戍天九思：DeepSeek“知识+数据”双轮驱动背后或受高人启...

lameihua

　　2月28日，DeepSeek开源周的最后一天，Open AI急不可耐地发布了早产的GPT—4.5。那么，到底谁的影响更加深远呢？

　　到底谁的影响更加深远？

　　不少人使用GPT—4.5后评价：GPT—4.5价格是DeepSeek的270倍，又贵又慢，性能提高不多，就像一个奢侈品——只能看不能摸。GPT—4.5的预训练计算量是GPT—4的10倍，但基准测试仅提升5%，在学术测试中甚至落后于DeepSeek-R1等模型。

　　已经有前OpenAI研究员跳出来“背刺”了：GPT—4.5表现不佳，50%的责任应该归功于垃圾的模型架构。

　　2月24日启动的DeepSeek开源周，通过全栈开源（芯片性能优化、模型通信、高效矩计算、数据处理提速）与系统级创新，DeepSeek不仅重新定义了AGI的技术路径，更在行业生态、地缘格局与人类技术伦理层面引发深刻变革。更有某硅谷大厂VP私下吐槽：“他们开源的不是代码，而是军火库。”

　　DeepSeek这样回答“谁的影响更深远？”：短期看，GPT-4.5因OpenAI的品牌效应引发热议；长期看，DeepSeek开源周的技术普惠性和生态建设能力更具变革性潜力。

　　最近，美国高科技风投机构A16Z的创始人安德森，接受美国著名财经播客主持人帕特里克专访。主持人问，DeepSeek推出后，一些美国闭源AI公司表示，如果没有他们的研发，DeepSeek根本不可能出现，DeepSeek是建立在他们的成果上的。

　　安德森回答说，这样的论调毫无意义。因为AI的核心算法——Transformer，根本不是OpenAI发明的，而是谷歌发明的。谷歌发布了相关论文，但这个概念搁置了五年，之后OpenAI才拿出来变成了产品。另一家AI公司克劳德也不是独立发明出来的，他们还是OpenAI的分支。

　　再往前追溯，谷歌在2017年发明了Transformer，实际上它是神经网络的一个衍生概念，而这个概念最早可以追溯到1943年。所以，我们能看到，这些AI系统里的大部分想法，并不是这些公司原创的。因此，我们不能认为这些公司创造了产品，就能完全掌控这些系统。毕竟，里面的很多创意并不属于OpenAI或其他AI公司。

　　最近，中国科学院计算技术研究所首席科学家李国杰院士接受记者采访时说：“DeepSeek为在受限资源下探索通用人工智能开辟了新的路径。传统大模型通常从广泛的通用能力出发，逐渐向特定应用场景优化。相比之下，DeepSeek采取了一种不同的策略，通过专注于特定任务或领域，逐步扩展其通用能力。这种方法有助于推动人工智能技术生态的发展，并促进通用人工智能的社会共享。”

　　2月26日路透社报道，大陆人工智能初创公司深度求索（DeepSeek）原本计划今年5月初发布新一代人工智能模型R2，但现在希望能尽早发布。

　　笔者认为，GPT—4.5就像个早产儿，说明其规模扩展、数据驱动的技术路线遇到了天花板。而DeepSeek快速迭代，现在又快有了新一代大模型R2，因此，开源周全面开源R1和V3的底气更足了，说明其找到了一条通向AGI的捷径！开源周既打开了AGI技术的天花板，又为AGI指明了前进方向，更像是吹响了人类向AGI冲剌的集结号。为什么？

　　DeepSeeK与OpenAI截然不同的技术路线

　　长期以来，笔者一直关注和跟踪人工智能发展，去年还仔细阅读了李飞飞的《我看见的世界》，结合近期研究DeepSeeK相关文章，笔者认为，DeepSeeK与OpenAI走的是一条截然不同的技术路线。

　　总的感到，全球近70年的人工智能发展史，是在缺乏系统理论指导和顶层设计，几乎是在瞎子摸象式的探索中前进的，走到哪里算哪里，期间还出现过三起三落。现在，人工智能发展奇点已过，到了该系统反思和重新审视，构建AI顶层设计和优化技术路线的时候了。

　　早在2020年7月，被誉为“中国人工智能之父”的张钹院士，在纪念《中国科学》创刊 70 周年专刊上发表了《迈向第三代人工智能》的署名文章。请注意DeepSeeK公司是三年后成立的。文中预言：在 60 多年的发展历史中，一直存在两个相互竞争的范式，即符号主义与连接主义。第一代AI——靠知识驱动的专家系统，由符号主义主导推出。第二代AI——靠数据驱动的机器学习系统，由连接主义主导推出。第三代AI——将是“知识和数据双驱动”的通用人工智能。

　　他解释说，由于第一、二代 AI 只是从一个侧面模拟人类的智能行为，因此存在各自的局限性。为了建立一个全面反映人类智能的 AI，需要建立鲁棒与可解释的 AI 理论与方法，发展安全、可信、可靠与可扩展的 AI 技术，即第三代 AI。其发展的思路是，把第一代的知识驱动和第二代的数据驱动结合起来，通过同时利用知识、数据、算法和算力等 4 个要素，构造更强大的 AI。目前，存在双空间模型与单一空间模型两个方案。

