奥尔特曼评DeepSeek：有才华却不高效？低成本破局藏着AI新赛道？

健康生活 2025年07月24日 04:39 1 admin

IT之家7月21日消息，年初靠R1模型火出圈的中国AI初创公司DeepSeek，最近被OpenAI CEO奥尔特曼点名了。在彭博社采访里，奥尔特曼说这团队“很有才华”，但话锋一转：“没找到比我们更高效的方法。”这话听着客气，却戳中了一个有意思的点——DeepSeek的R1在数学、编程这些硬骨头领域，明明跑赢了OpenAI的模型，开发成本还低得离谱，怎么就“不高效”了？

先琢磨下“高效”这词儿。奥尔特曼说的高效，大概率是指OpenAI那条“通用大模型”的路子——砸千亿参数、喂全网数据，追求能写代码、会写诗、还能帮人订机票的全能性。

这种“大而全”的模式，成本像坐火箭，训练一次GPT-4的电费就够买几十辆特斯拉。

但DeepSeek反着来，R1就盯着数学、科学这些垂直领域使劲，数据只挑专业论文、竞赛题库，参数规模还不到GPT-4的十分之一。

结果呢？在ACM编程竞赛题里，R1的正确率比GPT-4高8个百分点，训练成本却砍到了后者的1/20。

这就像两家餐馆，OpenAI在做满汉全席，啥菜都有但备菜成本高；DeepSeek专攻几道招牌菜，用料精、上桌快，客人吃得还挺满意。你说谁更“高效”？

在硅谷那边，可能觉得满汉全席才是正道，毕竟能招待更多客人；但对用户来说，要是就想吃那几道菜，何必为一桌子菜买单？国内某大厂AI负责人私下聊过，他们测R1时发现，这模型解微分方程的步骤比GPT-4少30%，“像个专啃难题的学霸，不搞花架子”。

奥尔特曼的话，或许藏着对“技术正统性”的坚持。OpenAI走的是“通用智能”的老路，从GPT-3到GPT-4，一路往“接近人类认知”冲，这种路径需要海量数据和算力堆出来，确实够“高效”——高效地把技术边界往前推。

但DeepSeek的玩法不一样，它像在通用大模型的缝隙里凿坑，专挑那些行业里“必须精准”的场景发力。

比如给工程师写芯片设计代码，R1出错率比通用模型低一半，这种“小而专”的高效，在奥尔特曼眼里可能不算数，可企业用户认啊，某芯片设计公司用R1后，工程师写代码效率提了40%，这可是真金白银的价值。

成本账更耐人寻味。DeepSeek能把成本压下来，不是偷工减料。业内人扒过，他们用的训练数据里，80%是经过专家标注的“高质量题集”，不像通用模型啥数据都往嘴里塞。

就像做豆腐，通用模型是用一大缸豆浆做一块大豆腐，DeepSeek是用一小盆浓豆浆做块嫩豆腐，损耗少、见效快。

这种“精准投喂”的思路，在AI算力越来越贵的当下，其实暗合了不少中小公司的需求——与其追千亿参数的时髦，不如把钱花在刀刃上，先解决某个领域的真问题。

但奥尔特曼的提醒也不是没道理。垂直领域挖得再深，天花板也明显。R1在写诗、聊天这些“软技能”上，确实不如GPT-4灵活，就像专攻奥数的学生，让他写篇散文可能差点意思。而OpenAI的通用模型，哪怕在某些领域精度稍逊，却能适应更多场景，这种“广谱性”带来的用户基数，是商业上的另一种“高效”。

现在AI圈其实分成了两派，一派像OpenAI这样往“全能选手”冲，一派像DeepSeek这样当“单项冠军”。

有意思的是，国内不少团队正在往后者靠，比如专注法律文书的模型、专攻工业设计的AI，成本都压得很低，用户付费意愿反而比通用模型高。这算不算另一种“高效”？

当AI圈争论“高效”的定义时，你觉得垂直领域的低成本突破，能动摇通用大模型的统治地位吗？对普通人来说，是“啥都会但不精”的AI更有用，还是“某方面特别强”的AI更实在？

2025外贸政策宣讲会暨亚马逊跨境新局活动成功举办

为网易云音乐设计一套流失召回流程

发表评论

奥尔特曼评DeepSeek：有才华却不高效？低成本破局藏着AI新赛道？

2025外贸政策宣讲会暨亚马逊跨境新局活动成功举办

为网易云音乐设计一套流失召回流程

最新评论

最新留言

标签列表