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

國產化大模型在算力更加“節約”的情況下，研發出了近乎和OpenAI GPT-4o同等“聰明”的大模型底座，極大地激勵了國人對于AI技術研發的信心，同時也給國內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，然后逐步完善創作類答案的內容細節或計算任務的解體過程。

因為過程合理，所以結果更加make sense，仿佛真的是很深思熟慮給出的結論，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技術研發企業或團隊的影響；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、數據。DeepSeek之前出現的一些“頂級”大模型，多數對算力有很大資源要求。

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

值得注意的是，算力只是ai成功的因素之一，算法和數據同樣重要。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在有限的數據樣本中，得到更多的關于思考方面的啟發，從而讓ai技術回歸本質 —— 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的模型訓練對于數據質量的要求也是非常高的。其采用了很多高質量的COT（思維鏈）數據。

這類樣本數據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據投喂，而是關注如何讓機器更好地學挖掘數據的深層次價值。

從另一方面看，隨著ai算法的不斷優化，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團隊有機會參與到“百模大戰”，突破算力資源匱乏的技術瓶頸，在未來5-10年將會不斷出現更多“令人振奮”的底層能力創新和應用場景創新！

對于普通人來說，相信不少人都已經試用了DeepSeek的創意作詩、寫文案、實事點評這些熱門功能。發現ai技術的產出確實“文采橫溢”，甚至達到“以假亂真”的效果，很多ai文稿的質量已經超過了大多數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——只需要把產品需求描述清晰，立刻就能生成可以直接運行的穩定代碼案例。

難得一個ai產品一經發布，同時讓文科生、理科生都同時焦慮了！似乎未來大多數的職業都在逐漸被ai替代。

有人說，ai降低了一個行業的門檻，因為誰都可以用大模型創作；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，企業就沒有動力去雇傭所謂“資質平平”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 —— 是業務經驗、是創新能力，是溝通能力，是情緒價值，而不是循規蹈矩、墨守成規。

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

當試用DeepSeek時，你會發現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，然后逐步給出細節步驟指導。

然而，這是基于大數據提煉總結得到的常規性手段和策略，盡管做到這一點已經超越了80%的行業從業者。這也就是為什么所謂萬金油的咨詢行業，開始面臨市場寒冬 ...

ai對于垂直行業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，還缺少業務內容 ... 

這需要更多的業務數據投喂，以及不同領域專家在具體ai應用場景中通過與機器交互產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、多變、復雜的市場環境中，絕大多數業務問題是非標準化、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的人的認知和業務能力，決定ai工具的效果上限。

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

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節！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生差異，才能證明自己的職場稀缺性與獨特的社會價值！