　　历史上AI主要标志性成果有，第一代AI有打败俄罗斯国际象棋大师卡斯帕罗夫的IBM的深蓝，第二代AI有谷歌围棋AlphaGo、OpenAI的ChatGPT—4.0。但是，ChatGPT—4.0凭着万亿参数的强大算力，在几乎吃尽全球互联网数据之时，基于规模扩展、靠数据驱动的机器学习技术路线也就遇到了天花板，这就是ChatGPT—4.5尽管算力提升了10倍而收效甚微的原因。怎么办？

　　从DeepSeek开源周开源情况看，DeepSeek公司通过系统反思和顶层设计，不仅重构了大模型架构和技术路线，而且从机器语言底层打通了大模型的任督两脉。DeepSeek技术路线走的就是张钹讲的“双轮驱动”模式——靠知识驱动的混合专家系统（MoE）和靠数据驱动的机器学习系统，从而使其在效率、性能和成本控制方面实现了显著突破。

　　笔者认为，有张钹院士高人早期发文指点开悟，DeepSeek找到了一条通往AGI的快速通道！

　　这让笔者想起一本书《思考——快与慢》，这是2002年诺贝尔经济学奖得主丹尼尔·卡尼曼出版的一本行为经济学专著。卡尼曼在书中将人类的思考模式分为两个系统：快系统和慢系统。这两个系统分工明确、配合默契。平时，快系统处于自动运行状态，靠而慢系统处于放松状态，快系统工作凭经验靠直觉，因而比较省心省力。当快系统遇到处理不了的问题时，才会启动慢系统帮忙。而慢系统一旦启动，就会占用大量的注意力，进行理性思考，费时费力但比较精确。每个人的思考过程，其实都是快系统和慢系统合作的结果。

　　DeepSeek的“双轮驱动”技术路线就像人脑思维，凭经验靠知识驱动的混合专家系统，就像凭直觉的快系统节约算力；而靠数据驱动的机器学习系统，就像靠理性思考的慢系统精准，两者结合起来，从而实现了多、快、好、省地解决复杂问题。而像ChatGPT那样单一的“数据驱动”，就会既费算力又很缓慢。

　　OpenAI会使用DeepSeeK“双轮驱动”架构吗？

　　俗话说：独行快，众行远。DeepSeek的MIT许可证允许商业二次开发，其API被华为、荣耀、百度等企业快速集成。DeepSee开源周首日即吸引1700名开发者贡献代码，涌现DeepSeek-Tuner微调框架等工具。印度、日本开发者基于其架构开发本土化AI系统，非洲团队利用手机端模型实现医疗影像诊断。这种“分布式创新网络”效率远超传统企业研发，全球正在形成去中心化的AGI演进共同体。

　　可见，DeepSeek开源周不仅是技术突破，更是数字文明秩序重构的临界点。其通过“开源武器化”策略，在硬件垄断、算法黑箱、地缘霸权的铁幕上撕开裂口，证明开放协作才是AGI发展的终极路径。当代码成为通用语言时，技术霸权终将消融于人类共同体的创造力中。这场由东方发起的开源革命，或许正为AGI的“人类纪”写下第一个注脚：唯有共享，方能抵达智能的彼岸。

　　如果下一步DeepSeek—R2全面超过GPT-4.5，那就进一步证实笔者“双轮驱动”优越性的判断。

　　事实上，截至2024年底，OpenAI公司原始创始团队11人中已有10人离职，高管与核心研究员至少10人离职，包括CTO、首席研究官、安全负责人等等，特别是安全团队集体离职？，整个公司已经元气大伤。目前，OpenAI公司面临核心人才大量流失、技术路线瓶颈和数据短缺三大困境。那么，0penAI会不会使用DeepSeeK的“知识和数据双轮驱动”架构？

　　笔者用这个问题去问DeepSeek，它的回答是：OpenAI短期内可能不会完全采用DeepSeek的“双轮驱动”架构，但会在以下方面进行策略性调整。

　　1. 局部技术优化。吸收DeepSeek高效推理和硬件利用技术，降低成本。

　　2. 生态开放试探。通过部分开源工具或透明化功能，提升开发者粘性。

　　3. 垂直领域深耕。结合细分数据与强化学习，增强行业适用性。

　　4. 合规优先。在全球化扩张中平衡创新与数据隐私要求。

　　未来竞争的核心可能在于工程效率与生态开放性的融合，而非单一架构的模仿。

　　笔者认为，目前OpenAI公司面临两难选择：采用“双轮驱动”构架——丢面子，跟在DeepSeek后面吃灰。不采用——丢里子，一时又找不到好办法，小打小闹学习进步慢，只会丢掉生态。

　　斯坦福大学《2024年人工智能指数报告》明确指出，机器学习大模型在图像分类、视觉推理及英语理解等方面的表现已超过人类。

　　现在，人类走向通用人工智能（AGI）的步伐越来越快。思路决定出路，方向胜过方法。智能时代不会等待犹豫者、徘徊者、旁观者，AGI最终属于开源生态的创新者、探索者！