關注AI大模型技術的朋友們，在歡度春節(jié)的這些天，一定有被國產(chǎn)大模型底座DeepSeek的”橫空出圈"霸屏了。

國產(chǎn)化大模型在算力更加“節(jié)約”的情況下，研發(fā)出了近乎和OpenAI GPT-4o同等“聰明”的大模型底座，極大地激勵了國人對于AI技術研發(fā)的信心，同時也給國內(nèi)外同行們帶來了不少“焦慮”與“反思”。

與其他主流大模型相比，正如DeepSeek的中文名“深度求索”想表達的，它在解決具體回答任務時，不僅關注“端到端”的一問一答結(jié)果，更加關注這個答案是怎么得到的。

這個AI模型會像人一樣思考，把任務分解，給出分析框架，然后逐步完善創(chuàng)作類答案的內(nèi)容細節(jié)或計算任務的解體過程。

因為過程合理，所以結(jié)果更加make sense，仿佛真的是很深思熟慮給出的結(jié)論，而不僅僅是從資料庫里找一些相關的答案隨便拼湊應付個結(jié)果。

下面主要從兩個方面來聊聊DeepSeek對我們的影響。

其一是，對于AI技術研發(fā)企業(yè)或團隊的影響；其二是，對于普通人的影響。我想這兩個問題都是大家非常關心的。

眾所周知，如果想構(gòu)建一個新的AI模型，主要有三個關鍵的影響變量：算法、算力、數(shù)據(jù)。DeepSeek之前出現(xiàn)的一些“頂級”大模型，多數(shù)對算力有很大資源要求。

這就導致ai大模型底座的研發(fā)成本“居高不下”，成為少數(shù)“大廠”的專利。同時，ai大模型產(chǎn)業(yè)，對gpu等芯片廠商也產(chǎn)生了極強的“供應鏈"依賴。

值得注意的是，算力只是ai成功的因素之一，算法和數(shù)據(jù)同樣重要。而DeepSeek，就是從算法尋得突破的！

DeepSeek在訓練大模型底座時，巧妙地運用強化學習技術，讓模型本身在解決問題的思維過程上不斷得到提升。

DeepSeek在有限的數(shù)據(jù)樣本中，得到更多的關于思考方面的啟發(fā)，從而讓ai技術回歸本質(zhì) —— 對人的思考方式和解決問題的邏輯的模擬，而不僅僅是追求“正確答案”。

DeepSeek的成功讓國內(nèi)外都為之震驚的是，該模型打破了所謂的Scale Law魔咒，讓人工智能技術研發(fā)重新開始關注算法策略的重要性！

與此同時，DeepSeek的模型訓練對于數(shù)據(jù)質(zhì)量的要求也是非常高的。其采用了很多高質(zhì)量的COT（思維鏈）數(shù)據(jù)。

這類樣本數(shù)據(jù)不僅記錄了問題輸入和答案輸出，還詳細地描述了每一步的“解題”過程。

這也是ai技術的魅力所在，“暗示”ai廠商不要過度迷戀粗放式的數(shù)據(jù)投喂，而是關注如何讓機器更好地學挖掘數(shù)據(jù)的深層次價值。

從另一方面看，隨著ai算法的不斷優(yōu)化，大模型底座訓練和推理成本同步降低！

這讓更多有技術能力的廠商和研發(fā)團隊有機會參與到“百模大戰(zhàn)”，突破算力資源匱乏的技術瓶頸，在未來5-10年將會不斷出現(xiàn)更多“令人振奮”的底層能力創(chuàng)新和應用場景創(chuàng)新！

對于普通人來說，相信不少人都已經(jīng)試用了DeepSeek的創(chuàng)意作詩、寫文案、實事點評這些熱門功能。發(fā)現(xiàn)ai技術的產(chǎn)出確實“文采橫溢”，甚至達到“以假亂真”的效果，很多ai文稿的質(zhì)量已經(jīng)超過了大多數(shù)普通文字工作者的水平。

與此同時，DeepSeek在寫代碼方面的能力，也幾乎可以替代一般的程序員——只需要把產(chǎn)品需求描述清晰，立刻就能生成可以直接運行的穩(wěn)定代碼案例。

難得一個ai產(chǎn)品一經(jīng)發(fā)布，同時讓文科生、理科生都同時焦慮了！似乎未來大多數(shù)的職業(yè)都在逐漸被ai替代。

有人說，ai降低了一個行業(yè)的門檻，因為誰都可以用大模型創(chuàng)作；也有人覺得，其實是提高了門檻，因為如果無法證明人比ai強，企業(yè)就沒有動力去雇傭所謂“資質(zhì)平平”的員工。

智能化技術的進步，讓人們開始反思什么才是真正的職場競爭力 —— 是業(yè)務經(jīng)驗、是創(chuàng)新能力，是溝通能力，是情緒價值，而不是循規(guī)蹈矩、墨守成規(guī)。

幾乎所有標準化的工作，都可以用大模型復現(xiàn)。以前是規(guī)章條例、文案模板、技術公式，現(xiàn)在還包括解決問題的方式方法。

當試用DeepSeek時，你會發(fā)現(xiàn)在提出一個開放式任務時，它會很快地告訴你如何科學地、有條不紊地對這個任務進行分解，然后逐步給出細節(jié)步驟指導。

然而，這是基于大數(shù)據(jù)提煉總結(jié)得到的常規(guī)性手段和策略，盡管做到這一點已經(jīng)超越了80%的行業(yè)從業(yè)者。這也就是為什么所謂萬金油的咨詢行業(yè)，開始面臨市場寒冬 ...

ai對于垂直行業(yè)的替代過程仍然是漫長的。因為光有標準化的“解題思路”還不夠，還缺少業(yè)務內(nèi)容 ... 

這需要更多的業(yè)務數(shù)據(jù)投喂，以及不同領域?qū)＜以诰唧wai應用場景中通過與機器交互產(chǎn)生的增量信息對模型能力進行矯正。

需要注意的是，在一個動態(tài)、多變、復雜的市場環(huán)境中，絕大多數(shù)業(yè)務問題是非標準化、隨機性強、無先驗案例的（少樣本或零樣本） ...

這也就是為什么很多ai工具看起來輸出形式很爽，業(yè)務方卻覺得隔靴搔癢 ... 

ai很有用，但人不能完全依賴于ai —— 使用ai的人的認知和業(yè)務能力，決定ai工具的效果上限。

即便在業(yè)務決策過程中能使用類似DeepSeek一類的大模型工具輔助完成，也是需要根據(jù)具體情況來適配，加入專家的行業(yè)洞察與經(jīng)驗預判。

這個過程就像炒菜一樣，機器只能搞定前面食材準備的工作，至于最后烹飪的火候、調(diào)料配比，也只有“主廚”（人）才能心領神會。

這也是人難以被替代的環(huán)節(jié)！大模型技術會讓普通人更普通，強者更強 ... 

當機器變得越來越像人，那么對于絕大多數(shù)普通人來說，只有不斷學習和成長，努力讓自己的能力體系盡可能地與機器產(chǎn)生差異，才能證明自己的職場稀缺性與獨特的社會價值！