2025年9月17日，屬于中國人工智能的又一個高光時刻來到了。DeepSeek-AI團隊梁文鋒及其同事在《自然》雜志發(fā)表了關于開源模型 DeepSeek-R1 的研究成果，并登上當期封面。

論文指出，大語言模型（LLM）的推理能力可以通過純強化學習顯著提升，從而減少對人工標注的依賴。與傳統(tǒng)訓練方式相比，這一方法培養(yǎng)出的模型在數(shù)學解題、編程競賽以及涉及STEM領域研究生水平的問題上，均展現(xiàn)出更優(yōu)的表現(xiàn)。

在此，DeepSeek也首次回應“蒸餾”爭議，在與審稿人的交流中，DeepSeek明確表示，R1并非通過復制OpenAI模型生成的推理示例來學習。只是和大多數(shù)其他大語言模型一樣，R1的基礎模型是在網(wǎng)絡上訓練的，因此它會吸收互聯(lián)網(wǎng)上已有的AI生成的內(nèi)容。

“低成本奇跡”：從29萬美元到世界舞臺

在AI世界，有一個殘酷的共識：頂尖大模型的門檻，從來不是算法，而是成本。OpenAI訓練GPT-4，外界估算其花費在1億美元以上；谷歌、Anthropic、Meta也在數(shù)千萬美元級別的預算上展開競賽。資金與算力，成了決定話語權(quán)的核心。

然而，DeepSeek打破了這一“潛規(guī)則”。根據(jù)研究團隊在論文補充材料披露的細節(jié)，DeepSeek-R1的推理成本僅為29.4萬美元，低到驚人。即便加上約600萬美元的基礎模型訓練開銷，整體成本依然遠低于國外巨頭。

DeepSeek-R1的真正突破，不僅體現(xiàn)在成本，更在于方法論上的創(chuàng)新。

研究團隊在《Nature》發(fā)表的論文中指出，他們采用了純強化學習（RL）框架，并引入組相對策略優(yōu)化（GRPO）算法，僅依據(jù)最終答案的正確與否給予獎勵，而非讓模型模仿人類推理路徑。

令人意外的是，這種看似“粗放”的訓練方式，卻讓模型在實踐中自然涌現(xiàn)出自我反思（reflection）、自我驗證（self-verification）以及生成更長推理鏈條（long chains of thought）等高級行為，有時甚至會生成成百上千個token來反復推敲一個問題。

這一點在數(shù)學測試中尤為明顯。論文數(shù)據(jù)顯示，在美國數(shù)學邀請賽（AIME 2024）中，DeepSeek-R1-Zero的準確率從15.6%躍升至77.9%，在使用自洽解碼（self-consistency decoding）后更達到86.7%，超過了人類平均水平。

《Nature》評論稱，這表明模型能夠在沒有人類推理示范的情況下，通過強化學習自主形成復雜的思維模式。

在后續(xù)的多階段優(yōu)化中（包括RL、拒絕采樣、監(jiān)督微調(diào)及二次RL），最終版本的DeepSeek-R1不僅在數(shù)學和編程等硬核任務上表現(xiàn)突出，還在寫作、問答等通用任務上展現(xiàn)了流暢性和一致性。這意味著，DeepSeek并不是在“教AI思考”，而是在“讓AI學會自己思考”。

梁文鋒的十年長跑

除了技術(shù)層面的突破，DeepSeek-R1的成功背后，更有一段鮮為人知的奮斗故事。梁文鋒，1985年出生于廣東湛江一個普通家庭，父親是小學老師。他的成長軌跡雖不為大眾熟知，卻在細節(jié)中顯露出早期的求知與堅韌。

2002年，17歲的梁文鋒考入浙江大學電子信息工程專業(yè)；五年后，他繼續(xù)攻讀信息與通信工程碩士，師從項志宇，專注機器視覺研究。正是在碩士階段，他與同學嘗試將機器學習應用于金融市場，探索全自動量化交易——那一年，全球金融危機正在席卷世界。盡管機會很多，像大疆創(chuàng)始人汪滔曾邀請他共同創(chuàng)業(yè)，梁文鋒卻選擇了一條少有人走的路：堅信人工智能將改變世界，他決定獨立創(chuàng)業(yè)。

碩士畢業(yè)后，梁文鋒先是將人工智能技術(shù)與量化交易結(jié)合，創(chuàng)辦雅克比投資及幻方科技，并在十余年間穩(wěn)步發(fā)展。直到2023年，他將目光轉(zhuǎn)向通用人工智能，創(chuàng)辦DeepSeek，開啟了AI大模型研發(fā)之路。憑借對算法和成本效率的雙重關注，DeepSeek在短短兩年內(nèi)連續(xù)發(fā)布V2、V3模型，不僅拉低了國產(chǎn)大模型的推理成本，更以驚人的性價比震撼了全球市場。

梁文鋒對團隊建設的理念同樣非同尋常。他堅持“能力為先”，核心崗位多由應屆畢業(yè)生和經(jīng)驗僅一兩年的年輕人組成，“我們或許不是在中國找到前50名頂尖人才，但我們可以自己培養(yǎng)。”這種信念，也正是DeepSeek能夠在低成本下實現(xiàn)高推理能力的關鍵。

現(xiàn)在來看，DeepSeek的這項研究，其價值遠不止于一個性能強大的模型。它更像是一份“方法論宣言”，向世界展示了一條不依賴天量標注數(shù)據(jù)、更具可持續(xù)性的AI進化之路。它打破了“資金即壁壘”的魔咒，將AI發(fā)展的主動權(quán)交還給了科學創(chuàng)新本身。

這不僅僅是中國AI的高光時刻，更是全球AI邁向“推理革命”的一個重要里程碑。Nature審稿人、Hugging Face機器學習工程師Lewis Tunstall認為，“R1開啟了一場革命”。越來越多正在應用R1的方法論改善現(xiàn)有的大語言模型。

未來的AI競爭，很可能將從“數(shù)據(jù)與算力的軍備競賽”，轉(zhuǎn)向“算法與智慧的創(chuàng)新競賽”。而DeepSeek-R1，已經(jīng)為這場新競賽吹響了號角。