中國(guó)大模型，首登Nature封面。

9月17日，在最新一期的國(guó)際權(quán)威期刊Nature（自然）中，DeepSeek-R1推理模型研究論文登上了封面。該論文由DeepSeek團(tuán)隊(duì)共同完成，梁文鋒擔(dān)任通訊作者，首次公開(kāi)了僅靠強(qiáng)化學(xué)習(xí)就能激發(fā)大模型推理能力的重要研究成果。這是中國(guó)大模型研究首次登上Nature封面，也是全球首個(gè)經(jīng)過(guò)完整同行評(píng)審并發(fā)表于權(quán)威期刊的主流大語(yǔ)言模型研究，標(biāo)志著中國(guó)AI技術(shù)在國(guó)際科學(xué)界獲得最高認(rèn)可。

Nature在其社論中評(píng)價(jià)道：“幾乎所有主流的大模型都還沒(méi)有經(jīng)過(guò)獨(dú)立同行評(píng)審，這一空白終于被DeepSeek打破。”

中國(guó)AI大模型的“Nature時(shí)刻”

自大模型浪潮席卷全球以來(lái)，技術(shù)發(fā)布、性能榜單層出不窮，但始終缺乏一個(gè)權(quán)威的“科學(xué)認(rèn)證”機(jī)制。OpenAI、谷歌等巨頭雖屢有突破，但其核心技術(shù)多以技術(shù)報(bào)告形式發(fā)布，未經(jīng)獨(dú)立同行評(píng)審。

DeepSeek以其公開(kāi)性和透明性打破了這一局面。DeepSeek-R1模型的研究論文最早于今年年初發(fā)布在預(yù)印本平臺(tái)arXiv上。自今年2月14日向Nature投遞論文至今，歷經(jīng)半年，8位外部專(zhuān)家參與了同行評(píng)審，DeepSeek-R1推理模型研究論文終獲發(fā)表，完成了從預(yù)印本到Nature封面的“學(xué)術(shù)躍遷”。審稿人不僅關(guān)注模型性能，更對(duì)數(shù)據(jù)來(lái)源、訓(xùn)練方法、安全性等提出嚴(yán)格質(zhì)詢(xún)，這一過(guò)程是AI模型邁向更高的透明度和可重復(fù)性的可喜一步。

因此，Nature也對(duì)DeepSeek的開(kāi)放模式給予高度評(píng)價(jià)，在其社論中評(píng)價(jià)道：“幾乎所有主流的大模型都還沒(méi)有經(jīng)過(guò)獨(dú)立同行評(píng)審，這一空白終于被DeepSeek打破。”全球知名開(kāi)源社區(qū)Hugging Face機(jī)器學(xué)習(xí)工程師Lewis Tunstall也是DeepSeek論文的審稿人之一，他強(qiáng)調(diào)：“這是一個(gè)備受歡迎的先例。如果缺乏這種公開(kāi)分享大部分研發(fā)過(guò)程的行業(yè)規(guī)范，我們將很難評(píng)估這些系統(tǒng)的潛在風(fēng)險(xiǎn)。”

據(jù)了解，DeepSeek本次在Nature上發(fā)表的論文較今年年初的初版論文有較大改動(dòng)，全文64頁(yè)，不僅首次披露了R1的訓(xùn)練成本，而且透露了更多模型訓(xùn)練的技術(shù)細(xì)節(jié)，包括對(duì)發(fā)布初期外界有關(guān)“蒸餾”方法的質(zhì)疑作出了正面回應(yīng)，提供了訓(xùn)練過(guò)程中減輕數(shù)據(jù)污染的詳細(xì)流程，并對(duì)R1的安全性進(jìn)行了全面評(píng)估。

其中，在訓(xùn)練成本方面，R1-Zero和R1都使用了512張H800GPU，分別訓(xùn)練了198個(gè)小時(shí)和80個(gè)小時(shí)，以H800每GPU小時(shí)2美元的租賃價(jià)格換算，R1的總訓(xùn)練成本為29.4萬(wàn)美元（約合人民幣209萬(wàn)元）。不到30萬(wàn)美元的訓(xùn)練成本，與其他推理模型動(dòng)輒上千萬(wàn)美元的花費(fèi)相比，可謂實(shí)現(xiàn)了極大的降本。

