DeepSeek创始人梁文峰再次语出惊人！他说：“我们经常说中国AI和美国有一两年差距，但真实的差距是原创和模仿之差。如果这个不改变，中国永远只能是追随者，所以有些探索也是逃不掉的。” 之前行业里有种默认的玩法，做AI大模型大多离不开“监督微调”的路子，简单说就是找一群高学历专家，把解题步骤一条条标好，像教小学生做题似的喂给模型，这法子看着稳妥，却藏着俩大问题。 一是成本高得吓人，博士生标注一道复杂题的时薪能到几百块，几百万道题堆下来就是天文数字。二是容易把模型框死，人的思维偏见和认知局限全跟着标注数据灌进去，模型再厉害也跳不出人类设定的天花板。 梁文峰和他的团队偏要绕开这条老路，他们搞的DeepSeek-R1模型，直接登上了《自然》封面，靠的就是一种反常规的思路，这模型训练时压根不用人标步骤，只看最终答案对不对给奖励，没想到这么一改，模型反而冒出了不少“灵气”。 它会自己延长思考时间，碰到错处能突然醒悟说“等等，我再算算”，甚至能试着走好几条不同的解题路径。这种“纯结果导向”的强化学习，算是把AI从“跟着人学”的框框里解放出来了，这就是原创探索的厉害之处。 更难得的是，DeepSeek把这套“武功秘籍”全公开了，以前不少公司把模型训练当成机密，参数细节藏得严严实实，外人只能看个热闹。可梁文峰他们不光在《自然》上刊登了完整论文，连学习率、采样温度这些关键参数，甚至解决“中英夹杂”问题的计算公式都摆了出来。 要知道这篇论文可是过了全球顶尖科学家的“同行评审”，能经得起这么较真的检验，本身就说明这套原创方法站得住脚。这种开放劲儿，跟那些捂着模仿来的技术不敢撒手的做法，简直是两个路子。 反观行业里的一些现象，确实能看出模仿的痕迹，不少团队拿到国外的基础模型，改改参数、调调数据，就敢说做出了“新模型”。短期看是快，能迅速推出产品抢占市场，可久而久之就陷进了被动。 人家在底层算法上动个大手术，这边就得跟着重新调整，永远追着别人的脚印跑，就像有人总说“AI+文化”做得火，北大团队用AI复原王献之《洛神赋》的例子确实精彩，可细想一下，核心的AI造字技术还是基于现有模型的优化，属于在成熟框架里做应用创新，跟DeepSeek那种开辟新训练路径的原创不是一回事。 梁文峰说“有些探索逃不掉”，这话里藏着股狠劲，原创哪有那么容易，DeepSeek搞R1模型可不是一蹴而就。 他们先打磨出DeepSeek-V3-Base这个扎实的基座模型，就像备好一块优质大理石，再用新的强化学习技术细细雕琢，中间还经历了Dev1、Dev2好几个版本的迭代，每个版本的性能数据都清清楚楚。 这过程没有捷径可走，得耐着性子试错、调整，比直接抄别人的方法累多了，但走出来就是一片新天地。 现在中国AI不缺应用场景，也不缺技术人才，缺的就是这种“啃硬骨头”的原创精神，美国AI能领先，靠的就是一个个从0到1的突破，从基础算法到训练框架，都是自己趟出来的路。 梁文峰的话其实是在提醒行业，别再满足于“跟跑”的舒适区，他自己带着团队做出的成绩，已经给同行打了个样，原创不是遥不可及的空想，只要敢跳出模仿的惯性，真刀真枪地去试去闯，中国AI未必不能走出自己的引领之路。 这种探索已经开始显现效果，DeepSeek公开的技术细节，已经让不少研究团队从中受益，有人照着他们的方法调整训练策略，真的提升了模型的推理能力。 这就像往一潭水里投了块石头，涟漪正在慢慢散开，或许用不了多久，会有更多团队加入原创探索的队伍，到那时中美AI的差距，才真有可能从“质”上缩小，毕竟AI这行，从来不是比谁学得快，而是比谁能先找到新方向。
