李善友：DeepSeek，是国运的AI支点
2025年4月25日，2025年李善友开年大课暨混沌·AI创新院开学典礼正式开讲。
Day1的主题是"AI的进击"，在上午的大课中，教授动情表示：DeepSeek，将是国运的AI支点。
以下是李善友教授大课的笔记内容。
讲者 ｜李善友
我相信未来的20年，必然是AI在中国的黄金20年。
其实在大课开始前，我们同事问我：教授你为这堂课，做了多长时间的准备？
我想：这个准备，如果从长来说可能是十年，往短里说可能是18个月。
所以：18个月以来，我一直在思考，今天这个时代命题是什么？混沌要呼应什么样的命题？
我要把最大公约数的那个命题，像旗帜一样举出来，跟所有同学们去呼应。
这个命题究竟是什么？
我一直在思考。
今天，就是我对这个思考的一次揭晓，我们的题目叫——
AI的黎明
我觉得我们就在历史当中，但是我们并不自知。
2015年OpenAI成立，它起初是一家非营利实验室：早期他们想做一个开源的、安全的人工智能。
最先发起这个倡议的人是马斯克，他找到了今天OpenAI的CEO奥特曼，一起联手从谷歌挖来了Ilya，去做OpenAI的首席科学家。
因为马斯克看见了一件事情，谷歌把之前最领先的AI实验室DeepMind给收购了。
马斯克心中有一个巨大的隐忧——AI比核武器更具威胁，任由AI发展下去，最终AI一定反过来控制人类，甚至会毁灭人类。
其实我认为，OpenAI是这一轮AI革命的先驱。
我觉得全世界的人，都应该向AI革命的先驱OpenAI致敬，因为它把人工智能从理念和理论，去变成模型、变成产品、变成应用。
这里我想讲一下，OpenAI是如何为AI来建模的？
什么叫建模？混沌看任何事情的时候，不会说这个事儿是什么，我们的"第一问"就会问这个事的"一"是什么？
这句话，等同于在追问这件事情的本质是什么？
所以，今天我想提供一种非常简单的建模方式，用这个建模方式作为一个语言体系，我为大家一点一点梳理AI背后的本质到底是什么？
这个模型我称为XY维度建模法。
我想用X轴和Y轴的二维结构，来看OpenAI如何为整个行业建模，陪大家探索AI背后的本质。
我在这里重申一次：为AI建模，不是OpenAI独立完成的，它是几代人、整个生态一次又一次迭代的结果。
接下来我会讲五个关键节点，结合XY维度建模法前，从基础的科研到技术，到产品，到商业化，来让你理解OpenAI是如何为AI来建模的。
第一个关键节点：1943年，MP神经单元模型
人工智能有很多流派，简单来说有两大流派。
第一个流派叫符号主义，基于人类的规则来做人工智能。
就是教人工智能学习人类的方式、像人类一样思考。
另外一派是少数派，是最不被认同的非主流者，叫连接主义。
他们认为，凭什么让人工智能像人一样去思考呢？
这一派的特点是"不干预"，以翻译为例，缺点是即使AI翻译出来了，你也不理解它是如何翻译出来的。
这两派竞争了很多年，几乎没有人相信第二派。
在第一个节点，我要致敬的人物是McCulloch和Pitts两位教授，两人可以称为神经网络之父。
我们今天之所以会有人工智能，是因为80年前，这对像父子般的教授联手为神经元建模。
1943年，两人用数学的方式建立了MP神经单元模型。
MP神经单元模型非常简洁，分三部分：左边是输入，右边是输出，中间是隐藏层。
如果X代表输入，Y代表输出，这个模型会发生一件非常有意思的事，当X在某个数字之前的时候，Y一直等于0。
而当X达到某一个数值后，Y突然就变成了1，这就是——
涌现。
而中间层就是人工智能的灵魂，它像黑盒子一样，在人工智能里面存在着。
另外如果今天有一个词你要带回去，我希望你把涌现带回去。
涌现是我们今天未解的一个宇宙之谜，我相信它是AI的秘密，但反过来说，也是我们在AI时代存活下去的一个机制。
第二个关键节点：1986年，深度学习
第二个节点，我要致敬的人物是Hinton，被称为深度学习之父，而且在去年拿到了诺贝尔奖。
如果没有他对神经网络路线的探索，后面的一切都不会发生。
Hinton从小就相信：人工智能应该学习人类大脑神经网络，能够自发产出智能。
当他毕业的时候，他仍然坚持自己的道路，但他的导师不相信，因为从理论上来看，这件事不可行，甚至会成为笑话。
面对众多的质疑，他辗转去了美国好几个学校做博士后、教授助理、副教授等，但始终难以施展拳脚。
直到后来他到了加拿大，幸运的是，最终成功了。
1986年，他提出了反向传播算法，它可以反向回来校验结果跟目标之间的差距。
今天，反向传播算法是深度学习的核心技术之一，也是当前大模型训练的基础方法。
