物理測試暴擊AI圈，DeepSeek R1穩超o1、Claude，我們已進入RL黃金時代
机器之心發表於2025-01-25
我們都沒預料到，AI 領域的 2025 年是這樣開始的。
最近，「神秘的東方力量」DeepSeek 正在「硬控」矽谷。 我讓 R1 詳細解釋勾股定理。這一切都是 AI 在不到 30 秒時間裡一次性完成的，沒出任何錯。簡單來說，its over.在國內外 AI 圈，普通網友發現了神奇的強大新 AI（還開源），學界專家紛紛喊出「要奮起直追」，還有小道訊息稱海外的 AI 公司已經如臨大敵。就說這個本週剛釋出的 DeepSeek R1，它沒有任何監督訓練的純強化學習路線令人震撼，從去年 12 月 Deepseek-v3 基座發展到如今堪比 OpenAI o1 的思維鏈能力，似乎是很快達成的事。但在 AI 社群熱火朝天的讀技術報告、對比實測之餘，人們還是對 R1 有所懷疑：它除了能跑贏一堆 Benchmark 以外，真的能領先嗎？最近幾天，AI 社群的一些人開始沉迷一項測試 —— 測試不同的 AI 大模型（尤其是所謂的推理模型）來處理一類問題：「編寫一個 Python 指令碼，讓一個黃色球在某個形狀內彈跳。讓該形狀緩慢旋轉，並確保球停留在形狀內。」一些模型在這項「旋轉球形」基準測試中的表現優於其他模型。據 CoreView CTO Ivan Fioravanti 稱，國內人工智慧實驗室 DeepSeek 的開源大模型 R1 完勝 OpenAI 的 o1 pro 模式，後者作為 OpenAI ChatGPT Pro 計劃的一部分，每月收費 200 美元。左邊是 OpenAI o1，右邊是 DeepSeek R1。如上所述，這裡的 Prompt 是:「write a python script for a bouncing yellow ball within a square, make sure to handle collision detection properly. make the square slowly rotate. implement it in python. make sure ball stays within the square.」根據另一位網友在 X 上的說法，Anthropic 的 Claude 3.5 Sonnet 和谷歌的 Gemini 1.5 Pro 模型對物理原理判斷錯誤，導致球偏離了形狀。也有使用者報告稱，谷歌最新的 Gemini 2.0 Flash Thinking Experimental，以及相對更舊的 OpenAI GPT-4o 都一次性透過了評估。 在這個推文底下的網友表示：o1 的能力原本很好，在 OpenAI 最佳化速度過後就變弱了，即使是每月 200 美元的會員版也一樣。模擬彈跳球是一個經典的程式設計挑戰。精確的模擬結合了碰撞檢測演算法，其演算法需要去識別兩個物體（例如一個球和一個形狀的側面）何時發生碰撞。編寫不當的演算法會影響模擬的效能或導致明顯的物理錯誤。AI 初創公司 Nous Research 的研究員 N8 Programs 表示，他花了大約兩個小時從頭開始編寫一個旋轉七邊形中的彈跳球。「必須跟蹤多個座標系，瞭解每個系統中的碰撞是如何進行的，並從頭設計程式碼以使其具有魯棒性。」雖然彈跳球和旋轉形狀是對程式設計技能的合理測試，但對於大模型來說還是個新專案，即使是提示中的細微變化也可能產生出不同的結果。所以如果想讓它最終成為 AI 大模型基準測試的一部分的話，還需要改進。無論如何，經過這一波實測之後，我們對大模型之間的能力不同有了觀感。Meta 員工發帖稱「Meta 工程師們正在瘋狂地分析 DeepSeek，試圖從中複製任何可能的東西。」而 AI 科技初創公司 Scale AI 創始人 Alexandr Wang 也公開表示，中國人工智慧公司 DeepSeek 的 AI 大模型效能大致與美國最好的模型相當。他還認為，過去十年來，美國可能一直在人工智慧競賽中領先於中國，但 DeepSeek 的 AI 大模型釋出可能會「改變一切」。X 博主 @8teAPi 則認為，DeepSeek 並不是一個「副業專案」，而是像洛克希德・馬丁以前的「臭鼬工廠」。所謂「臭鼬工廠」，就是當初洛克希德・馬丁公司（Lockheed Martin）為了研發諸多先進飛行器專門成立的一個高度機密、相對獨立的小團隊，從事尖端或非常規的技術研究與開發。從 U-2 偵察機、SR-71 黑鳥，到 F-22 猛禽、F-35 閃電 II 戰鬥機都是從這裡走出來的。後來，這個詞逐漸演變成一個通用術語，用來形容在大公司或組織內部設立的「小而精」、相對獨立且自由度更高的創新團隊。- 一方面是 DeepSeek 擁有大量的 GPU，據稱有超過一萬塊，而 Scale AI 的 CEO Alexandr Wang 甚至表示可能達到 5 萬塊。
