辽宁
本文是圆方的第1642篇原创
（点击标题下方小耳机标志可收听音频）
01
昨天圆方写了一篇，文章里面说：
欧洲或者其他地区想要建成一套自主AI体系，需要什么？ 回答可能是，需要统一大市场、海量数据、稳定廉价电力、先进芯片制造、云计算网络、基础研究体系、数学人才、工程队伍、长期资本、应用场景、国防需求、教育体系、政策连续性、安全法律框架、社会共识。需要几十个学科，几百个专业，几千家配套企业，几百万工程师。 总之，需要一个伟大的国家才能完成它
下面有小伙伴留言：
文字激情澎湃，特别是我国已然在AI牌桌上，但是结论经不起推敲。deepseek率先实现AI突围时候，似乎也没花费太多资源。怎么证明法国、德国提供不了这些资源，出不了F deepseek，G deepseek呢。纯讨论，不抬杠。
DeepSeek的AI突围，似乎看起来也没花费太多资源，但想把“AI”做好真的这么“简单”么？
大家好，我是圆方，今天我们一起聊聊：
发展AI，真的不难么？
02
既然提到DeepSeek，我们就从DeepSeek开始说，看看这两年DeepSeek带来的两次改变。
DeepSeek这半年，给AI进程带来两次明显改变。
V3发布时，它以远低于美国头部公司的训练成本逼近闭源模型能力，并且选择开源。
美国AI行业长期相信算力规模决定代差，V3让这种判断受到挑战。
R1发布后，推理能力对标OpenAI o1，权重开放，全球开发者可以直接部署和再训练。
英伟达股价单日大跌，美国科技巨头被追问巨额资本开支是否必要，出口管制是否真的限制住中国AI。
两次冲击说明，前沿AI的竞争规则在变了。
03
其实今天LLM的技术路径已经高度公开。
Transformer架构、预训练、指令微调、人类反馈强化学习、推理强化学习、MoE稀疏激活、数据清洗、合成数据、蒸馏，论文和代码大多能找到。
开源模型很多，蒸馏也能让小模型学到大模型的部分能力。
看起来，懂原理，有算力，招人，就能做出顶级模型。
真正做起来，每一步都难。
04
为什么目前只有中美做出顶级模型呢？
美国有全球最顶尖的人才储备，有英伟达芯片和CUDA生态，有微软谷歌亚马逊的云，有长期资本，有英语数据，有全球应用场景。
中国有十四亿人的统一大市场，有海量中文数据，有全球最完整的制造业和互联网场景，有大规模工程师队伍，有稳定廉价的电力，有政策连续性，有长期资本愿意投入。
这两个国家都能让数据、算力、人才、资本、应用、政策形成循环。
其他国家往往缺一环，循环就无法形成。
顶级AI需要同时具备这些条件，并且持续多年。
05
真正的难点，在最高端人才。
能设计前沿训练配方的人极少
能判断数据配比的人极少。
能解决万卡集群稳定性的人极少，
能决定强化学习方向的人极少。
这些人需要数学直觉、系统能力、工程管理、数据判断和产品理解。
留住他们需要算力、自由、耐心和长期资本。
还需要组织能力，把几千人协同起来，让算法、工程、数据、硬件、产品同时推进。
训练中断一次，损失巨大。
数据清洗和配比是隐性知识。
强化学习需要环境、奖励模型、评测体系。
推理成本要压到可商用。
开源后还要维护生态。
这些细节同时做对，长期做对，才有顶级模型。
06
要知道中国还一直承受美国的封锁和限制。
高端芯片受限，先进制程受限，CUDA生态受限，出口管制不断加码。
在这种条件下，中国公司依然做出DeepSeek。限制逼出了算法优化、MoE、低精度训练、国产芯片适配、开源生态和工程效率。
中国被迫走出更加独立的道路。
这条道路更难，也更彰显中国的能力。
发展AI的难点在这里
中国的突破也在这里
DeepSeek真正证明的，不是“发展AI没那么难”；
而是一个国家，在算力受限、芯片受限、生态受限的情况下，
依然能够靠人才、工程、产业和组织能力，把一条更难的路走出来。
这背后从来都不是轻巧的能力。
希望小伙伴们帮忙点个赞、转发一下，
也让更多朋友一起想想：
我们看到的到底只是一个DeepSeek，
还是它背后那套更难复制的能力？
祝好
来自尝试AI重构组织的圆方
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
