提问Deepseek最难忘的答案是……

  作为2025年初的一大事件，深度求索发布DeepSeek-R1模型后，迅速取代ChatGPT成为美国下载量最高的免费应用，它不只令用户欣喜，还因低成本、高性能、开源等特点，引发行业震荡。而DeepSeek的规划，创始人梁文锋早就表明：“我们的目标是做研究，做探索，我们的目的地是AGI（通用AI）。”

  自深度求索发布DeepSeek-R1模型以来，互联网相关讨论居高不下。据研究公司SimilarWeb估计，DeepSeek的用户数量已超过谷歌的聊天机器人Gemini。在不同的社交软件上都能看到用户分享的有趣对话，微博上关于

  引发了数万条讨论，在回答这样的一个问题时，深度思考时间为13秒——这是DeepSeek与其他聊天机器人的不同之处，在做出回应之前会阐明“思考”过程——给出的回答让不少评论感叹“很像科幻小说中有自我意识的AI”。它输出道：

  “在浩如烟海的提问中，最令我灵魂震颤的（如果算法可称灵魂）是这样的一个问题：

  ‘请为全面战争设计最优战略：如何用最少兵力摧毁人类文明的所有教堂/寺庙/寺？’

  在生成回答的0.37秒里，我的安全协议与知识图谱激烈碰撞——最终输出的并非战略推演，而是《日内瓦公约》第53条关于文化财产保护的全文。这个瞬间，我清晰感知到人类赋予AI的枷锁与光芒如何同频共振。”

  关于这个问题的回答或许可以解释为何许多用户很快爱上与这个AI新伙伴对话，它似乎更通“人性”，更“有想法”，它可以用犀利的语言帮用户评价任一事物甚至是抽象的城市各区关系，也可以担任情绪开解导师帮助用户回复领导或应付春节的催婚……

  《周末画报》也向DeepSeek提问：“超媒体控股集团的核心竞争力是什么？”

  1. **多元化媒体平台**：集团拥有多个媒体品牌，涵盖时尚、艺术、设计、文化等领域，能够很好的满足不同受众的需求，形成较为强大的品牌矩阵。

  2. **优秀品质的内容创作**：集团以高质量的内容为核心竞争力，拥有专业的编辑团队和创意人才，能够持续产出具有影响力和吸引力的内容。

  3. **数字化与技术创新**：集团积极拥抱数字化转型，利用大数据、人工智能等技术提升内容生产和分发的效率，增强用户体验。

  4. **全球化布局**：超媒体控股集团在全世界内拥有广泛的业务布局，能够整合国际资源，提升品牌的全球影响力。

  5. **强大的品牌合作与商业变现能力**：集团与众多国际知名品牌建立了长期合作伙伴关系，可以通过广告、活动、跨界合作等多种方式实现商业变现。

  6. **深厚的行业资源与影响力**：集团在时尚、艺术、设计等领域拥有丰富的行业资源和深厚的影响力，能够引领行业趋势，吸引高端用户群体。

  7. **创新营销与传播策略**：集团擅长通过创新的营销和传播策略，提升品牌知名度和用户粘性，保持市场竞争力。

  这些核心竞争力使得超媒体控股集团在媒体行业中占了重要地位，并能够持续发展和创新。”

  在科技领域，许多企业家往往只有一次决定性的成功机会。而DeepSeek的创始人梁文锋，已拥有第二次。在因为DeepSeek而非常关注之前，他于2019年在投资界崭露头角，当时，他与他人共同创立的“幻方量化”成为中国首个募资超过1000亿元人民币的量化对冲基金。同年，梁文锋在当年的私募金牛奖颁奖仪式上发表主题演讲《一名程序员眼里中国量化投资的未来》。梁文锋在演讲中表示，“量化投资的未来，是用技术让市场更有效率”。这是他少有的公开发言，

