自 DeepSeek 推出以来，围绕这家中国 AI 公司的谣言层出不穷。为了澄清事实，前 Stability AI 研究主管 Tanishq Mathew Abraham 发表了一篇深度分析文章，揭示了关于 DeepSeek 的五大谣言及其背后的真相。
DeepSeek 的崛起并非偶然。早在 2023 年 11 月，该公司就发布了首个开源模型 DeepSeek-Coder，迅速成为业界领先的代码生成语言模型。此后，DeepSeek 不断推出创新成果，最终在 2025 年 1 月正式发布了 R1 模型。这些进展表明，DeepSeek 的成功并非一蹴而就，而是经过长期积累和技术沉淀的结果。
谣言 1：DeepSeek 是突然冒出来的公司
事实上，到 2025 年 1 月，几乎所有生成式 AI 研究人员都已经听说过 DeepSeek。DeepSeek 在正式发布 R1 前几个月就已提供了预览版本，展示了其技术和产品的成熟度。谣言的传播者往往不了解 AI 行业的实际情况，夸大了 DeepSeek 的“神秘性”。DeepSeek 的持续创新和高效团队使其在过去一年中取得了显著进步，这是完全合理的。
谣言 2：DeepSeek 的模型训练成本不是 600 万美元
关于 DeepSeek 模型训练成本的争议主要集中在 600 万美元这个数字上。DeepSeek-V3 论文提到的 550 万美元成本，主要是基于 GPU 成本、数据集大小和模型参数的估算。DeepSeek-R1 是在 DeepSeek-V3 的基础上进行了一些强化学习训练，这部分额外成本大约为几十万美元。此外，DeepSeek 的 2048 个 H800 GPU 集群的实际成本可能更低，因为批量购买通常会有折扣。值得注意的是，除了训练成本外，DeepSeek 还有其他运营成本，如研究人员的高薪，这进一步证明了其成本的合理性。
谣言 3：DeepSeek 使美国 AGI 公司浪费资源，看跌英伟达
有人认为，DeepSeek 的高效训练方法意味着美国 AGI 公司在浪费资源，并质疑英伟达的市场地位。这种观点忽视了 scaling laws 的重要性。scaling laws 表明，增加计算资源可以带来更好的模型性能。虽然 DeepSeek 确实提高了训练效率，但这并不意味着更多的计算资源是不必要的。实际上，许多 AGI 公司仍然相信，通过不断投入更多计算资源，可以加速实现 AGI 和 ASI。因此，DeepSeek 的成功并不会动摇英伟达在 AI 加速芯片领域的主导地位。
谣言 4：DeepSeek 没有做出任何有意义的创新
DeepSeek 在语言模型的设计和训练方法上确实有许多创新。例如，他们开发了多头潜注意力（MLA）机制，这是一种更节省内存且性能更好的 Transformer 变体。此外，DeepSeek 提出了 GRPO 与可验证奖励的强化学习管道，简化了训练过程并提升了模型性能。他们还设计了 DualPipe 方法，优化了多 GPU 训练的效率。这些创新不仅提高了 DeepSeek 模型的性能，也为整个 AI 社区提供了宝贵的参考。
谣言 5：DeepSeek 正在“汲取”ChatGPT 的知识
关于 DeepSeek 是否使用了 ChatGPT 的知识进行训练，存在一些误解。虽然有人声称 DeepSeek 使用了蒸馏技术，但这种说法缺乏证据支持。即使 DeepSeek 确实使用了 ChatGPT 生成的数据进行训练，这也并不违反服务条款，前提是这些数据来自公开数据集。DeepSeek 的成功更多依赖于其自身的工程、效率和架构创新，而不是简单地“汲取”其他模型的知识。因此，DeepSeek 的成就不容忽视。
总之，DeepSeek 的崛起反映了中国在人工智能领域的强大竞争力。尽管存在一些争议和谣言，但 DeepSeek 的技术和创新值得肯定。未来，中美两国在 AI 领域的竞争将继续升温，双方都将投入更多资源，推动 AI 技术的发展。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