第三个关键节点：2012年，AlexNet
斯坦福大学有一个华人女教授叫李飞飞，她发现小孩子可以识别猫和狗，但当时的人工智能无法做到。
于是她做了一个ImageNet大赛，让全世界所有的AI来识别猫和狗。
而Hinton还有两个学生非常有名，一个是Alex，另一个是Ilya。
三个人用反向传播算法做了一个模型——
AlexNet。
直到2012年，AlexNet模型在大赛当中的错误率是15%，而前一年的冠军是26%。
这个结果震惊了业界，因为这说明深度学习不仅理论上可行，在实际运用时还能一鸣惊人。
从那一天开始，人工智能领域变天了。
因为大多数人是看见才会相信，AlexNet的意义非凡。
它证明了：只要算力足够大，只要数据足够多，神经网络一定可以超越人类视觉。
这就又到了我提到的：XY维度建模法。
如果AlexNet的X轴是多层神经网络（特有的叫卷积神经网络），那么它的Y轴有两个要素出来——
一个是数据的规模，ImageNet大赛有上百万张图片供模型去训练。
另一个则是GPU，Hinton师徒三人第一次把GPU用在人工智能领域，因为GPU可以并行运算。
而直到两年以后，黄仁勋才意识到GPU的黄金时代来了。
第四个关键节点：2017年，Transformer
2017年6月，8位谷歌的科学家、工程师发表了一篇论文叫做《Attention is all You Need》。
这篇论文为今天AI的形态扎下了根基，就像是在工业革命里人类发明内燃机一样，人类找到了智能革命的内燃机。
这个内燃机就是论文中提出的Transformer，这是一种基于自注意力机制的神经网络架构。
总而言之，Transformer创造了一个巨大的一个武器，一种极大的力量。
这个力量并不是自然界存在的力量，而是人类发现的一个计算里面的力量存在。
第五个关键节点：2020年，GPT-3横空出世
Transformer这篇论文刚发布的时候，谷歌还没有人能挖掘出它更深层次的意义，只把它运用在机器翻译上。
而Hinton的学生、OpenAI首席科学家Ilya，相信Transformer可以用在所有的通用数据、通用语言里。
在Transformer的基础上，Ilya加上了Scaling Law 的维度，让GPT成为了可能。
Scaling law是大语言模型里的一个自然法则，简单理解就是规模越大，性能越强，大力出神迹。
而大力包括三部分：第一是算法的规模，也就是模型参数的规模；第二是数据量的规模；第三是GPU卡数的规模。
这三个规模越大，去做预训练，就越可以让智能涌现。
通过不断地训练，人工智能体的智商不断提高，它就可以帮人类干活了。
Ilya是全世界第一个理解这件事情的人。
那么，GPT是什么意思呢？它的全称是Generative Pre-trained Transformer，也就是生成式预训练变换模型。
它最重要的的功能是生成连贯的文本内容，而不仅仅是分析或分类现有数据。
我们来看一组惊人的数据——
2018年，GPT-1，1.17亿参数，没跑出什么来。
2019年，GPT-2，15亿参数，也就那么回事。
2020年，GPT-3，1750亿参数，智能涌现了。
GPT-3涌现出两个能力——
第一个能力，是不需要训练就知道专业领域的东西了。
第二个能力，是突然能理解了上下文的推理了。
所以，Ilya可以称为GPT之父。
既然提到"GPT之父"，这里说个题外话，OpenAI之父该是马斯克的，但后来马斯克离开了。
奥特曼加入了OpenAI去做CEO，所以最后是他把公司做出来的。
当GPT-3出现之后，OpenAI的开发人员设想：能不能把对话的交互界面当成产品界面？
于是，就有了我们今天用的产品ChatGPT，它倡导用户跟它聊天。
到这一步的时候，技术变成了产品。
2022年11月30日，OpenAI发布ChatGPT-3.5，五天时间用户过百万，2个月用户过亿。
它成为史上增长最快的消费级应用，超过了之前的谷歌。
我们可以用一个模型来总结——
OpenAI 将两个关键要素重新组合：
一个是Transformer，一个是Scaling Law，这两个要素在模型维度上的结合，形成了大语言模型。
这个大语言模型所推出的技术，就叫做GPT。
如果用混沌理论中的"一"思维模型来看，大家看到的可能是GPT的功能，而它背后的"一"就是大语言模型。
OpenAI的能力不仅限于此。
2023年9月13日，他们发布了新的推理模型o1。在数据竞赛中，其准确率从GPT的13%直接跃升至83%.
