对话杜克大学教授陈怡然：从“1到100”也很难，说DeepSeek只是技术拼接无创新，不公平

陈怡然：DeepSeek是工程上的成功，它用到的技术基本没有什么是大家以前都不知道的，或者说是“石破天荒”的。

搜狐科技：该怎么理解“工程上的成功”？

陈怡然：目前对于大模型训练，有很多种方法，当然不同的方法也会组合到一起，尝试训练效果。

DeepSeek其实是把这点做到了极致，不断尝试不同的方法组合、方法优化，最后能把训练成本降到现在这么低的水平，并且愿意把找到的好方法开源分享，我觉得这其最主要的贡献。

搜狐科技：您更倾向于强调它在工程上的成功，是暗指技术创新上没做出太多贡献吗？

陈怡然：不能这么说，工程上的成功也是建立在技术创新基础之上的。

就算用到的技术大家都知道，但怎么有效地组合在一起，变成一个真实可用的优秀架构，实际上是很难的一件事。

大家常说“从0到1”难，但“从1到100”其实也一样难。只认为DeepSeek是工程上的技术拼接，并不公平。

搜狐科技：大家认为DeepSeek这次用到的“MoE”等亮点技术，之前早有企业用到，技术本质并无创新，没任何科学进步，您怎么看？

陈怡然：“MoE”是很早之前就有的技术，我们团队在研究中也用过，这都不是秘密。但不能说，有人现在用更好的方式去重新用一遍就不是创新。

尤其现在很多技术都是开源的，很难说谁能找到一本大家从未见过的“武林秘籍”，大多技术都是有迹可循的，这也是科研过程中的正常轨迹。

搜狐科技：对DeepSeek提出质疑的还有马斯克，不相信他们只有极少的芯片，也不相信官方披露的只用了600万美元训练成本。您怎么看？

陈怡然：整体研发成本肯定是高于600万美元的，这个毫无疑问。因为想把模型做成现在这样，肯定是经过了无数次试错的。

就像做菜，你之前试菜用了多少食材，多少成本并不清楚。600万美元指的是最后一次把菜炒成功，用了这么多钱。

搜狐科技：有人认为DeepSeek的团队整体很年轻，DeepSeek的领先优势也很快可能被其他人超越。您觉得呢？

陈怡然：后面有团队会做出超越DeepSeek的模型是肯定的，而且不会太久。现在相关技术已经开源，很多人已经上手研究这个事，做出来不奇怪。

但从年龄角度讲，机器学习做的好的人都很年轻。比如何恺明那群人，很多有影响力的想法都是他们在二十多岁时就提出来的。

搜狐科技：回到对技术的讨论，奥特曼说“DeepSeek用低成本训练大模型只是小打小闹，要想做最智能的模型，就需要继续在资金和算力上投入。”揭示了OpenAI与DeepSeek在技术路线上的分歧。您怎么看中美在AI竞技打法上的博弈？

陈怡然：我觉得很多人对DeepSeek有一个很深的误解，DeepSeek从来没想过“弯道超车”。他的想法很简单，就是要找到一个方法，在保证大模型性能的前提下，把高昂的训练成本打下来。

整体而言，DeepSeek和OpenAI走的不是一条路。OpenAI仍然相信用Scaling Law “大力出奇迹”，目标是造出新模型解决当前模型解决不了的问题。而DeepSeek实际是在已有框架下，探寻解决问题的更好方法，比如造出同样性能模型的前提下，怎么做得更便宜。

搜狐科技：硅谷一直推崇“烧钱模式”，堆资金和算力训练大模型。DeepSeek的出圈有改变硅谷的风向吗？

陈怡然：我其实不觉得。准确来说，在找到极简的有效模型表达前，通常会先使用一个比较复杂带有冗余的模型来完成想要表达的事，就像OpenAI最早公布的模型，再由繁化简。

