一场关于DeepSeek的高质量闭门会（轻科技）

2026年读完的第二十三本书，写下这本书的读书笔记的时，我正被上班人潮挤涌下进入了地铁。即使身边摩肩接踵，我仍然能畅游在在技术世界的海洋中，认真吸收、思考以及总结这本书学到的LLM知识。 这本书采用知识点陈列的形式介绍Deepseek，Deepseek作为2025年头的AI“王炸”，确实是有一定硬实力，我认为它的出现是中国AI的“奇点标志”。毫无疑问的是Deepseek作为追赶者，拥有一定的后发优势，作为后来者它在实施时能在一定程度参考市面上成熟AI模型的解决方案。但换个角度来讲即使是拥有这样的后发优势，很多厂商也不一定能做的比Deepseek要好。这是因为Deepseek在工程学上走对了路，Deepseek团队首先采用了高质量的语料库并对数据进行了标注，他们对模型进行了定向“蒸馏”从而实现了“降本增效”的效果。 Deepseek的出现不是证明了中国AI事业能追赶并超过美国，我认为它的象征意义更大，它的诞生更像是类似于Alphago战胜围棋大师的“AI时刻”。它的出现证明了对LLM进行SFT（Supervision Fine Tunning）工程模型定向蒸馏后，不会对LLM造成比较大性能影响，这相等于给行业从业者提供了“大语言模型小型化”提供了实施路径的可能性和工程学思路。 但是换个角度来讲，这样的LLM蒸馏（阉割）手段会对模型的多样性、模型的泛化功能产生不好的影响。特别是Deepseek是通过蒸馏其它LLM而落地的产品，在某程度上也把被蒸馏LLM的问题带入Deepseek中，我理解就是考试中抄别人的答案，把别人的错误答案也抄到自己的答卷上一样。像这种通过走捷径的方式，而没有自己通过愿景去想怎么做技术方案，而是直接复现的手段，长期来看的话永远不可能抓到AI技术的核心。因此，我一直以来都认为Deepseek只是小米（性价比，不高端），OpenAI、Antropic或Gemini它们才是苹果（高性能，高服务）。 总体来讲，这本书还是值得一读。腾讯的这种闭门会头脑风暴提出的问题和回答确实从多角度作为切入点，多维度分析总结了Deepseek这个“当红”的大语言模型。这类型的轻科技书籍我基本上不需要花多少时间就读完，它的确实十分适合在公交和地铁上读完。

闭源模型为何未能及时采用 DeepSeek 方法？ 闭源模型没有迅速跟进 DeepSeek 的技术路线，主要受制于以下四点： 1. ​​商业模式与激励结构差异​​ • 闭源模型依赖“卖算力/订阅”获取现金流，它们的营收与显存、卡数高度正相关，因此天然倾向继续扩规模、堆新卡，而不是像 DeepSeek 那样用旧卡就能跑出高性能。 2. ​​技术路径锁定与生态惯性​​ • 开源社区过去十年形成的“规模-性能”信念仍根深蒂固；对于尚未出现“反规模指标”的局面，多数团队认为继续放大模型仍是安全且被验证的路线，对数据蒸馏、精细化标注等“少而精”方案持观望态度。 3. ​​组织与资源分配瓶颈​​ • DeepSeek 将有限资源压到最窄的赛道，放弃多模态、工具调用等外围功能，集中兵力打穿长上下文和推理能力；而闭源模型通常要维持更宽的功能面，难以像 DeepSeek 那样做深度聚焦。 4. ​​合规与算力获取难度​​ • DeepSeek 在美国禁令背景下坚持“不买不合规 GPU”，主动控制硬件规模，体现了其“合规优先”的文化；闭源模型若放弃最新 GPU 就会削弱性能标杆，影响市场宣传与资本估值，因此在硬件采购上动作迟缓。 综合来看，闭源模型并非看不到 DeepSeek 的优势，而是在盈利模式、技术惯性、组织资源与合规压力的多重约束下，难以及时转身采用“低成本+高性能”的新范式。

这是一篇关于DeepSeek的科普读物，86个方面的分析判断适用于专业人士，对于普通读者来说，看看了解就可以了，如果细究，那就要下狠功夫。 不过，这仍然不影响这是篇好文章。

Deepseek确实让AI更快的融入了国人，推动了中国AI井喷式的发展，我是不知道未来AI会发展什么样子，学习相关知识了解相关信息是我能做的

在模型按周迭代的时代，单点技术很难成为永久壁垒；真正稀缺的是持续定义问题、组织资源、压缩试错成本的人和组织。DeepSeek 的启发不是“算力不重要”，而是有限算力下的极致工程效率、数据精度、后训练闭环和战略聚焦。AI 产业可以用“路、车、货”理解：路是算力与基础设施，当前稀缺且估值最高；车是模型，能力会快速扩散但持续造车仍有壁垒；货是应用价值，仍在寻找稳定现金流。先发者承担未知探索和排障成本，后发者享受路径红利，但若只追随就无法定义下一代问题。真正长期的竞争，是愿景、组织、算力、数据、工程和商业闭环的复合能力。