o1模型不仅能解数学题、逻辑题，还能编写代码。
从ChatGPT到o1，这种进步速度，相当于人类思维从系统一（直觉反应）跃迁到系统二（理性思考），把原需10年的AGI进程缩短到两三年。
而真正的理性不在于给出答案，而在于中间的推理过程：而o1实现了这个推理能力。
我记得人们一直在讨论：AGI什么时候能实现？
有人预测可能需要十年。
如今，业界对AI的预测普遍乐观。
我看到最乐观的预测，是认为2026年底就能实现AGI，而最悲观的预测也是不超过2029年底。
当然，面对OpenAI，我们要站在人类的角度，去审视这一技术革命的贡献。
但毕竟我们生活在这片土地上，我们毕竟是中国人，相信各位心中都萦绕着一个问题——
中国AI，路在何方？
我想跟你分享一句话——
一个人所遇到的最美好的事，就是与时代共舞。
第一次工业革命发生在好几百年以前，瓦特改良蒸汽机;
第二次工业革命出现了电、汽车、石油;
第三次工业革命的前奏是个人电脑和互联网，而它的真正目的是AI。
我们正赶上这个时代正在来临的时刻，所以我称它为AI的黎明。
站在人类的角度上，这个世界正在发生10倍速的巨变，快到你根本不知道明天会发生什么。
但是令人遗憾的是，这场变革的上半场与中国人无关。
我们是旁观者，我们是学习者，我们是跟随者。
大家会无意识地想：让美国人去做原创吧，我去做应用和商业。
直到2025年1月20号，突然有一个人出现在新闻联播里，他就是梁文锋。
我相信在那一天之前，全世界全中国99.999999%的人都不知道他是谁。
那一天，梁文锋不仅参加了总理座谈会，同时带来了他震惊世界的发布——
"DeepSeek-R1"。
这是改变中国国运的一个AI支点。
DeepSeek的出现，一夜之间点燃了所有中国人对AI的热情，并且把低靡很久的创业激情又重新点燃了。
我想用混沌的创新四步法的前三步来分析DeepSeek：
第一步，建模型；
第二步，找单点；
第三步，找定位。
最后，我再把它跟OpenAI做一个对比。
Step1：建模型
诚恳地说，DeepSeek没有改变transformer的基础模型，而是在OpenAI的基础之上对大语言模型做了工程创新，大大的节省了成本，提高了效率。
DeepSeek玩的是一个有限的Scaling law。
首先，它没有那么多钱。
因为没有融资，用的是自己过去赚的利润的钱，因此它的资金很有限，不仅跟OpenAI相比非常有限，它跟中国领先的模型相比都是有限的。
其次，GPU受限。
因为美国人的卡脖子，GPU不是想买就能买，而且想买也只能买次等级别的GPU。
因此DeepSeek必须走低成本、高性能的路径。
有一个细节让我深受触动：梁文锋每次都会提醒他的工程师，这行代码能不能再省五毛钱的电费。
那么，DeepSeek到底是怎么做的呢？
我重点想讲另外两个在Transformer上的创新。
它在Transformer上的创新有两个关键词，一个是MLA（多头潜在注意力机制），一个是MoE（混合专家架构）。
我拿图书馆举例子，假如你是一名超级管理员，你需要记住图书馆所有的书，以及每一本书里面的每一个字，你想想看这个注意力机制需要的运算量有多大。
DeepSeek的创新之处在于：给每本书的每一页建立一个索引。
要查找内容的时候，先查书的索引，找到书后再查页的索引，然后把内容给用户。
这是非常精妙的做法。
因为如果有足够的资源可以一直找下去，没有资源的话就创造出了这个聪明的办法。
MoE一共有6700亿参数，而每次计算只需要激活37亿。
这样的结果是V3的模型的训练成本是557万美元，是同类模型成本的1/10。
对于DeepSeek来说，这就是有限的游戏。
其实有限游戏对创业者来说是机会，因为无限的游戏有时听到的不是信号，只是噪声。
2024年12月26号，DeepSeek 成功的发布了大语言模型V3，而且开源。
公允地说，DeepSeek的性能虽然还没有达到o1那么高，但它已经属于一流了。
它的立场是：我知道我跟你大概差不多，然后我开源出去。
这个气魄整个世界没有，而且成本只有其他竞争者的1/10。
但是真正让DeepSeek名震天下的，在所有人心里立住的不是V3，而是推理模型R1。
那从V3到R1到底发生了什么？怎么做到的？
GPT或者V3这样的大语言模型，需要依赖人类反馈的强化学习。
而R1不需要人类反馈，完全靠纯强化学习，也就是"左手打右手"，因此，DeepSeek-R1名震天下。
OpenAI其实也在用"左手打右手"的方法，但他们从未公开算法。
DeepSeek的创新在于用了一种叫GRPO（群体相对策略优化）的算法——
先生成十个模型，淘汰掉一半差的，剩下的继续训练、淘汰，重复64轮后，最终模型就出来了。
OpenAI早期是开放的，连大语言模型的细节都会写论文公开，但到了GPT-4之后，他们就不再公开了，尤其是o1阶段，完全保密。
这部分工作DeepSeek没法直接抄，只能参考。
于是，他们用了一个全新的纯强化学习方法，也就是GRPO，训练出一个叫R1-zero的模型，解题效果特别好。
