近期，DeepSeek無疑是全球科技界最受矚目的焦點。然而，DeepSeek的爆紅更像是一場過度炒作的現象，目前市場傳聞與真實情況有所落差。
✍️ #DeepSeek背後是中資避險基金
DeepSeek的背後，其實有個不容忽視的推手：High-Flyer（幻方量化）。這是一家中國的對沖基金，早期就意識到人工智慧在金融以外領域的巨大潛力，並持續擴增其GPU供應。
High-Flyer早在2021年，也就是晶片出口管制之前，就投資了1萬顆A100GPU。而隨著High-Flyer的AI技術不斷提升，他們決定在2023年5月成立DeepSeek，專注於人工智慧的研發。
✍️ #訓練成本不只600萬美元
研究半導體和人工智慧的分析公司SemiAnalysis指出，600萬美元僅為預訓練過程中的GPU成本，並非模型全部成本。實際總成本遠高於此，因為還包括研發、硬體的總擁有成本（TCO）等。
做為參考，Claude 3.5 Sonnet的訓練成本高達數千萬美元。SemiAnalysis認為，如果訓練成本真的只有幾百萬美元，Anthropic就不需要從Google和Amazon募集數十億美元的資金。
✍️ #R1模型的推論能力是新典範
DeepSeek的R1模型也備受關注，其效能可與OpenAI的o1相提並論，後者甚至是去（2024）年9月才發布的。
SemiAnalysis指出，DeepSeek能夠如此迅速趕上，是因為推論能力是新的典範，迭代速度更快，而且可以透過較少的運算資源獲得顯著的進展。過去的範例主要依賴預訓練，但現在這變得更加昂貴，且難以獲得穩定的進展。
新的典範著重於透過合成資料生成和RL（強化學習）在現有模型上進行後訓練，這使得能夠以較低的成本更快地獲得進展。由於門檻較低，且容易優化，DeepSeek能夠比以往更快地複製o1的方法。
然而，隨著各家廠商開始研究如何在新的典範中擴展規模，趕上領先地位所需的時間可能會增加。
✍️ #Google的強力競爭
雖然R1引起了市場與大眾的關注，但Google在R1發布前一個月就推出了一款更便宜的推論模型：Gemini Flash 2.0 Thinking。
根據基準測試結果，Flash 2.0 Thinking的表現優於R1。SemiAnalysis認為，Google的模型非常穩健，在許多方面都可與R1相提並論，但並未受到相同的關注。
這可能是由於Google的市場策略和使用者體驗不佳所致，也可能是因為R1的中國背景更引人注目。
✍️ #DeepSeek將引發AI價格戰
SemiAnalysis認為，DeepSeek的創新對於利潤率有深遠影響。他們預期，DeepSeek正在補貼價格以獲得市佔，實際上沒賺到錢。此外，傑文斯悖論（Jevons paradox）正在發生。
這場由中國新創引發的人工智慧價格戰，不僅考驗著現有業者的應對策略，更可能加速產業洗牌，為全球科技產業帶來新一輪的變革。