關(guān)于R1發(fā)布最初時(shí)所受到的“蒸餾”質(zhì)疑，DeepSeek介紹，其使用的數(shù)據(jù)全部來(lái)自互聯(lián)網(wǎng)，雖然可能包含GPT-4生成的結(jié)果，但并非有意而為之，更沒(méi)有專(zhuān)門(mén)的蒸餾環(huán)節(jié)。所謂“蒸餾”，簡(jiǎn)單理解就是用預(yù)先訓(xùn)練好的復(fù)雜模型輸出的結(jié)果，作為監(jiān)督信號(hào)再去訓(xùn)練另外一個(gè)模型。R1發(fā)布時(shí)，OpenAI稱(chēng)它發(fā)現(xiàn)DeepSeek使用了OpenAI專(zhuān)有模型來(lái)訓(xùn)練自己的開(kāi)源模型的證據(jù)，但拒絕進(jìn)一步透露其證據(jù)的細(xì)節(jié)。

R2何時(shí)問(wèn)世引發(fā)關(guān)注

自今年年初發(fā)布R1以來(lái)，DeepSeek在全球樹(shù)立了開(kāi)源模型的典范，但過(guò)去數(shù)月，外界對(duì)于R2何時(shí)發(fā)布始終保持高度關(guān)注，相關(guān)傳言一直不斷。不過(guò)，R2的發(fā)布時(shí)間一再推遲，外界分析R2研發(fā)進(jìn)程緩慢可能與算力受限有關(guān)。

值得注意的是，今年8月21日，DeepSeek正式發(fā)布DeepSeek-V3.1，稱(chēng)其為“邁向Agent（智能體）時(shí)代的第一步”。據(jù)DeepSeek介紹，V3.1主要包含三大變化：一是采用混合推理架構(gòu)，一個(gè)模型同時(shí)支持思考模式與非思考模式；二是具有更高的思考效率，能在更短時(shí)間內(nèi)給出答案；三是具有更強(qiáng)的智能體能力，通過(guò)后訓(xùn)練優(yōu)化，新模型在工具使用與智能體任務(wù)中的表現(xiàn)有較大提升。

由于R1的基座模型為V3，V3.1的升級(jí)也引發(fā)了外界對(duì)于R2“在路上”的猜測(cè)。V3.1的升級(jí)更深刻的意義在于，DeepSeek強(qiáng)調(diào)DeepSeek-V3.1使用了UE8M0 FP8 Scale的參數(shù)精度，而UE8M0 FP8是針對(duì)即將發(fā)布的下一代國(guó)產(chǎn)芯片設(shè)計(jì)。這也表明未來(lái)基于DeepSeek模型的訓(xùn)練與推理有望更多應(yīng)用國(guó)產(chǎn)AI芯片，助力國(guó)產(chǎn)算力生態(tài)加速建設(shè)。這一表態(tài)一度帶動(dòng)國(guó)產(chǎn)芯片算力股股價(jià)飆升。

中國(guó)銀河證券研報(bào)指出，DeepSeek從V3版本就開(kāi)始采用FP8參數(shù)精度驗(yàn)證了其訓(xùn)練的有效性，通過(guò)降低算力精度，使國(guó)產(chǎn)ASIC芯片能在成熟制程（12-28nm）上接近先進(jìn)制程英偉達(dá)GPU的算力精度，DeepSeek-V3.1使用UE8M0 FP8 Scale參數(shù)精度，讓軟件去主動(dòng)擁抱硬件更喜歡的數(shù)據(jù)格式，“軟硬協(xié)同”的生態(tài)技術(shù)壁壘逐漸成為AI浪潮下新范式，未來(lái)國(guó)產(chǎn)大模型將更多擁抱FP8算力精度并有望成為一種新技術(shù)趨勢(shì)，通過(guò)軟硬件的協(xié)同換取數(shù)量級(jí)性能的提升，國(guó)產(chǎn)算力芯片將迎來(lái)變革。

來(lái)源：證券時(shí)報(bào)

責(zé)編：岳亞楠

校對(duì)：王朝全