有意思的是，GRPO其实不是新技术，业内甚至认为它比OpenAI的PPO更落后，但DeepSeek用这个算法实现了低成本、高效率的效果。
关键区别在于优化方式——
OpenAI的PPO每一步推理都优化，过程精细但成本高。
DeepSeek没钱做精细优化，只能根据最终结果优化，中间的推理过程不管，只优化从问题到答案的整体效果。
所以DeepSeek做了一件特别重要的事：
它把所有的推理过程都公开了。你在DeepSeek里问任何问题，它都会把中间的推理过程展示给你。
这种交互方式震惊了全世界——
产品的本质就是交互模式。
过去模型只给答案，你无法判断对错；现在它连解题过程都告诉你，这非常厉害。
而OpenAI没这么做，是有苦衷的。
因为它的训练反馈花了巨额成本，高达几十亿甚至上百亿。一旦公开，别人可能直接拿这些数据蒸馏使用。
DeepSeek发布的第七天，英伟达的股价暴跌17%，当天市值蒸发了6000-7000亿美元。
原因是中国可以用相对便宜的芯片来构建如此强大的推理模型。
推理大模型相当于智能时代的核武器，而目前掌握这种核武器核心能力的只有中美两国。
而这件事情还是在一个名不见经传的、就在我们脚下的这片土地上的一家小公司完成的。
它没有出现在大厂，也没有出现在"六小虎"之中，而是出现在一个搞量化投资的人身上。
这件事情堪称国运级别的大事。
按照常理，这件事本不该发生。
无论从资金、GPU的资源、人才，还是社区储备来看，几乎什么条件都不具备，但它还是成功了。
当这件事完成时，意味着中国重新回到了人工智能的牌桌，甚至有可能开始坐庄。
Step2：找单点
使命
首先，我们探讨一个问题：DeepSeek的终极目标是什么？
DeepSeek的终极目标难道只是为了跑用户、直接商业化赚钱吗？
我认为并非如此。
DeepSeek可能是中国AI公司中唯一一个真正这样想的，甚至连OpenAI最初也有这样的想法，但后来却忘记了，那就是实现AGI（通用人工智能）。
AGI意味着在90%的领域中，AI能够超越90%的人，并且能够自主行动。
AGI正是让我们今天感到震惊，甚至恐惧的那个目标。
DeepSeek的终极目标并不是商业化，而是为人类、为全世界实现AGI。
如果它的目标是为全人类实现通用人工智能，那么DeepSeek的顾客是谁？
我想了很久，答案是：
全人类。
当我讲到马斯克的案例时，他想把人类移民到火星，我知道他的心中装着全人类。
当时我非常感慨，何时能在中国看到这样具有宏大世界观的企业家？
但梁文锋和DeepSeek的确是以全人类为目标，致力于实现通用人工智能。
如果要让全人类都能使用这种人工智能，那么顾客的真实需求是什么呢？如果用一个词来概括，那就是：足够便宜。极致低价才是王道。
用他们的话来说，就是"人人都能用得起的人工智能"。用一个时髦的词来形容，就是"普惠"。
我们认为，AI服务应该是人人都能负担得起且随时可用的。这就要求我们探索新的模型架构。我们必须在有限的资源下实现更强的能力普惠，这是需求所在。
如果想为全人类提供人人都能用得起的AI服务，应该选择什么路线呢？
这是一个基础的选择：开源还是闭源？
如果是闭源，仅靠自身服务所有人，显然是做不到的。
而如果是开源，我们可以只做基础及基座模型，让各个行业的人在此基础上开发行业模型或专有模型，再由它们为全人类提供服务。
核心能力
所以，不要只站在我们习惯的视角上纠结开源还是闭源。
要知道，OpenAI从一开始就想要做开源。
而梁文锋这位"商人中的商人"，他从事金融，可以说是离钱最近的人，但他却在技术路线上选择了看似离钱最远的，开源。
梁文锋的选择是做开源，而且技术要领先。
这个想法可能看起来很奇怪。
为什么奇怪呢？
因为长期以来，我们的惯性思维是：美国人擅长原创式创新，处于领先地位；而中国人擅长跟随式创新，做从1到10的事情。
这种观念就像思想钢印一样，印在了三四代中国人的心中。
比如，一直以来，硅谷负责创新，中国人负责商业化。
所以硅谷的人也感到不满，每次他们创新，赚钱的却是我们，而我们也因此沾沾自喜。
但我们从未想过，我们也可以做0-1，从未想过这件事与中国有关。
整个业态几十年来一直是这样。
而且，做原创还有一个难题：全世界排名前50的AI人才几乎都在美国。
做这些事情需要人才，而排名前50的人才都在美国，我们还有什么希望呢？
这把我们逼到了绝境：我想为全人类提供一个开源的大模型，而且它要领先全世界，我不是跟随，那么，该怎么办呢？
这是在有限条件下的挑战。
最后，梁文锋说："我不融资了，就用自己的钱来做这件事。"他一分钱也没融到。
他既没有钱，也没有这些顶级人才。
他原本也不在这个领域，但他却想超越美国，还要开源，那该怎么办呢？
他选择了一种独特的方式，去触发这种原创式的创新。
我相信，这一点是他成功的关键，至少是关键之一。
那个核心词汇就是"涌现"。
我还是那句话：如果今天有一个词你要带回去，我希望你把涌现带回去。