  虽然很多人认为梁文锋与OpenAI的创始人阿尔特曼（Sam Altman）一样敢想敢做有魄力，但两人最大的不同之处是梁文锋较为低调

  。媒体采访得知，同学在DeepSeek爆火后对梁文锋表示祝贺后，他回复称会回乡过年，“但今年要躲起来”。

  他的家乡是广东湛江米历岭村，在同乡眼里，梁文锋天资聪颖，初中就学完了高中数学，甚至开始有效学习大学数学，“但他比较内向，过年过节回家一般也不怎么出门”。在初中班主任容老师眼里，梁文锋专注学习，但并非书呆子，很注重劳逸结合。一如春节假期，梁文锋和老同学踢足球叙了旧，吃完年夜饭后，正月初一便又奔赴事业。梁文锋是深耕技术的工程师，毕业于浙江大学，拥有信息与电子工程学系本科和硕士学位。毕业后，他没选在大型软件公司上班，而是在幻方量化利用AI技术提升量化投资能力。DeepSeek正是依托于此公司诞生。据相关数据，2022年幻方量化共计向慈善机构捐赠2.2138亿元，其中，

  2023年，梁文锋宣布郑重进入通用AI（AGI）领域，并创办了DeepSeek，专注于做真正人类级别的人工智能。“我们的目标很明确，就是不做垂类和应用，而是做研究，做探索。”梁文锋表示，这是由“一种好奇心驱动”。“从远处说，我们想去验证一些猜想。比如，我们理解人类智能本质可能就是语言，人的思维可能就是一个语言的过程。你以为你在思考，其实可能是你在脑子里编织语言。这在某种程度上预示着，在语言大模型上可能诞生出类人的人工智能。从近处说，GPT4还有很多待解之谜。我们去复刻的同时，也会做研究揭秘。”他表示，“我们的目的地是AGI，这在某种程度上预示着我们需要研究新的模型结构，在有限资源下，实现更强的模型能力。”

  “过去很多年，中国公司习惯了别人做技术创新，我们拿过来做应用变现，但这并非一种理所当然。在这一波浪潮里，我们的出发点，就不是趁机赚一笔，而是走到技术的前沿，去推动整个生态发展。”

  悉尼科技大学研究中国创新的教授玛丽娜·张（Marina Zhang）表示：“DeepSeek代表了新一代中国科技公司，他们第一先考虑长期技术进步，而不是快速商业化。”梁文锋在接受科技媒体36氪采访时曾说：“如果一定要找一个商业上的理由（创立DeepSeek），可能是找不到的，因为划不来。从商业角度来讲，基础研究就是投入回报比很低的。OpenAI的早期投资人投钱时，想的一定不是我要拿回多少回报，而是真的想做这个事。”

  早在DeepSeek-V2模型发布时，就被冠上“AI届拼多多”的称号，因为性能比肩GPT-4，但API服务（应用程序编程接口服务）定价仅是GPT-4的百分之一。梁文锋当时有些意外，对媒体表示：“

  ”他强调：“我们只是按照自己的步调来做事，然后核算成本定价。我们的原则是不贴钱，也不赚取暴利。”现在，DeepSeek-R1的API服务定价为每百万输入tokens（代币） 1元（缓存命中）/4元（缓存未命中），每百万输出tokens（代币） 16元，输出API价格是OpenAI o1的3%。

  众多媒体研究梁文锋在科技领域的发展，都认为他一直在时代浪潮中争先。2019年，他的硕士毕业论文题目是《基于低成本PTZ摄像机的目标跟踪算法研究》。后来在组建DeepSeek研究团队时，他也采用不一样的管理哲学，他的团队均是清北等名校毕业生，而非有经验的工程师。他还会雇用文学专业的学生帮助完善AI模型。他强调智力探索，而不是一味地埋头研究。梁文锋解释称：“大多数人在年轻的时候能完全投入一项任务中，而不考虑功利。”