为了探究AI的下一阶段水平，这个事肯定还是要有人来做的。且新技术探寻的开始阶段，肯定还是倾向于用更大的模型和数据进行训练，硅谷仍然在做这件事。

搜狐科技：所以像OpenAI这类玩家，更像技术“开拓者”，冲在最前面。像DeepSeek这类玩家，更像是工程师，来优化现有解决方案？

陈怡然：可以这么理解，但不能说工程师好像没有开拓者重要。因为开拓往往意味着要消耗大量资源成本，要想让技术真正做到普惠，让大众大规模使用，还要靠工程师多下功夫。

所以完全没有像大家想的有一个什么高下之分，无论是开拓还是优化，都需要有人去做。

搜狐科技：聊一个比较轻松的话题，为什么感觉这一波西方的反应比国内更夸张？

陈怡然：我觉得中美都挺上头的。从国内来讲，希望让大家都看到中国出现了一个特别好的技术，尤其是在训练效率和开源方面，是非常自豪的一件事。

从美国来讲，有一部分是对之前策略的反思，复盘之前AI技术策略的对与错，并规划下一步需要更多投入的是什么。再有就是华尔街的操作，要去炒作散播这些事，从而影响美股来挣钱。

我觉得大家还是要保持一个相对客观冷静的头脑去看这个事，尤其是做技术的人。

搜狐科技：美国、日本、印度等国家法案提议，要限制DeepSeek的下载使用，最高处罚面临监禁。这又是一次技术制裁吗，您怎么看？

陈怡然：不排除这种可能性，但也有逻辑在里面。一方面是出于安全的考虑，另一方面是DeepSeek火的太突然，可能连这个团队都没想到能到今天这个地步，像数据合规等操作可能并没来得及做完，其他国家在审核的时候材料不全。

搜狐科技：总的来看，您觉得DeepSeek的出圈，预示着中美AI差距在缩小吗？

陈怡然：我觉得这其实是一个伪命题。从技术角度来说，唯一的差距可能就是谁先一步做出来了，但这又不是其他团队真正的落后。因为其他人可能在模型基础上加以改进，过段时间又做出了更好的作品。永远是这样交替的，很难有人永远领先。

未来就是看谁能够在商业模式上，或者在不断的技术创新上能持续的往下走。

至于算力和芯片，是另外一个问题。中国的算力肯定还是远小于美国的，但不至于说就把国内的研发进度锁死了。国产芯片也正在努力做AI训练的适配工作，并且大模型训练所需的成本后面一定会继续周期性下降。

搜狐科技：您怎么看AGI（通用人工智能），现在又近了一点吗？

陈怡然：如果你看过一些采访，比如李飞飞，她觉得谈论AGI没有任何意义，这是一个Moving Target（永远在变动的目标）。

什么是AGI？每个人都有不同的理解。之前说是通过图灵测试就可以，现在又要用更高阶的测试来考验。我觉得大家对这个不用太上心。

搜狐科技：前两天看您在微博上又提起了“AI人才”话题，您觉得当前中国的AI人才储备怎么样？

陈怡然：中国人才很多，这是肯定的。那如果说是一个开放的环境，一个开放的心态，一个宽松的研发场所，相信这些人才能做得更好。

我觉得科研就是这样的，如果你用一个KPI给研究人员“拴死”在那，“带着脚镣跳舞”，他一定跳得不好。相反，当让他去自由发挥的时候，反而会带来更多惊喜。

搜狐科技：最后一个问题，您认为DeepSeek的爆发，给中国AI大模型发展带来了什么启发？百度、腾讯、阿里、“AI六小龙”，可以在哪些方面多下功夫，多些思考？

陈怡然：这是一个特别好的问题。我个人判断，会让很多大厂更关注于模型的效率，而不是一味地追求模型的大和高性能。

很多模型可以说已经超过人类智能水平，但可能受运行效率影响，让用户难以抉择用不用。其实对于普通用户来说，模型的准确率是71.9%还是72%并没那么重要。

反观训练和使用成本，如果一下降了10倍，这可能是一个巨大的影响。我觉得大家会对这种实际的成本问题更加敏感，这也会在一定程度上影响模型的铺开应用。

就是大家别老想着说做一个像“天网”似的supercomputer（超级计算机），实际上我们需要的是千千万万个跟人类一样聪明的AI在身边，执行不同的任务，各有所长。