他用涌现式的组织来打造涌现式的AI，这是一个一体化的组织。
DeepSeek本质上是一家AI实验室，非盈利、不融资、不上市，而是一个学院式的实验室。
我突然发现，做出AI突破性进展的，其实都是AI实验室：
第一个是DeepMind，做出了阿尔法狗；
第二个是OpenAI，早期也是实验室，做出了GPT；
第三个就是DeepSeek，也是一个AI实验室。
AI实验室就是纯粹为一个理想而奋斗，先不考虑商业上的回报。
另一个特征是科学家和工程师放在一起，30%的人是研究员，70%的人是工程师。
工程师和科学家在一起工作，科学家有了想法后，工程师立刻就能将其付诸实践，反过来验证科学家的想法。
DeepSeek本身并没有那么多钱，但这种组织方式却让它获得了极大的优势。
开源
所以，DeepSeek的真实需求可能是普惠。而它的核心能力，我想可以用五个关键词来概括。
第一个关键词是"开源"。
如果选择开源，就必须创新；如果要创新，就必须有人才；而要让人才发挥作用，就必须依靠组织，组织的本质是一种交互模式。
最后，就是等待涌现，等待它的发生，静待花开。
梁文锋为什么选择开源？
他认为，在颠覆性技术领域，封闭式的护城河并不持久。
即使像OpenAI这样的闭源模式，也无法阻止其他公司迎头赶上。
因此，真正的护城河是团队的成长。
第一个关键词是"团队"，第二个关键词是"团队的成长"。
团队成长
如何实现团队的成长呢？他强调，要培养创新的文化。
他说，"开源和发表论文不会带来重大损失。对技术人员来说，被同行追随本身就是一种成就感。开源不仅仅是一种商业策略，更是一种文化。回馈社区是一种荣誉，同时也能吸引更多优秀人才。"
此处所说的创新，专指从0到1的原创式创新，是技术创新，是基础研究的创新，而不是产品创新、商业创新或应用创新。
记者曾问梁文锋，为什么DeepSeek只专注于研究，而不像大多数中国公司那样同时布局大模型和应用。
梁文锋的回答代表了一种新的共识。
他说："过去，人们普遍认为美国擅长创新，而中国擅长应用和落地。而我们认为，随着经济的发展，中国必须从技术的受益者转变为技术的贡献者，不能总是依赖别人的成果。"
这是一位年轻人的观点，代表着自觉兴起的一代新兴年轻人，他们由内而外地展现出一种自信，与上一代创业者背着巨大包袱负重前行的状态完全不同。
他们由内而外的自信，与上一代创业者截然不同。
在过去30年的IT革命中，我们几乎没有真正参与核心技术的革新，我们习惯了摩尔定律从天而降。
我们常说，只要等上18个月，即使现在这一级别我够不上，18个月后我就能用上今天的硬件和软件。
同样，在AI时代，面对大模型时，我们也相信摩尔定律。
每次OpenAI发布新成果，我们都说18个月后我们也能做到。
我们习惯了拿着盆来接别人过时的残渣来用。
当然，我们在商业、应用和产品上取得了成功，赚到了钱，但这样的成功对人类、对世界、对自己的生命和灵魂来说，是不够的。
而且，事实上，这些技术的进步是西方科技社区几代人持续努力的结果。
我希望大家能感受到的是，前后五代人孜孜不倦的努力，才有了OpenAI的奇迹。
过去，我们未能长期参与这一过程，反而逐渐忽视了它的真正价值。
我们会说，如果一个企业做基础研发，那是可笑的。
所以，过去30年，我们更注重利润而不是创新。但创新不仅仅是商业驱动的，它需要好奇心和有野心的创造力。我们被过去的习惯束缚住了。
我们习惯了别人做从0到1的创新，我们做从1到10、从10到100的拓展。
这个习惯成就了我们，也束缚了我们，让我们在创新方面似乎总是有一种羞耻感和缺乏勇气。
但这仅仅是个开始。
年轻人才
如果要进行原创创新，那么创新的核心关键词之一就是：
人才。
如今，寻找合适的人才并非易事，尤其是那些能够投身大模型创业的人才，他们极为稀缺。
有投资人指出，适合大模型创业的人才可能主要集中在OpenAI、谷歌等科技巨头的AI实验室中。
那么，我们会去海外挖掘这些人才吗？
梁文锋表示，"虽然全球前50名顶尖人才可能不在中国，但也许我们能自己打造这样的人。"
DeepSeek的人才团队完全由本土人才组成。
DeepSeek目前的成功最大程度归功于一支由年轻人组成的团队。他们年轻，技能多于经验，有应届毕业生和博士生，甚至在职博士生来组成。
梁文锋平时其实不太见人，他见的大多是前来面试的人。
曾有人在一个帖子中询问DeepSeek的工程师："你为什么不去跳槽？"
工程师回答说："我们老板亲自写代码，亲自撰写论文，还亲自参与面试。"
创新需要信心，而年轻人往往更具信心。
年轻人初生毛犊不怕虎，年轻人有信心，信心比经验重要100倍。
组织的本质：交互
那么，问题来了：这些初出茅庐的年轻人怎么可能干出一番事业呢？
所以下一个关键能力就是：
组织。
组织的本质是交互，组织就像一条河流，只要这个组织形成一个非常高频的"河流"，普通人在这里也会产生共振，并随之成长起来。
所以，组织的本质是交互模式。
有人问过梁文锋："你觉得在这波做大模型的竞争当中，创业公司更适合创新的组织架构，会不会成为大厂竞争的破局点呢？"
