DeepSeek争议：技术突破与市场质疑

围绕DeepSeek的争论仍在持续。在人工智能的“黄金三角”——算力、算法、数据中，DeepSeek的技术创新得到了一定的认可，尤其是在算法效率方面。然而，其在算力、成本核算和数据来源等方面却引发了诸多质疑。

算法创新：效率突破获认可

DeepSeek在算法优化方面取得了显著进展，尤其是在FP8训练和多token预测等技术上。通过采用FP8精度格式，DeepSeek的训练效率大幅提升，单位算力产出提高了3.2倍。此外，其多token预测技术能够在保持高准确率的同时显著提升推理速度。这些创新使得DeepSeek在推理任务上表现出色，推理成本大幅降低，并支持本地化运行。

算力质疑：市场反应与成本核算

尽管DeepSeek声称其训练模型仅使用了约10,000块Nvidia A100 GPU，但包括马斯克、Yann LeCun在内的多位行业专家对其算力的真实规模表示怀疑。马斯克认为DeepSeek可能拥有约50,000个Nvidia Hopper GPU，并指出由于美国出口管制的限制，DeepSeek可能无法公开其实际拥有的GPU数量。

此外，DeepSeek宣称的“600万美元训练成本”也引发了争议。马斯克和Yann LeCun认为，这一数字未包含前期数亿美元的研发投入，且需要依托超大规模算力集群支持。他们调侃称“哈哈哈，不可能”，暗示其低成本叙事存在水分。

数据来源：知识产权与道德风险

美国人工智能主管David Sacks指出，有大量证据表明DeepSeek依靠“蒸馏”OpenAI模型的数据来开发自家技术。此外，也有观点认为DeepSeek可能从其他模型中提取数据，但这种做法面临知识产权合规和道德风险。尽管DeepSeek声称其数据来源合法，但仍有部分市场参与者对其数据质量及来源表示怀疑。

市场反应：争议与机遇并存

DeepSeek的出现引发了市场的广泛关注。其模型在美区App Store免费榜Top100中跻身前三，超越了谷歌的Gemini。然而，其市场反应也引发了争议。例如，OpenAI和Anthropic均对DeepSeek的技术水平和成本核算提出了质疑。尽管如此，DeepSeek的技术创新仍被认为具有一定的市场价值，尤其是在降低训练和推理成本方面。

总结

DeepSeek的技术创新在算法效率方面取得了显著突破，但在算力规模、成本核算和数据来源等方面仍面临诸多质疑。尽管其市场反应积极，但知识产权和道德风险等问题仍需进一步澄清。未来，DeepSeek能否在技术、成本和合规性之间找到平衡，将是其能否持续发展的关键。