本人算ai從業者，在上海，23年後半年做infra相關的，今年前半年做rag，後半年跳槽還是做rag。
算是個略懂算法的後端工程師？
今年過年正好deepseek爆了，有時間順便聊聊，主要是感覺黑盒大多數都不是很懂這方面？觀點比較淺顯，於是決定跟盒友簡單科普下。
儘量以通俗的解釋跟大家聊一些比較關鍵的問題。
問1:deepseek（的模型）是不是真正國產？
答1:是，實際上業內deepseek在國內口碑優秀已經很長一段時間了，得益於其低廉的成本和優秀的能力。他的前身是幻方量化，很早就搞了ML量化的策略，很早也買了卡，所以科研實力和實際算力上都沒什麼問題，無可置疑。
問2:deepseek是不是真正開源？
答2:是，deepseek無論是生成式的V系列還是新出的R1，還有多模態的模型，都是開源的。
問3:關於套殼gpt的問題和論調
答3:這個實際上是很普遍的一個問題，說現象更合適。目前的llm大部份在訓練方案上其實都會去套gpt模型的數據，在問答途中gpt的輸出肯定會存在一些關於“我是gpt”這樣的說法，我記得之前百度也有過？這時候難免會有一些自我認知的問題出現，這個很正常，並不是套殼。
問4:能力上是什麼水平？
答4:這裏只說v3和r1推理，水平應該是持平接近gpt4和o1，實際中文語料佔比應該比gpt多，所以在中文場景能力上應該是更強的。gpt更適合英文語境一點。
問5:到底厲害在哪？創新在哪？
答5:這裏不說太複雜太學術。概括起來就一句話，更優秀的架構+更好的訓練方法=更小的成本+更快的速度。
主要就是架構上的創新（deepseekMoe，自己提出的架構，更細力度的專家和權重共享），更有效和更輕便，使得模型本身武功內力強。
後訓練方法上用更優秀的RL（RLHF，一種微調的算法，屬於很前沿的）方案，可以理解爲請了武林高手來做指導，別人也請，但我的更有效，更好，所以後天學的，外力強。
最後加上有效的知識蒸餾，縮小模型大小，提高性能速度，可以理解爲把不必要的功法都扔了，主練核心武功，出招更快，前搖更低。
問6:是不是現在最強的AI（公司）？
答6:並不是，Deepseek幾個主流模型能力上文已經說了，跟gpt不分伯仲，但多模態這塊應該還是有所欠缺，tts（語音生成）、多模態（圖文）這塊跟openai還差點。再一個在線服務的完整度（API）應該也沒上自家的vision多模態模型，這塊還有待提升。所以說是最強還早，但推理模型和生成模型的訓練方案和成品絕對是業界第一梯隊，按這個速度，指日可待了。
問7:跟遊戲卡降價會有關係嗎？
答7:基本沒關係。不影響。
問8:跟國內比如何？
答8:對於C端用戶而言，實際體驗目前看稍稍領先kimi都包，主要還是歸功於可以低廉的用推理模型，純粹模型的差距比較大，打開深度求索（CoT，R1模型）+聯網（RAG）。豆包kimi雖然我沒仔細調研過，但模型能力上肯定不如deepseek，但人家的產品側能力確實牛逼，營銷也是。所以哪個好用用哪個。
開發者而言，在線服務，其實已經有答案了吧，就火山那個腦殘的控制檯，我能罵半年，deepseek又便宜又好用，我是想不到除了要多模態有啥需求用火山。
離線服務看自己需求和算力，這裏順便推薦一下xinference這個項目，也是國人不錯的llm開源項目，主要側重集成+推理。
順便宣傳一下自己的知乎，最近應該還會搬一些在公司內部調研的rag/agent的文章，歡迎同行關注交流！
剩下還有想問的歡迎盒友提問，盡力回答。
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