梁文锋说："此前大公司的架构已经不适应快速响应了，而且他们过去的成功经验和惯性反而成为他们今天的束缚。在这波AI新浪潮之下，一定会有一波新公司诞生。"
你看移动互联网时代，有一批年轻人的公司起来了。
所以我坚定地相信：未来的AI时代，又会有一波新的创业公司出现，而不是像过去那些大公司继续站在这个舞台上。
就像你也知道对于大模型公司来说，算力是它最主要的成本。
但梁文锋说："我们的计算资源对团队没有任何限制，但凡有任何人有想法都可以随时调用训练集群，无需批准。我们办公室设计中有会议室，两侧的门随时可以轻松打开。这种设计让'偶然相遇'成为可能。这让我想起Transformer的诞生——当时一位路过的研究员无意间听到讨论，帮助将其发展成了通用架构。"
这是一个涌现型组织。
涌现
其实，DeepSeek最重要的基础架构贡献，并非梁文锋本人想出来的，而是一个年轻的研究员某一天顿悟出来的。
你也可以说，这是一个集体涌现出来的至关重要的想法。
有限的资金、有限的算力、有限的人才，但我只相信一件事——
让人才和人才去交互。
如果AI通过交互能产生智能，我相信人和人通过交互也会碰撞出天才性的想法，这个过程就叫——
"涌现"。
再举一个例子，有一个年轻人叫王培懿，他是北大2020级的在读博士。2023年，他刚读到博士三年级就加入了DeepSeek。
他提到，去年加入DeepSeek时，自己没有任何强化学习的经验。
然而，在进行数学研究时，他独立推导出了一个统一公式，用于解决各种训练方法。
他说，这感觉就像是一个顿悟的时刻，仿佛这个组织突然被赋予了生命。
这个统一公式就是SFT（监督微调）公式。
强化学习的输出结果虽然正确，但它的语言表达方式可能是中文，也可能是英文，就像火星人发出的信号一样。
为了将其调整为人类能够接受的形式，他采用了监督微调。
监督微调是用人类的语言和表达习惯去调整模型的输出，使其更符合人类的理解方式。
这种监督学习是基于人类的反馈和机器的强化学习相结合的，通常是两个完全不相关的领域。
但这个年轻人居然用一个公式将它们融合在一起。
虽然我完全看不懂这个公式，相信大多数人也看不懂，但它仍然值得我们致敬。
这个公式是从R1-Zero回调到人类可接受的R1的关键一步，而它是由一个初出茅庐的年轻人完成的，而不是梁文锋。
DeepSeek-V2的论文有150多个作者，梁文锋的名字在中间。他甚至把数据标注人员的名字也写进了论文。
这不是靠天才，而是一群年轻人共同努力的结果。
当然，你也不要真的以为他们是普通的"生瓜蛋子"：这些人智力超群，要么参加过奥数比赛，要么参加过物理竞赛，要么参加过计算机竞赛。
他们都是年轻的小天才，虽然没有经验，也没有成果，但梁文锋相信他们在一起可以做到。
我花了一个多月的时间去探究他们是怎么做到的，最后发现其实没有什么秘诀，只是相信人才，相信人才之间的交互，创新自然就会涌现出来。
这件事的意义，不仅在于激励了中国的大模型发展，更在于激励了中国的芯片公司。
我们或许也有机会在底层技术上实现一些创新。
这些年轻人如此自信、阳光，令人钦佩。
Step 3：找定位
屠龙少年
最后，让我们回到OpenAI身上。
OpenAI的创办，其实是一个屠龙少年终成恶龙的故事。
谷歌当时收购了DeepMind，这让马斯克等人非常警觉，因为大家都担心AI可能会毁灭人类，谁也不希望AI完全掌握在一个公司手里，哪怕这个公司是谷歌。
所以OpenAI的早期目标，是为了挑战谷歌的AI霸权。
正是在这样的目标感召下，意外地诞生了一个产品叫
ChatGPT。
它已经不仅仅是一项技术，而是一个具有用户交互的产品。
ChatGPT在5天内用户数突破百万，两个月内用户数过亿，成为史上增长最快的应用之一。
到今天为止，它的市场占有率也在一半以上。
此时OpenAI与谷歌之间的竞争态势会是什么样的呢？
回到我们熟悉的价值网络，错位竞争、低端颠覆，这些都是大家熟悉的策略。
你会发现有一个力量在背后起作用，叫"右上角迁移力"，往往是边缘的打败主流的，这种"边缘必胜"的感觉。
我们回到这个案例中来看，也是如此。
谷歌收购了DeepMind，谷歌自己还有一个伟大的实验室叫Google Brain。谷歌发表了那篇震惊世界的Transformer论文，它又有钱又有用户，人才也在它那里。
按道理说，谷歌拥有无限资源，应该在AI领域胜出。
可惜谷歌无比赚钱，所以它的基因是一个面向消费者的互联网公司，就像印钞机一样赚钱。
OpenAI早期只是一个草台班子，甚至马斯克退出后，连工资都发不起了。
结果，万万没想到，OpenAI这个草台班子赢了，这是一个奇迹。
奇迹背后其实是有道理的，这个道理就是我们讲过很多遍的——
"创新者的窘境"。
既然Transformer是谷歌人最先提出来的，那么按道理，谷歌应该最先把产品做出来。
但是，当谷歌的人在内部讨论要不要把与大模型的交互产品化的时候，大多数部门都反对。第一，觉得它太低级了，还有很多幻觉，一本正经地胡说八道，怎么能发布这种玩具性的东西呢？第二，更重要的原因是ChatGPT出来之后，全世界哪一种产品最终会受损？——搜索。
