降，而是投入方向變了。

過(guò)去，預(yù)訓(xùn)練是提升模型智能的主要路徑，算力主要被用在了卷數(shù)據(jù)量、卷參數(shù)。

但到了現(xiàn)在，單純卷規(guī)模的性價(jià)比越來(lái)越低，算力就被花到了其他更有性價(jià)比的地方，比如卷數(shù)據(jù)質(zhì)量，卷新的Scaling因子（RL、測(cè)試時(shí)間計(jì)算等）。

就拿合成數(shù)據(jù)來(lái)說(shuō)，根據(jù)“海外獨(dú)角獸”測(cè)算，像GPT-4， Claude-3.5 水平的模型，想要其大幅提升推理能力，需要合成 1-10T 量級(jí)的高質(zhì)量推理數(shù)據(jù)，對(duì)應(yīng)的成本大致需要6-60億美金。

無(wú)論是合成數(shù)據(jù)，還是測(cè)試時(shí)間計(jì)算，哪一種方式都是用AI無(wú)限的計(jì)算能力來(lái)補(bǔ)足它數(shù)據(jù)利用效率不夠的短板。

也就是說(shuō)，所謂的算力投入并沒(méi)有變小，只是算力投入的方向有所變化。

第三，從絕對(duì)值看，科技巨頭們?cè)谒懔ι系耐度霙](méi)有減少，反而還在大大增加。

根據(jù)國(guó)外網(wǎng)站LessWrong估算，科技巨頭的算力明年將繼續(xù)大幅增長(zhǎng)。即使增長(zhǎng)幅度最少的谷歌，算力規(guī)模也至少實(shí)現(xiàn)了翻倍：微軟有75萬(wàn)-90萬(wàn)塊等效H100，明年預(yù)計(jì)達(dá)到250萬(wàn)-310萬(wàn)；谷歌有100萬(wàn)-150萬(wàn)塊等效H100，明年預(yù)計(jì)達(dá)到350萬(wàn)-420萬(wàn)；Meta有55萬(wàn)-65萬(wàn)塊等效H100，明年預(yù)計(jì)達(dá)到190萬(wàn)-250萬(wàn)；亞馬遜有25萬(wàn)-40萬(wàn)塊等效H100，明年預(yù)計(jì)達(dá)到130萬(wàn)-160萬(wàn)；xAI有10萬(wàn)塊等效H100，明年預(yù)計(jì)達(dá)到55萬(wàn)-100萬(wàn)；

國(guó)內(nèi)同樣延續(xù)這種趨勢(shì)。根據(jù)浙商證券研報(bào)，字節(jié)跳動(dòng)2025年資本開(kāi)始將高達(dá)1600億元，是2024年資本開(kāi)支的一倍，其中約900億元用于AI算力的采購(gòu)。

科技大廠堅(jiān)決投資算力的邏輯也很簡(jiǎn)單。新模型的訓(xùn)練需要更多算力，而AI應(yīng)用的繁榮不僅帶來(lái)了更多的算力需求，也讓算力的投資回報(bào)率更為明確。

02 找到中國(guó)大模型的商業(yè)化答案

DeepSeek-V3這事的最大意義在于，證明了一件事：

即便不是超級(jí)大廠、沒(méi)有10萬(wàn)張GPU的集群，也可以通過(guò)工程創(chuàng)新的方式，訓(xùn)練出足以媲美頂尖模型的成果。

這背后的邏輯是，除了堆先進(jìn)算力外，更靈活、更高效地使用算力將變得越來(lái)越關(guān)鍵。之前，李開(kāi)復(fù)一直在表達(dá)一個(gè)觀點(diǎn)：

中國(guó)做AI的優(yōu)勢(shì)從來(lái)不是在不設(shè)預(yù)算上限的情況下去做突破性研究，而是在好、快、便宜和可靠性之間找出最優(yōu)解。

在相當(dāng)長(zhǎng)時(shí)間里，國(guó)內(nèi)大模型一直處于很尷尬的處境，訓(xùn)練階段不僅被技術(shù)封鎖，還容易被海外開(kāi)源降維打擊。但隨著模型走到應(yīng)用階段，這一局面可能將發(fā)生改變。

相比訓(xùn)練的技術(shù)封鎖，推理是很難封鎖的。

原因在于，訓(xùn)練階段能不能成，標(biāo)準(zhǔn)很單一。應(yīng)用生態(tài)能否跑通，取決于每個(gè)國(guó)家的成本結(jié)構(gòu)、商業(yè)模式、經(jīng)濟(jì)模型、產(chǎn)品供給能力，大家各有不同，是個(gè)復(fù)雜的商業(yè)問(wèn)題。

固然，中國(guó)買不到最新的芯片，單位Flops的推理成本永遠(yuǎn)比海外高，但這也倒逼中國(guó)infra出現(xiàn)了各種“工程式創(chuàng)新”，去探索更高效的算力優(yōu)化方式。

至少?gòu)哪壳翱?，?guó)內(nèi)推理優(yōu)化進(jìn)展比大家想象要快。一旦算力優(yōu)化這事跑通，國(guó)內(nèi)大模型在商業(yè)層面建立良性循環(huán)也不是沒(méi)有可能。

也就是說(shuō)，中美未來(lái)AI將是兩個(gè)完全不同的故事：美國(guó)押注模型能力提升，中國(guó)追求模型效率的極限。

這就很像當(dāng)年互聯(lián)網(wǎng)所發(fā)生的故事。過(guò)去十年，中國(guó)和美國(guó)在互聯(lián)網(wǎng)領(lǐng)域講了兩個(gè)完全不同的故事：硅谷加倍投入企業(yè)軟件，而中國(guó)則將賭注押在消費(fèi)者應(yīng)用上。

自谷歌和Meta后，美國(guó)科技業(yè)幾乎放棄了在消費(fèi)互聯(lián)網(wǎng)上再造流量入口的嘗試，轉(zhuǎn)而選擇全面擁抱SaaS。軟件也完美接力上一個(gè)十年中的消費(fèi)移動(dòng)應(yīng)用，成為新十年的主流投資趨勢(shì)，也跑出了很多優(yōu)秀公司。

而中國(guó)在消費(fèi)互聯(lián)網(wǎng)展現(xiàn)了非凡的生命力，字節(jié)跳動(dòng)把短視頻生意做到了全世界，美團(tuán)把本地生活做成了一個(gè)千億美元的生意，而拼多多也成長(zhǎng)為阿里、亞馬遜一外的電商新一極。

在GPT橫空出世之后，美國(guó)SaaS公司率先受益，紛紛開(kāi)始向客戶提供AI功能，通過(guò)之前建立的客戶基礎(chǔ)和產(chǎn)品場(chǎng)景直接產(chǎn)生商業(yè)回報(bào)，大大提升了在AI上創(chuàng)新投入的回報(bào)確定性。而中國(guó)的AI應(yīng)用卻因?yàn)槿狈?chǎng)景和商業(yè)模式而進(jìn)展緩慢。

隨著AI應(yīng)用的逐漸落地，模型效率將會(huì)成為打通中國(guó)大模型產(chǎn)業(yè)商業(yè)循環(huán)的一把“鑰匙”。