拾象科技闭门讨论：86 条 DeepSeek 的关键思考

比技术更重要的是愿景。

原标题：拾象科技闭门讨论：86 条 DeepSeek 的关键思考
文章来源：Founder Park
内容字数：18985字

DeepSeek：一场闭门讨论会揭秘神秘东方力量

DeepSeek-R1 的横空出世，迅速引发全球AI社区的关注，但关于DeepSeek 的高质量信息却相对匮乏。2025年1月26日，一场由拾象创始人兼CEO李广密组织的DeepSeek闭门讨论会，汇聚了数十位顶尖AI研究员、投资人和一线从业者，对DeepSeek的技术细节、组织文化及未来影响进行了深入探讨。本文总结了该讨论会的要点，旨在揭示DeepSeek的部分面纱。

1. DeepSeek的核心与优势

1. DeepSeek 创始人梁文锋是核心人物，技术实力雄厚。2. DeepSeek 的成功在于率先复现MoE、o1等技术，但仍有很大提升空间。3. DeepSeek 长上下文能力提升迅速，常规方法即可实现10K上下文窗口。4. DeepSeek 算力规模可能低于外界预期，注重合规，未采购任何不合规GPU。5. DeepSeek 专注于单一方向（推理），放弃多模态等，将重点放在“push智能”上，而非单纯服务于人，这可能是其成功的关键。6. DeepSeek 作为“黄埔军校”，对人才培养贡献巨大，其商业模式或与量化投资有关。7. DeepSeek在技术层面注重节约硬件成本，在多个扩展方向上都展现了成本控制的技巧。

2. 探索者与追赶者：算力与效率的博弈

8. AI发展类似阶跃函数，追赶者算力需求远低于探索者。9. 探索者需要大量算力进行模型探索和算法创新，而追赶者更关注效率提升。10. 小公司因算力有限，更注重效率；大公司则更关注模型快速迭代和稳定性。11. 国内下一个追赶方向可能是多模态，因为海外GPT-5迟迟未发布。

3. DeepSeek的技术细节

12. DeepSeek 最大的震撼在于无需进行大量有监督微调 (SFT)，尤其在推理层面。13. DeepSeek-R1巧妙地利用RLHF生成数据，再进行SFT蒸馏，提升了效率。14. DeepSeek 在数据标注上非常重视，这可能是其模型效率高的关键因素之一。15. 蒸馏技术虽然能提升效率，但可能导致模型多样性下降，限制模型上限。16. DeepSeek 的过程奖励机制 (Process Reward) 值得进一步研究，其有效性及避免奖励劫持 (Reward Hack) 的方法仍需探索。17. DeepSeek对过程奖励的探索，表明了对模型推理过程的关注，但过程监督可能存在上限。

4. DeepSeek的影响与未来

18. DeepSeek 的出现挑战了英伟达和OpenAI的叙事，引发了对算力需求变化的重新思考。19. DeepSeek 的开源策略对闭源模型构成挑战，但两者目前处于共存状态。20. DeepSeek 的出圈提升了中国AI的国际影响力，缩短了与美国AI的差距。21. 未来AI发展可能呈现分化趋势，新的架构、RL算法和产品形态将不断涌现。22. DeepSeek的成功，证明了在有限算力下，通过高效的工程能力和技术创新，同样可以取得突破性进展。23. DeepSeek 的长期影响有待观察，但其对AI领域带来的冲击是毋庸置疑的。

联系作者

文章来源：Founder Park
作者微信：
作者简介：来自极客公园，专注与科技创业者聊「真问题」。