如果推出这个产品，谷歌的主营业务搜索就会被干掉。
少年终成恶龙
原本一个恶龙垄断了所有的AI资源，然后一个少年怀着美好的愿望说——
"我要做这件事，而且我要开源，为了人类安全，保护全人类的AGI。"
我宁愿这样相信，让他赢。
但我们都知道这种故事往往会有下半场，少年自己会不会变成恶龙呢？
奥特曼战战兢兢地发布了ChatGPT。
ChatGPT的奥特曼，原来是硅谷最大的创业组织YC的创始人。
YC下面每年都有很多硅谷的创业公司。这些创业公司就是做产品、做应用，然后去融资、去上市的模式。
奥特曼本身不是技术人才，更不是研究人才，他是个创业者。
不过，在那之前，奥特曼也是一个理想主义者，是要做AGI的人。
但突然巨大的成功出来之后，让奥特曼看到了另一个世界。
他以为自己接手的是一家AGI实验室，弄清楚如何打造AI。
谁知道这是一家大型消费级互联网公司，而且是面向消费者的互联网公司，因为ChatGPT是个人在使用。
于是他转变了想法，几乎是彻底的转变，开始从非盈利向盈利转变——
2025年3月，融资400亿美元，估值3000亿美元。
3000亿美元是什么概念？就是超过了字节，仅次于SpaceX，是全世界第二大的未上市公司。累计融资600亿美元以上，也就是接近5000亿人民币。
2024年以后，OpenAI开始全面转向商业化，一个AI Lab的灵魂已经消失了，奥特曼今天讲未来的目标已经不是AGI，而是五年以后，要有几款几十亿用户的产品。
有人发现，OpenAI的官网已经将"Open"这个词删除了，这意味着他们不再强调开源的理念。
因为那个曾经充满理想主义的少年，他的初心似乎已经不复存在。
他似乎已经变成了另一个样子，甚至比谷歌更像谷歌。
最近，奥特曼在一次讲话中表现得更加现实。
他曾说，他原本以为OpenAI对社会的影响会比现在更大，但现在它只是一个强大的工具，而人们的生活基本上还是照旧。
对此，他表示自己其实很高兴，认为自己以前太天真了。
不知道为什么，我看到这段话，非常悲伤。
一个为人类开启未来窗口的人，自己却看不见那个世界了，他反而退回到那个世界里。
接棒少年的使命
我不知道各位是否和我一样，此刻感到一丝悲伤。
一个帮助整个人类开启天幕的人，在天幕刚刚开启的时候，不知道他是因恐惧而退缩，还是因利益而退回。
到今天为止，这家公司仍然遥遥领先全世界，但你会发现它的初心已经没有了。
所以，这家公司的顶级人才一直在往外走。
虽然公司还在，但它的灵魂好像越来越没有了。
下一个少年是谁呢？这个世界如果是美好的，总会有少年在。
我想也许就是梁文锋这个少年。
我想接下来这段梁文锋与记者的交锋，便是梁文锋在这个时候出现的意义。
记者问他："什么叫AI信仰者？"
梁文锋说："信仰者就是过去我在这儿，今天我还在这儿。不是因为今天大模型火爆我来到这儿，而是我过去一直在这儿，只是今天它恰巧火爆了。"
他在大学期间就开始研究人工智能，硕士论文是关于机器视觉的。
2010年硕士毕业后，他没有找工作，而是成为了一名自由职业者。
据说，他在成都一个简陋的出租房里待了几年，他在做什么呢？
他在寻找AI的应用场景。
最终，他找到了金融领域。
也就是说，他做金融并不是因为他原本就对金融感兴趣，而是金融是他切入AI的第一个领域。
因此，他用AI来做量化交易，而不是先做了量化交易，再引入AI技术。他凭借这种方法，从大约8万元的资金开始，赚到了8亿甚至更多。
后来，他成立了公司，叫幻方量化。
所有人都会说，这家公司不像是一家量化公司，更像是一家AI公司。
让我们看看这些年他到底在做什么——
2015年，他购买了100张GPU卡；
2019年，他搭建了一个名为"萤火一号"的计算机集群，拥有1000张卡，花费了两个亿；
2021年，他又搭建了"萤火二号"，拥有1万张卡，花费十个亿；
2022年，美国政府对中国禁运高端芯片，但2021年梁文锋居然买了1万张卡；
2021年，中国只有五家公司拥有万张卡，其中完全不知名的就是这家公司。
那么，这个年轻人花钱去做AI，他是AI信仰者还是AI投机者呢？
你说今天他好像花了很多钱，他的基金总额也是300亿，你说他能赚多少钱？
他确实是用有限的资金，来做一件伟大的事情，那么他的使命到底是什么呢？
他说："我们要做通用人工智能，AI人类智能的本质可能是语言，语言大模型是通往AI的必经之路。"
这是一个多么有定力的年轻人：目标很明确，不做垂类，不做应用，只做研究，只做探索。
各位透过纸面看一下，这是一个非典型的中国创业者——
因为几乎每一个中国创业者都是做垂类，都是做应用。阿里如此，腾讯如此，字节也是如此，六小虎全都是如此。
而他说："我只做垂直大模型，我不做垂类，不做应用。"
无论如何，一个商业公司去做无限投入的研究性探索，都有些疯狂。
