AI大模型的能力比拼或許不再拘泥於“算力”

【環球網科技綜合報道 記者 秦耳】在如今大模型爆發的時期，拉住一個AI從業者問他市場上誰家的大模型更為優秀。他應該會告訴你“去看這家有多少算力投入訓練”，更為言簡的話他會以“存儲有多少塊英偉達算力芯片”作為更直接的衡量標準。

這樣的解釋也沒有太大的問題，如今市面上無論開源大模型，還是閉源大模型，其內核都來自谷歌研究團隊在2017年發佈的《Attention is All You Need》這篇論文中所開發出的“Transformer模型”。包括特斯拉的自動駕駛FSD，以及OpenAI的ChatGPT都是對Transformer模型的產品化開發，可以説當前市面上所有正在運行的AI大模型都是“Transformer模型”的變種。

就像《邪不壓正》這部電影裏李天一和朱潛龍的經典台詞“都是同一個師傅教的，破不了招啊。”如今的AI大模型市場也面臨這樣的局面，既然做不到“內核”多樣化，那麼只能通過快速且大量的數據訓練，讓“經驗值”快速提升從而達到升級的目的。

據瞭解，僅在2023年，OpenAI訓練GPT-4時，就用了25000張型號為A100的英偉達GPU。據外媒報道，當前OpenAI至少擁有40萬塊英偉達的GB200芯片‌和H100芯片。而甲骨文CEO拉里·埃裏森也在一次播客訪談中講到，他曾經跟特斯拉CEO馬斯克在一次邀請黃仁勳（英偉達老闆）的飯局上，“乞求”黃仁勳給甲骨文和特斯拉預留足夠的算力芯片。

事情的發展如果繼續沿着“堆算力”的方向發展，整個行業就沒有變局的可能。但是，打破湖面的漣漪終究會來，在12月中旬中國初創企業DeepSeek開發的大語言模型（LLM）DeepSeek-V3引發美歐業界廣泛關注，該模型在技術性能、開源模式、成本效益等方面的突出表現獲得積極評價。

根據測評機構Artificial Analysis的獨立分析，DeepSeek-V3可與世界頂尖的AI模型競爭。在文本理解、編碼、數學和學科知識方面，DeepSeek-V3優於Meta的Llama 3.1-405B和阿里巴巴的Qwen 2.5-72B等開源模型，並在性能上和世界頂尖的閉源模型OpenAI的GPT-4o和Anthropic的Claude 3.5 Sonnet不分伯仲。DeepSeek-V3在中文處理、編碼和數學計算等方面的優勢，使其在教育和科研領域具有巨大潛力。

可以説，DeepSeek-V3的能力超過了許多開源對手，例如Meta公司的Llama-3.1模型和阿里巴巴的Qwen2.5模型。一般情況下，頂級閉源模型的能力通常優於開源模型，但DeepSeek在代碼生成、數學運算等方向表現出了非凡的實力。

其次，DeepSeek-V3的開發和訓練成本也明顯低於其他大模型。OpenAI創始成員之一安德烈·卡帕蒂強調了這種非凡的效率：像DeepSeek-V3這樣性能和級別的模型，通常需要1.6萬到10萬個GPU的集羣來訓練，而中國初創公司僅用了2048個GPU在57天內便完成了訓練。其成本約557.6萬美元，僅為其他主流模型（如GPT-4）的1/10左右。

用更為明顯的數字來説明，DeepSeek-V3模型只用了2048張英偉達H800顯卡，兩個月時間，便訓練出了一個擁有6710億參數的超大規模模型，訓練成本約為550萬美元。數據對比後，DeepSeek的厲害之處更為明顯。如果是其他硅谷公司來完成同等能力的模型，通常會選擇最高端的英偉達顯卡，而不是價格較低的H800顯卡。此外，他們至少需要1.6萬塊高端顯卡才能達到類似水平，遠無法像DeepSeek這樣僅用2000塊H800顯卡完成任務。

從算力上看，V3的訓練耗費僅為同等規模硅谷公司模型的十一分之一。而在成本上，Meta的同等能力模型訓練花費高達數億美元，完全無法與DeepSeek的性價比相提並論。

盤古智庫的專家胡延平對於DeepSeek-V3的評價更為中肯，DeepSeek-V3的成功更多是證明了行業大模型路線的可行性，雖然相較於通用大模型它還是有差距。不過，我國產業界對於AI大模型的發展路徑本來就是在“產業化落地”方向，行業大模型與產品落地匹配度更高，更適合我國對於AI賦能各行各業的需求。

值得一提的是，DeepSeek-V3發佈後的一段時間內，英偉達的股價也遭遇了波動。有華爾街分析師認為，DeepSeek-V3的上市，讓市場對於AI大模型“堆算力”的發展模式產生了動搖。