大家好，我们继续聊DeepSeek~

    上篇文章我开了个头，大概介绍了下DeepSeek模型爆火的原因，其实就两点：

    1、高性能：性能比肩OpenAI最新一代推理模型——o1模型；

    2、低成本：训练成本只有OpenAI-o1模型的3%-5%。

    这就好比过去买一台劳斯莱斯幻影需要1000万，现在告诉你有个渠道30万就可以买，而且配置性能都没差，你会不会惊掉了下巴，哈哈。怪不得有人说DeepSeek是大模型界的拼多多。

    惊叹之余，疑问也随之涌现，这究竟是为什么呢？为什么性能差不多的模型，美国人做出来要4亿美金，中国人做出来却只要550万美元？这是我在上篇文章的末尾留给大家的问题，今天，我就来公布答案。

    其实答案很简单，因为思考的方式不一样。

    初中我们都学过三角函数，如果我问你，sin60度等于多少？你会怎么回答呢~

    回答这个问题，有两种思考方式：

    第一种，逻辑推理。

    第二种，直接查表。

    发现了吗，两种方式得出的答案是一摸一样的，但思考的方式完全不同。

    第一种逻辑推理，好比一位擅长计算的理科生，他们喜欢一步一步推演解题步骤，从问题到答案，清晰的呈现在纸面上；

    而第二种，直接查表，看起来简单粗暴，直接囫囵吞枣把结论背下来，但的确挺有效率是不是，可以一秒给出答案。

    以上这两种方法的差异，就是OpenAI与DeepSeek的区别。OpenAI擅长计算，所以哪怕是一个看起来极为简单的三角函数，他也一定要知其所以然，一步一步证明给出答案。这种方式自然是最理论，最扎实的，最能应对复杂多变的问题。但同时，也需要消耗大量算力，换言之，得是一位计算能力极为出众的天才同学，才能达到如此水平。

    而DeepSeek采取的方式则不同，他更多靠的是记忆，如果我能把一整张三角函数的数据表背下来，那我一样能解题对不对？这种方式对算力的消耗很少，并不需要强大的推理能力，我要做的只是记住每一个答案和问题，以及关键步骤即可。然后在遇到相同问题的时候，参考历史，给出答案。这个过程用更专业的词儿来说叫做“蒸馏”，当然，实际的“蒸馏”并非是我所描述的那么简单，DeepSeek也没有那么“死记硬背”，中间会存在一些优化，但是大体的原理就是如此。

    说到这里，你应该能够理解为何DeepSeek可以用更少，更一般的GPU，也能达到比肩OpenAI的原因了吧。DeepSeek靠的更多是记忆，而非计算。这么做的好处是不需要大量计算，所以对GPU的需求就会锐减，体现出的就是DeepSeek97%的成本压缩；但劣势也是显而易见的，如果碰到过去没有记忆过的新问题，搞不清因果关系的模型就会不知所措。

    所以，严格意义上来说，DeepSeek并不像一个真正的人工智能大模型，因为他并没有完全模拟一个我们所期待的，人类思考的全过程，他只是在不断记忆已经形成的问题和答案，以及解题的部分关键步骤。这也是为何DeepSeek做到极致，性能也仅是比肩OpenAI，而无法做到超越的原因。

    可能大家会觉得我的观点有点泼冷水，毕竟网上一堆宣称中国模型KO美国的爽文。这里我得澄清一下哈，我并没有任何贬低国产大模型的意思，我只是希望大家不要被舆论带偏节奏。而且，DeepSeek采用的这种“背诵”的方式也并不“LOW”，或者说，这是人工智能发展到如今这个水平下，必然会出现的一条新路径。

    为什么这么说呢。

    看过我之前写的【布局2025】之【投资AI，有哪些“新”变化？】这篇文章的盟友应该有印象，我在这篇文章里和大家说了一个观点，就是“GPU单卡性能和大模型技术迭代开始放缓”，这种放缓，就会注定诞生类似DeepSeek这种公司。

    这里我给没看的盟友简单回顾下那篇文章的观点：

    大家还记得吗，之前英伟达发布的卡都是诸如A100，H100，现在的卡是什么呢，是GB200，GB300。前者如A100，H100都是单卡，后者GB200，GB300则是多卡集群。为什么英伟达从卖单卡，开始转变为卖多卡集群？原因是由于摩尔定律的失效，单卡的性能已经很难提升，所以才把多张卡连在一起。但是单卡变成多卡互联，并非简单的1+1=2，而是1+1<2。多个卡的连接，会大幅降低效率，所以需要提升多张卡之间的传输速度，去年炒了很久的先进封装，PCB，铜缆，光模块，CPO这些五花八门的技术，目的其实都是一个，就是为了提升传输速度，让1+1无限逼近2，这属于多卡集群算力的提升。这也是在单卡性能无法继续大幅提升下的必然产物。

    当然，即便是通过各种技术提升了传输速度，也无法比拟摩尔定律带来的巨大升级。所以你可以理解为摩尔定律带来的单卡性能提升是大升级，靠提升传输速度带来的多卡集群性能提升是小升级。总之，大模型的迭代速度是放缓了，这一点你从GPT-5迟迟难产也能看出一二。

    既然大模型的迭代放缓了，那理论上就会有无数追赶者出现。这就好比一个新技术成熟后，会有无数模仿者，追随者一样。DeepSeek就是其中之一，而且他选择了一种新路径，一种看似“有点不智能”，但实则能非常有效降低成本的方式，也就是我前面提到的，靠记忆，靠算法，用非常少资金投入就“复制”出了一个OpenAI模型。

    所以，你可以这么理解，DeepSeek做的不是AI模型的创新，而是AI模型的平权，他的目的是让更多的企业，更多的人用非常少的资金就能“复制”出一个OpenAI模型或是XX模型。而随着更多的人都能“用得起”一流的模型，用的人多了，测试的人多了，可能就会由此诞生出某个爆款应用，这也是为何DeepSeek爆火后，无论是A股还是美股，都是应用端的股票领涨的原因。

    OK，以上就是【中篇】的全部内容，这个系列还剩最后一篇，在【下篇】里，我会落脚到大家最关心的股票标的，到底DeepSeek的出现，会如何影响今年对科技股的投资？大家敬请关注~

    投资顾问：吴美林

    登记编号：A0880619080007

    风险提示：本内容仅供投资参考，不作为投资建议，据此入市，风险自负，股市有风险，投资需谨慎！