梁文锋说："如果一定要找一个商业性理由，可能找不到，因为从商业角度来讲，基础研究就是投入回报比较低的。OpenAI早期投入资金的时候，想的一定不是我要拿回多少回报，而是真的想做这件事。现在比较确定的是，既然我们想做这件事，我们又有这个能力，在这个时间点上，我们就是最合适的人之一。"
这背后有一个低调当中的力量，叫做当仁不让：从最早的一张卡到2015年的100张，2019年的1000张，2021年的1万张。
很多人以为这里有一个商业逻辑，事实上他就是好奇心驱动的，在他商业最糟糕的那一年，所以，答案很明显：他做的事情就是为了好奇心。
好奇心是什么？是对AI边界的探索。
从2012年的AlexNet到2020年OpenAI发布GPT-3，虽然具体技术一直在变，但模型、算力和数据这三者的组合始终不变。
对于研究员来说，对算力的渴求是永无止境的：在做了小规模计算之后，总想做更大规模的实验。
换句话说，就是需要更多的算力和更多的卡。
这件事情是基于第一性原理推导出来的，是必须要做的事情。
所以，一个激动人心的事情或许不能单纯用金钱来衡量。
我想引用《三体》里的一个故事。
《三体》有一个隐喻叫"执剑人"。
如果三体人要毁灭地球，需要选一个执剑人来代表人类做决策的话，那么在AI时代或者AGI时代，要选一个执剑者，你会选谁呢？
我想有人会选奥特曼，因为他今天仍然遥遥领先；有人会选马斯克，因为他是对人类安危最关切的那个人。
但我相信，至少在历史上第一次，可以有一个中国人出现在为全世界、全人类服务的候选榜单里了。
最后，我们来对比OpenAI和DeepSeek。
OpenAI从开源变成了闭源，连论文都不发了，没人知道其模型的机理。
它开始变成一个消费互联网公司，to C和to B全都做。今天的核心主打产品是ChatGPT。
但与此同时，另一条路线出现了：开源，并且只做通用人工智能，面向开发者开源，只做基座大模型，让开发者在上面自由发挥，这是一个全新的选择。
这个选择面临两大难题。
第一大难题是技术上太难了；第二大难题是它不赚钱，站在今天的视角看，这条路看起来是不赚钱的。
所以，OpenAI才会从开源转向商业化。
你会发现，OpenAI空出来的这个生态位，被梁文锋和DeepSeek占据了。
今天，DeepSeek当仁不让地选择了那个少年"曾经走过但又离开的位置"。
当然，如果我今天问这里会不会发生生态位的迁移，我不知道，因为做这样的预测是很危险的。
但在我的内心深处，我希望这件事情发生。
OpenAI今天仍然遥遥领先，DeepSeek今天的创新更多是在工程上，而不是技术基架上的创新。
而且，OpenAI最近融了400亿美元，那是一个几乎无限的资金池。
再加上ChatGPT出来之后，美国对中国芯片的禁运又继续加强，梁文锋面前的压力更大了。
但我内心深处总会相信，坚持初心的人会赢。
为什么我说DeepSeek会赢？
我想很多人都忽略了一件事情，我相信梁文锋一定能同意：智能本身就是产品。它何尝不是智能时代的水、电、煤气，谁掌握了它，谁就是最赚钱的那一个。
我并不仅仅是出于民族情绪，因为有可能这个模型本身才是那个产品。着什么急呢？
就像你家小孩是天才，到了少年时期，你就说让他赶紧出去唱歌、卖唱赚钱，这不是毁了这个孩子吗？
我觉得人类对AI过于残忍了。
DeepSeek还没长大呢。
我坚信DeepSeek会为中国所有的AI应用把底层建好了。未来20年，我相信是AI应用的黄金20年。
这里我想再追问一个问题：为什么是DeepSeek做了这个原创，而不是大厂，不是字节、不是阿里、不是百度、不是腾讯？
是因为由于市值和估值的压力，大厂和六小虎都不得不迅速产品化和商业化。
就像腾讯，你说它有钱，但它不可能花上百亿美元去做基础大模型的研究，而不见商业回报。
所以，几十年来我们成于商业，但也困于商业。
他们不能做，也不敢做，这又是一个创新者的窘境。
但我认为更根本的原因：是两代中国创业者都不相信中国企业有能力做基础科研。
换句话说，在我们今天自己人在中国两代创业者的选项里，从未有过基础科研的选项。
这个选项，甚至都没有出现在我们的讨论话题里。
大家永远活在一个巨大的思想钢印里，认为美国人做原创，我们copy to China。你成于什么，就毁于什么。
这是一个巨大的思想钢印，让我们永远在后面追赶。
两代人的思想钢印，互联网一代、移动互联网一代，都在这个地方。
所以，梁文锋对中国创业的意义在于，他打破了新一代创业者的思想钢印和集体潜意识。
如果我们相信"转念就能改命"，那么从这一刻开始，中国创业者、中国创新者的命运已经改变。
这便是为什么我认为：DeepSeek，是国运的AI支点。
最后，我想平复一下我的心情，说出最后一句话。
这句话送给我自己，送给各位，送给这个时代。
我想这句话是发自我内心的一句话，我以前还没有讲过这句话——
永远相信创业者
永远相信创新者
永远相信中国
加入混沌·AI创新院，与AI业务1号位们并肩作战～这是一套混沌精心搭建的学习和服务体系，半年时间让你真正融入AI时代的浪潮中！
今晚24点截止报名
快来抢占AI时代的黄金席位！
