DeepSeek发布引发股市震荡，人工智能的能源与开源未来成焦点

（来源：MIT Technology Review）<

/>

在科技领域，通常一款新发布的人工智能（AI）模型不会引起太大波澜，更不用说会导致股市因恐慌而损失数万亿美元。DeepSeek的问世却是个例外，这一模型在几周内引发了巨大的轰动，尽管媒体的关注点已逐渐转移到其他话题，比如美国联邦政策变化、研究数据清理等问题，但DeepSeek的影响力依然是众多行业观察者的热议焦点。

随着DeepSeek的热度降温，其在人工智能领域可能带来的长远影响成为了业界的关注重点。以下是值得深入探讨的三个重要议题。

1. 人工智能的能耗问题

DeepSeek的出现促使业界重新审视人工智能模型的能耗问题。在追求更优答案的同时，人工智能应消耗多少能源才是合理的，这一问题正日益成为讨论的核心。DeepSeek在训练过程中表现出色，具有很高的能效，然而在推理阶段，即在用户向模型提问并期待得到答案的时候，情况显得更加复杂。

DeepSeek采用了“思维链”技术，能够将复杂问题（例如涉及情感的道德难题）分解为多个简单的问题逐一解决。这种方法使得DeepSeek在数学、逻辑推理及编程任务中表现尤为突出，但也带来了额外的能耗。尽管现阶段人工智能的能耗在全球排放量中占比较小，但随着各领域人工智能应用的蓬勃发展，这一问题的紧迫性和重要性势必会逐步增加。

我们需要认真考虑每项任务的能源消耗是不是值得。例如，为了治疗严重疾病进行的医疗研究显然是值得投资的，而生成毫无意义的内容就未必。对此，业内专家表示，DeepSeek的超高性能可能促使许多公司将其集成到各种应用中，使得终端用户在不同场景下频繁访问，从而产生不必要的资源浪费。这一现象凸显了在未来应用中必需理性利用人工智能资源的紧迫性。

2. DeepSeek训练方法的创新

DeepSeek在训练方法上的创新同样值得关注，并可能为其他公司提供借鉴。传统上，先进的人工智能模型依赖于庞大的文本、图像和视频数据，且需要人类工作者参与数据清洗和标注工作。人类反馈与强化学习（RLHF）技术成为了有效训练模型的重要手段，最初由OpenAI提出，目前已在业界广泛应用。

DeepSeek采取了一种不同的方法，通过自动化评估和强化学习过程，减少了人类反馈的依赖。这一方式在处理数学和编程问题时表现良好，但在其他领域的效果仍需继续评估。尽管如此，DeepSeek通过类似于谷歌DeepMind训练围棋AI的方式，进一步提升了技术的有效性与优化潜力。这表明DeepSeek正在向无监督学习迈进，可能会为未来AI模型的发展提供全新的方向。

3. 开源与竞争的辩论

，DeepSeek的发布引发了一场关于AI研究开源的重要讨论。早在DeepSeek发布之前，AI领域的许多公司就已经开始呼吁增加透明度，认为公开的研究成果可以促进全球超级人工智能的良性竞争。Meta等公司支持这一愿景，认为开源方法能比监管更有效地保障人工智能安全。

OpenAI持不同观点，认为模型的闭源性质可以防止潜在的恶用。随着DeepSeek的成功发声，OpenAI的首席执行官奥尔特曼也表示，行业原有的封闭策略存在问题，未来需要采取新开源策略。这样的声音在特朗普及其他立法者中引起共鸣，他们认为，这一成功应促使美国在AI领域提升竞争力，并加强对高端芯片出口的管控。

未来几个月，将有更多基于DeepSeek的技术与产品问世，这些持续的创新与辩论将进一步推动人工智能领域的发展。随着技术的进步与市场的变化，DeepSeek不仅将塑造新的AI应用场景，还可能重塑整个产业格局。行业发展背后的能源和开源话题，将成为我们必须认真对待的重点。