- 另一方面，DeepSeek 只從中國排名前三的大學招聘人才，這意味著 DeepSeek 與阿里巴巴和騰訊具有同等的競爭力。
僅憑這兩個事實，就可以看出，顯然 DeepSeek 在商業上取得了成功，並且已經足夠知名，能夠獲得這些資源。至於 DeepSeek 的開發成本，該博主表示，中國科技公司可以獲得各種各樣的補貼，比如低用電成本和用地。因此，DeepSeek 非常有可能大部分成本都被「安置」在核心業務之外的某個賬目上，或者以某種資料中心建設補貼的形式存在。甚至除了創始人之外，沒人完全清楚所有財務安排。有些協議可能只是「口頭協定」，只靠聲譽就能敲定。- 這個模型非常出色，與 OpenAI 兩個月前釋出的版本相當，當然也有可能不如 OpenAI 和 Anthropic 尚未釋出的新模型。
- 從目前來看，研究方向仍主要由美國公司主導，DeepSeek 模型屬於對 o1 版本的「快速跟進」，但 DeepSeek 的研發進度非常迅猛，比預期更快地迎頭趕上，他們並沒有抄襲或作弊，最多隻是逆向工程。
- DeepSeek 主要是在培養自己的人才，而不是依賴美國培養的博士，這大大擴充套件了人才庫。
- 與美國公司相比，DeepSeek 在智慧財產權許可、隱私、安全、政治等方面受到的約束較少，圍繞錯誤地使用那些不想被訓練的資料的擔憂也較少。訴訟更少，律師更少，也更少顧慮。
毫無疑問，越來越多的人認為 2025 年將會是決定性的一年。與此同時各家公司都在摩拳擦掌，比如 Meta 就正在建立一個 2GW+ 的資料中心，預計在 2025 年投資 600-650 億美元，年底擁有超過 130 萬塊 GPU。Meta 甚至用一張圖表展示了 2 千兆瓦資料中心與紐約曼哈頓的對比。但現在 DeepSeek 用更低的成本，更少的 GPU 做到了更好，怎能不讓人焦慮？Hyperbolic 的 CTO、聯合創始人 Yuchen Jin 發帖表示，在僅 4 天時間裡，DeepSeek-R1 向我們證明了 4 個事實：由 DeepSeek 引發的連鎖反應仍在繼續，比如 OpenAI o3-mini 免費可用、社群中希望能減少關於 AGI/ASI 的模糊討論以及傳聞 Meta 陷入恐慌等。他認為，現在很難預測最終誰會獲勝，但不要忘記後發優勢的力量，畢竟我們都知道是 Google 發明了 Transformer，而 OpenAI 解鎖了其真正潛力。此外，圖靈獎得主、Meta 首席人工智慧科學家 Yann LeCun 也表達了自己的看法。「對於那些看到 DeepSeek 的效能就認為『中國正在超越美國的 AI』的人，你理解錯了。正確的理解是：開源模型正在超越專有模型。」LeCun 表示，DeepSeek 之所以這次一鳴驚人，是因為他們從開放研究和開源（如 Meta 的 PyTorch 和 Llama）中獲益。DeepSeek 提出了新想法，並在他人工作的基礎上構建。因為他們的工作是公開發布和開源的，每個人都可以從中受益，這就是開放研究和開源的力量。網友們的反思還在繼續，在對於新技術發展興奮的同時，也能感受到一點點憂慮的氣氛，畢竟 DeepSeek 們的出現，可能會帶來真金白銀的影響。https://x.com/ivanfioravanti/status/1881969391547683031https://x.com/Aadhithya_D2003/status/1882105009548222953https://x.com/8teAPi/status/1882836551866204656https://x.com/Yuchenj_UW/status/1882840436974428362https://x.com/ylecun/status/1882943244679709130https://venturebeat.com/ai/tech-leaders-respond-to-the-rapid-rise-of-deepseek/