DeepSeek做了什么：【1】验证了新的ScalingLaw：在过去的几年间

DeepSeek做了什么：

【1】验证了新的Scaling Law：在过去的几年间，AI模型的增长主要依靠于预训练阶段的规模堆积，通过对人类已有数据的不断积累，从而增加模型的规模和能力。但随着训练耗尽了人类已有数据，叠加合成数据之路所产生的幻觉icon和边际收益递减问题，预训练阶段的Scaling Law逐渐放缓。2024年以来，基于强化学习的新Scaling   Law成为了行业重点方向，先后涌现出了GPT-o1，Deepseek R1等优秀模型。RL这种新的AI增长曲线，在初期展现出了非常高的投入性价比，这也是Deepseek V3快速进化到R1，并展现出强大能力的根本原因。当下RL依然是基于传统的预训练模型，在推理阶段加入RL使得模型面对理科问题时的推理技能更加强大。展望未来，随着RL算法在预训练阶段逐渐取代自回归算法，同时使用更强大的算力和更多的数据，基于RL算法训练模型生成思维链，将共同构成AI新的Scaling   Law，算法创新与算力堆叠在这条曲线上将一起狂奔，AI的能力边界将迎来新一轮的扩张。

【2】极致的工程优化：DeepSeek的真正创新之处在于极致的工程优化，主要依靠了如键值缓存icon，创新型的MoE架构，以及基于PTX层汇编语言icon实现对于英伟达iconGPU效率的极致压榨等等，通过这些创新性的工程优化，使得DeepSeek打破了西方模型公司固有的降本周期曲线，能够用更低的价格，来提供接近头部模型的使用体验，提高了全球算力的使用效率。

【3】慷慨的开源：与西方以OAI和Anthropic为代表模型巨头，逐渐走向闭源的模型商业理念不同，DeepSeek将自身创新性原理和模型进行了开源，一方面使得全球模型厂商能够共享新的工程方法带来的性价比提升，另一方面使得全球用户能够本地或者通过公有云部署，从而避免高溢价icon，这也是Deepseek在全球开发者中获得如此高殊荣的核心原因。