AI火了好些年，但是从来没有看过任何专业的书籍，工作生活中，和AI的关系就是偶尔看到的新闻以及元宝等App。 所以自己没有办法去评论这本书的内容是否优质，甚至很多内容以及观点，自己现在依然无法理解，只能说，我花了半个多小时，看完了一本跟AI有关的书。 但是从我个人角度来说，这本书是好的，是值得我收藏并且再次阅读，我也会再次阅读，原因如下: 1-我不懂AI，很多专业术语理解上有困难，但是这本书很短，所以看完一遍不会花太多时间，能够让我耐着性子去把它“读”完； 2-“读”完一本书，不管理不理解，都是完成了一项给自己定下的任务，是有一定的成就感的。然后虽然很多不懂，但是从阅读过程中复制粘贴在备忘录的2723个字，我想我是学到东西了； 3-因为它的内容篇幅短，所以我想再读一遍，下一遍我希望之前阅读过程中，让微信读书给我查的那些专业词汇，我可以不用再翻“词典”，我可以真正去的去理解一段一段文字； 4-整本书，是作者对于deepseek的观点，我希望等到后面看第N遍的时候，我可以对这些观点，提出自己的想法 另外说一下，看这本书，真的提现了现在电子书的优越性。上学时学习英语和古文，老师说翻译讲究“信达雅”。微信读书的翻译，让我一下子想到了这点。它不仅仅会把不认识的单词的词意告诉我，还会解释如何在上下文中理解这个单词或者短语，真的很好。

这篇总结就是用AI写的～ 以下从四个维度回顾《一场关于DeepSeek的高质量闭门会（轻科技）》的核心要点： ​​1. DeepSeek-R1 的技术突破​​ • 以“低成本、高效能”震撼业界：在远低于 GPT-4 的算力投入下，DeepSeek-R1 依靠长上下文突破与精细化数据蒸馏，实现了竞争力十足的模型表现。 • “不做 SFT” 的训练范式：团队选择放弃大规模人工标注，转而依靠高质量数据筛选与自蒸馏，为模型迭代开辟了新路径。 ​​2. 闭门会的组织与讨论方式​​ • 由拾象创始人李广密于 2025-01-26 组织，汇聚顶尖研究员、投资人与从业者，对 DeepSeek 的技术细节、文化理念及其短中长期影响展开闭门研讨。 • 会议强调“开源精神”与“愿景驱动”。与会者认为，DeepSeek-R1 的开源属性为全球开发者带来“深远馈赠”，因此决定公开分享闭门会思考成果。 ​​3. DeepSeek 的愿景与组织基因​​ • 公司定位：专注 AGI 研究，以优化资源利用与成本控制著称，在有限算力下保持高强度创新。 • 强调人才与强化学习：团队多来自国内高校，强化学习技术的落地加速了产品迭代，并为国内同行树立了研发投入的标杆。 ​​4. 对行业格局与未来趋势的启示​​ • ​​算力叙事被重新定义​​：DeepSeek 用“万张旧卡”证明成本效率优先也能跑出 SOTA，引发“技术路线 vs. 算力投入”大讨论。 • ​​开源力量与全球协作​​：闭门会参与者认为，DeepSeek 的开源策略或推动更透明的行业生态，类似当年 DeepMind 对社区的启示。 • ​​中美 AI 竞合进入“愿景驱动”阶段​​：当 OpenAI 主打 500B 算力叙事时，DeepSeek 以长上下文和低成本范式提示“弯道超车”的可能性。 ​​总结​​ 本书通过一场闭门会的视角，串联技术细节、组织文化与行业影响三条主线：技术上，它挑战了“大算力=强模型”的共识；生态上，它凸显开源与协作的力量；宏观上，它映射出全球 AI 竞赛进入“愿景驱动”时代。读者既能看到 DeepSeek-R1 的工程突破，也能体会研究者对未来智能社会的思考与期待。

因为自己目前对ai行业感兴趣（只是对使用以及发展感兴趣），以及deepseek是我的工作好搭档想更了解它所以才来看 但是我觉得这一篇对于非专业性的人来说还是不要看了，因为真的看不懂，其中涉及到了非常多的一些专业术语，以及很多的同行业ai公司以及其他的模型 （感觉自己已经看ai比较多的外行了看着还是有点吃力） 我感觉这更像是一个类似于会议总结，要点总结的书，我觉得如果是专业的人可以看看是否有帮助～ 不过还是想说对于一个倾向于逻辑性思考比较理性的人，用deepseek去拆解问题，包括收集结果，真的是个很好的选择

本书深入探讨了DeepSeek在全球AI社区中的影响及其独特的技术策略。 通过对DeepSeek智能推进策略、推理模型创新、数据标注重视等方面的分析，揭示了其在AI领域的突破性进展。 同时，书中讨论了DeepSeek在实施过程中面临的技术挑战，如模型多样性和开发者迁移问题，并分析了其对其他公司和市场的潜在影响。 在市场与开源的对比中，本书探讨了DeepSeek与OpenAI的竞争关系及其对二级市场的短期和长期影响。 最后，书中强调了DeepSeek通过其愿景提升了中国AI的国际形象，展现了技术之外的重要力量。 通过这些分析，本书为读者提供了一个全面了解DeepSeek及其对AI行业影响的视角。

这本书聚焦开源模型DeepSeek-R1的诞生与影响。作者以2025年初的一场闭门会为线索，访谈数十位顶尖AI研究者，揭示其低成本、高效能的长上下文突破与“不做SFT”的训练新范式，对比OpenAI的算力叙事，展现中美AI竞争的新格局。内容还系统梳理DeepSeek在强化学习、多模态与算力效率上的技术创新，以及对AGI愿景的推动作用，说明其对全球开源社区和行业生态的深远影响。整本书既是技术拆解，也是对开源精神与产业未来的思考。