我是万万没想到，就在西方还沉浸在圣诞假期，疯狂 “ 过年 ” 的时候，咱们中国企业给人家放了个新年二踢脚，给人家脑瓜子崩得嗡嗡得。

　　前几天， DeepSeek 刚刚公布最新版本 V3 ，注意，与大洋彼岸那个自称 Open ，却越来越 Close 的公司产品不同，这个 V3 是开源的。

　　不过开源还不是他最重要的标签， DeepSeek-V3 （ 以下简称 V3 ）还兼具了性能国际一流，技术力牛逼，价格击穿地心三个特点，这一套不解释连招打得业内大模型厂商们都有点晕头转向了。

　　V3 一发布， OpenAI 创始成员 Karpathy 直接看嗨了，甚至发出了灵魂提问，难道说大模型们压根不需要大规模显卡集群？

　　早在 2019 年，幻方就投资 2 亿元搭建了自研深度学习训练平台 “ 萤火虫一号 ” ，到了 2021 年已经买了足足 1 万丈英伟达 A100 显卡的算力储备了。

　　而是在他们看来， “ 通用人工智能可能是下一个最难的事之一 ” ，对他们来说， “ 这是一个怎么做的问题，而不是为什么做的问题。 ”

　　就是抱着这么股 “ 莽 ” 劲，深度求索才搞出了这次的大新闻，下面给大家具体讲讲 V3 有啥特别的地方。

　　还记得去年年中，小扎的 Meta 推出模型 Llama 3.1 ，当时就因为性能优秀而且开源，一时间被捧上神坛，结果在 V3 手里，基本是全面落败。

　　而在各种大厂手里的闭源模型，那些大家耳熟能详的什么 GPT-4o 、 Claude 3.5 Sonnet 啥的， V3 也能打得有来有回。

　　所以在圈子里有了一个新的计量单位 “GPU 时 ” ，也就是用了多少块 GPU 花了多少个小时的训练时间。

　　为了搞清楚 DeepSeek 的技术咋样，咱们特地联系了语核科技创始人兼 CTO 池光耀，他们主力发展企业向的 agent 数字人，早就是 DeepSeek 的铁粉了。

　　池光耀告诉我们，这次 V3 的更新主要是 3 个方面的优化，分别是通信和显存优化、推理专家的负载均衡以及FP8 混合精度训练。

　　各个部分怎么实现的咱也就不多说了，总体来说，大的整体结构没啥变化，更多的像是咱们搞基建的那一套传统艺能，把工程做得更高效、更合理了。

　　而推理专家（ 具备推理能力的 AI 系统或算法，能够通过数据分析得出结论 ）的负载均衡就更巧妙了，一般的大模型，每次启动，必须把所有专家都等比例放进工位（ 显存 ），但真正回答用户问题时，十几个专家里面只用到一两个，剩下的专家占着工位（ 显存 ）摸鱼，也干不了别的事情。

　　而 DeepSeek 把专家分成热门和冷门两种，热门的专家，复制一份放进显存，处理热门问题；冷门的专家也不摸鱼，总是能被分配到问题。

　　FP8 混合精度训练则是在之前被很多团队尝试无果的方向上拓展了新的一步，通过降低训练精度以降低训练时算力开销，但却神奇地保持了回答质量基本不变。

　　而一开始提到同样开源的 Claude 3.5 Sonnet ，每百万输入输出，至少都得要几十块以上。。。

　　早在去年初，DeepSeek V2 模型发布后，就靠着一手低价，被大家叫做了AI 界拼多多。

　　池光耀也告诉我们，他们公司早在去年 6 、 7 月份就开始用上了 DeepSeek ，当时也有国内其他一些大模型厂商来找过他们。

　　但和 DeepSeek 价格差不多的，模型 “ 又太笨了，跟 DeepSeek 不在一个维度 ” ；如果模型能力和 DeepSeek 差不多，那个价格 “ 基本都是 10 倍以上 ” 。

　　更夸张的是，由于技术 “ 遥遥领先 ” 带来的降本增效，哪怕 DeepSeek 卖得这么便宜，根据他们创始人梁文峰所说，他们公司还是赚钱的。。。是不是有种隔壁比亚迪搞 998 ，照样财报飘红的味道了。

　　而且眼下，尽管 DeepSeek 说自己还是赚钱的，但他们团队上上下下都有股极客味，所以他们的商业化比起其他厂商就有点弱了。

　　我们不妨期待下未来，更多的优化出现，让更多的小公司、初创企业都能进入 AI 领域，差评君总感觉，那才是真正的 AI 浪潮才对谷歌翻墙插件。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。