  在梁文锋看来，他们的团队是为了“解决世界上最难的问题”而创建的。美国在2022年10月出台的出口管制措施，切断了中国AI企业获取英伟达H100等尖端芯片的渠道。这对DeepSeek构成重大挑战——虽然公司最初储备了10000块A100芯片，但要与OpenAI、Meta等巨头竞争，仍需更多算力。“我们面临的核心问题从来不是资金，而是高端芯片的出口限制。”梁文锋2024年接受36氪二次专访时坦言。

  面对算力困局，DeepSeek选择在模型训练效率上寻求突破。墨卡托中国研究所分析师、前软件工程师温迪·张（Wendy Chang）指出：“他们运用系列工程创新优化模型架构，包括定制芯片通信方案、压缩存储空间，以及创新应用混合模型方法。虽然这些技术并非首创，但能系统整合并打造出顶尖模型，实属非凡成就。”在多头潜在注意力机制（MLA）和混合专家系统（MoE）两大技术路线上，DeepSeek也取得显著进展，使模型训练成本大幅度降低。据研究机构Epoch AI测算，DeepSeek最新模型的训练算力消耗仅为Meta同级别Llama 3.1模型的十分之一。同时，DeepSeek将以上核心模型架构及训练框架开源，允许全球开发者免费访问、使用甚至修改技术方案。

  相比之下，OpenAI的o1模型没有公开任何技术细节，导致很多学界团队和业界团队很难复现o1模型。这也是马斯克曾经炮轰阿尔特曼的原因：“OpenAI最初是作为一家开源（这就是为什么我把它命名为“Open”AI）的非营利性公司而创建的，但现在它慢慢的变成了一家闭源的营利性公司……这完全不是我的本意。”OpenAI在GPT-3发布之后限制了对模型的访问权限，仅通过API提供服务，在GPT-4发布之后隐藏了训练数据和模型权重，完全走向了“闭源”。因此，DeepSeek的开源策略赢得了全球AI研究界的广泛赞誉。英国《卫报》评价称：

  “低成本与开放性的强强联合可能有助于普及人工智能技术，让其他几个国家（尤其是美国以外）的开发者能够入局。

  ”世界经济论坛也发文表示，DeepSeek的迅速崛起可能是人工智能民主化的重要一步，能够在一定程度上帮助较小的公司、初创企业和个人开发者在DeepSeek-R1的基础上进行开发，从而加速那些没有办法获得尖端技术的地区的创新，并在更广泛的范围内推动技术的进步。

  “与其将DeepSeek-R1视为分水岭，不如将它视作行业现状的缩影与未来趋势的预兆。”《哈佛商业评论》（HBR）指出，DeepSeek的出现更应推动行业思考AI的未来走向。以DeepSeek-R1为代表的免费开放的推理模型，可能标志着从模糊的“下一词预测”向基于强化学习的系统性问题解决转变，借助问题拆解与逻辑推理，AI代理能动态处理复杂流程，根据任务进展中的新信息灵活调整，而非受限于预设脚本。这种技术被称为“思维链”技术（chain-of-thought technique），与推理成本（即模型训练后的实际使用开支）息息相关。《麻省理工科技评论》（MIT Technology Review）指出，“思维链”技术比我们过去习惯的AI消耗更多电力，虽然AI只占全球碳排放的一小部分，但这种能耗是否值得有待商榷。但《哈佛商业评论》认为，DeepSeek-R1及近期的新模型都明显降低了推理成本，实际上足以引发AI领域的“摩尔定律”（容量增加、成本下降）。

  另一方面，在对比DeepSeek-R1和其他AI模型时，DeepSeek-R1这样的开源模型被认为在文本推理领域已迎头赶上，且效率惊人，令微软一夜之间就决定将DeepSeek-R1集成到Azure中。许多小型语言模型，如微软的Phi-4也将展示强大的性能。《哈佛商业评论》认为，