近期，DeepSeek在AI领域引发了广泛关注，其热度持续攀升的同时，也伴随着众多讨论与争议。在这场讨论热潮中，两篇播客内容尤为引人注目，为听众提供了深入理解DeepSeek及其影响的独特视角。
第一篇播客由张小珺主持，邀请到了加州伯克利大学AI实验室的博士潘家怡。潘家怡详细解读了DeepSeek的论文，这场近3小时的深度讲解虽然极具挑战性，但也让听众收获颇丰。他分享了自己在读完论文后，迅速开发出小规模复现R1-Zero模型项目的经历，该项目在GitHub上已收获近万颗星标。潘家怡的努力不仅展现了知识的传承，也体现了技术领域理想主义的实践。
另一篇值得推荐的播客来自Ben Thompson，他关于DeepSeek的三集播客合集总计1个多小时。作为News Letter的开创者和全球知名的技术分析师，Ben Thompson对中国及亚洲市场的洞察尤为深刻。他的播客内容不仅验证了潘家怡的一些观点，还深入探讨了地缘竞争和大厂往事，为听众提供了丰富的背景信息和深入的思考。
在张小珺的播客中，潘家怡提到，DeepSeek-R1在OpenAI o1惊艳亮相后，迅速找出了其隐藏的技术秘密。o1虽然惊艳，但DeepSeek-R1的解答过程更为出色，且其开源特性为科研投入提供了更多确定性。这一点对于人力增长和成果产出都大有裨益。潘家怡还指出，尽管AI产业烧钱规模巨大，但已有近两年时间没有新的主流模型出现，GPT-4仍占据主导地位。然而，DeepSeek-R1的出现打破了这一僵局，展示了强化学习在AI思考方面的潜力。
Ben Thompson的播客则更多地聚焦于DeepSeek对AI行业格局的影响。他指出，硅谷在AI安全方面的过度重视，实际上是为了合理化其封闭行为。然而，DeepSeek的出现打破了这一迷思，证明了暴露的思维链可以成为用户体验的一部分，增强用户对模型思考能力的信任。Ben还将DeepSeek比作2004年的Google时刻，强调了其开源和透明解释技术的重要性。他认为，这种善意不仅推动了技术进步，还为整个行业带来了新的竞争格局。
在播客中，两位嘉宾还讨论了AI行业的成本结构问题。他们指出，中国公司更注重实现更优越的成本结构，而美国公司则更侧重于产品本身的差异化。这种分歧在AI商品的价值判断上尤为明显。同时，他们也提到了硬件限制对AI研究的影响，如DeepSeek在H800芯片上所做的降级优化。尽管如此，DeepSeek仍取得了显著成就，这对其他AI公司来说是一种激励。
两位嘉宾还谈到了数据标注在AI模型训练中的重要性。他们指出，专业的数据标注团队对于提高模型性能至关重要。DeepSeek在这方面也做出了努力，如聘请北大中文系学生进行数据标注，以提高模型的文采表达能力。这种专业性的介入在一定程度上解释了DeepSeek-R1在表现上的出色。
在算法方面，DeepSeek-R1也做出了重大创新。它摒弃了传统算法中对价值函数的过度依赖，转而只对答案进行打分，让模型自行解决推理过程。这种改变使得模型在推理过程中能够自我纠正错误，从而提高了整体性能。这一创新不仅推动了DeepSeek的成功，也为整个AI行业带来了新的思考方向。
总的来说，DeepSeek的火爆出圈不仅展示了其在AI技术方面的实力，也为整个行业带来了新的竞争格局和思考方向。无论是从成本结构、硬件限制还是算法创新等方面来看，DeepSeek都为AI行业的发展提供了新的启示和动力。
