大陸AI創新公司「DeepSeek」橫空出世，成為撼動美股的「黑天鵝」，大陸專家指出，DeepSeek成功的關鍵在於其技術創新、成本低廉以及運用開源模型3方面主要因素。
大陸AI新創企業DeepSeek（深度求索）近期推出「DeepSeek-V3」與「DeepSeek-R1」兩款最新的AI模型。這兩款模型具備低廉的製造成本，且採用運算能力相對低階的輝達H800晶片，卻擁有與全球頂尖AI語言模型匹敵的表現（例如OpenAI 的 ChatGPT-4），撼動美國矽谷科技界，迅速在美國走紅，27日更一舉超越ChatGPT登上美國區蘋果App Store免費榜上首位。
對此，新浪科技引述大陸工程院院士、清華大學電腦系教授鄭緯民的看法，點出了DeepSeek成功主要有3個核心因素：首先技術層面方面，DeepSeek核心自主研製的DeepSeek-V3和DeepSeek-R1 兩個模型，其效能與OpenAI的4o和o1模型相當。其次成本低廉方面， DeepSeek研發出的這兩個模型成本僅為OpenAI 4o和o1模型的十分之一左右。最後在開源模型方面，DeepSeek將這兩個強大的模型技術開源，讓廣大的AI團隊可以利用這些最先進且成本最低的模型，開發更多具有創新性的AI應用程式。
被問到DeepSeek如何實現模型成本降低，鄭緯民指出，DeepSeek自主研發的MLA（Memory-Limited Attention）架構和 DeepSeek MoE（Mixture of Experts）架構，對於降低其模型訓練成本發揮了關鍵作用。
他表示，「MLA主要透過改造注意力算子壓縮 KV Cache 大小，實現了在相同容量下可以儲存更多的KV Cache。此架構與DeepSeek-V3模型中的FFN層改造相配合，實現了一個非常大的稀疏MoE層。這是DeepSeek訓練成本低廉的最關鍵原因」。據悉，KV Cache是一種優化技術，常用於儲存人工智慧模型運作時產生的token的鍵值對（即key-value數值），以提高運算效率。
在模型運算過程中，KV cache會在模型運算過程中扮演一個記憶體庫的角色，以儲存模型之前處理過的token鍵值，透過模型運算計算出注意力分數，有效控制被儲存 token 的輸入輸出，透過「以存換算」避免了大多數大模型運算每次都是從第一個 token 開始運算的重複計算，提升了算力使用效率。
圖靈獎得主、主導Meta AI研究的首席科學家楊立昆（Yann LeCun）日前表示，DeepSeek成功的最大收穫並非大陸對其他國家帶來更大威脅，而是更是突顯開源模型的重要性，以及AI開源的價值使任何人都能受益。楊立昆在Threads寫道，「對於那些看到DeepSeek表現並認為『中國在AI領域正超越美國』的人而言，你的解讀錯了；正確解讀應是『開源模型正超越專有模型』」。
無任何留言，趕緊搶頭香！