拾象 对 DeepSeek 和智能下半场的几条判断 摘录
https://mp.weixin.qq.com/s/NMW2p8xalh9c8lTLN9B5gg
从 24Q3 开始我们就一直在讲 AI 的下半场，虽然 OpenAI o1 提出了 RL 叙事，但因为各种原因没有破圈，DeepSeek R1 解了 RL 的谜题，推进整个行业进入了新范式，真正进入智能下半场。
市场上关于 DeepSeek 是什么、为什么的讨论已经很多了，接下来更有价值讨论是 AI race 要怎么 play ？把过去半个月的思考总结了一下，希望成为探索下半场的 road map，每隔一段时间来复盘。也列出了几个最好奇的问题，欢迎填写问卷一起交换想法，我们会围绕下一个智能突破的 Aha moment 组织一场小范围讨论会：
• 下一个智能突破的 Aha moment 会从哪出现？
• 如果你有充裕的探索资源，你会把探索资源投入在什么方向上？
• 比如下一代 Transformer 架构、合成数据的突破、Online Learning 更高效率的学习方式，你会有哪些 Bet？
DeepSeek 超越了 Meta Llama 毫无疑问，但相比 OpenAI、Anthropic 和 Google 这些第一梯队 players 还有距离，比如 Gemini 2.0 Flash 成本比 DeepSeek 更低，能力也很强，且全模态，外界低估了 Gemini 2.0 为代表的第一梯队的能力，只是没有开源而获得这么炸裂轰动性的效果。
DeepSeek 的重要意义在于帮助 RL 和 test time compute 这个新范式真正出圈。如果说 OpenAI 最初发布的 o1 是给行业出了一个谜语，DeepSeek 就是第一个公开解谜的人。
reasoning model 的提升会进一步帮助 agent 落地，AI researcher 现在都因此对 agent 的研究和探索更有信心，因此也可以说 DeepSeek 开源 reasoning model 推进了行业向 Agent 的进一步探索。
有什么不同？
从 Dario的访谈可以看出，Anthropic对R-1/reasoning model的理解，与O系列有些分歧，Dario觉得 base model 与 reasoning model应该是个连续光谱，而非 OpenAI 这种独立的模型系列。如果只做 O 系列会很快遇到天花板。
我一直想为什么 Sonnet 3.5的coding、reasoning 和 agentic能力一下子提升这么强，但 4o 一直没追上？
他们在 pre training base model 阶段就做了大量 RL 工作，核心还是把 base model 提上去，不然只靠 RL 提升 reasoning model 可能很容易把收益吃光。
ToC：Chatbot 肯定受冲击最大，心智和品牌关注度被 DeepSeek 抢走了，ChatGPT 也不例外；
在开发者环节的影响很有限，我们看到有用户用完之后说评论 r1 不好用不如 sonnet，Cursor 官方也说 Sonnet 还是 outperform，用户 surprisingly 高比例都选择 Sonnet，并没有大幅迁移；
作为领头羊的 OpenAI 在其中属于最“吃亏”的那个，之前想捂着技术不开源，半遮半掩，希望多赚技术溢价的美梦无法实现了。
但中长期看，GPU 资源充裕的公司还是受益的，一方面是第二梯队的 Meta 可以快速跟进新方法，Capex 更加 efficient，Meta 可能是很大受益者，另一方面是智能提升还需要更多探索，DeepSeek 开源把大家水平拉齐，进入全新探索又需要 10 倍甚至更大量级的 GPU 投入。
从第一性原理来想，对于 AI 智能产业来说，无论是发展智能还是应用智能，从物理本质上就必然要消耗海量算力，这是基础定律决定的，不是技术优化能完全规避的。
图片
DeepSeek 这一波 Chatbot 用户又出现了大量迁移现象，给了市场一个很重要的启发：智能技术进步非常陡峭，阶段性产品很难形成绝对壁垒。
不管是 ChatGPT/Sonnet/Perplexity 刚形成了心智和口碑，还是 Cursor、Windsurf 这类开发者工具，一旦有了更智能的产品，用户对“上一代”智能的产品毫无忠诚度，今天不管是模型层还是应用层都很难构建护城河。
另一方面， Agent 落地比较关键，因为 Agent 需要做长距离多步骤推理，如果模型好 5-10%，领先的效果就会被放大很多倍，所以 OpenAI、Anthropic 和 Google 一方面要做 Agent 产品落地，full stack 集成模型+Agent 产品，就像 Windows+Office，二是也要 show 出来更强大的模型，比如 O3 完整版、Sonnet 4/3.5 opus 为代表的下一代模型。
在技术不确定性下，最宝贵的是天才 AI researchers，任何想要探索 AGI 的组织都要投入资源更激进的 bet on next paradigm，尤其是在今天 pre training 阶段已经被拉齐的背景下，要有好的人才+充裕资源，探索下一个智能涌现的 Aha moment
#摘录 #ai
https://mp.weixin.qq.com/s/NMW2p8xalh9c8lTLN9B5gg
从 24Q3 开始我们就一直在讲 AI 的下半场，虽然 OpenAI o1 提出了 RL 叙事，但因为各种原因没有破圈，DeepSeek R1 解了 RL 的谜题，推进整个行业进入了新范式，真正进入智能下半场。
市场上关于 DeepSeek 是什么、为什么的讨论已经很多了，接下来更有价值讨论是 AI race 要怎么 play ？把过去半个月的思考总结了一下，希望成为探索下半场的 road map，每隔一段时间来复盘。也列出了几个最好奇的问题，欢迎填写问卷一起交换想法，我们会围绕下一个智能突破的 Aha moment 组织一场小范围讨论会：
• 下一个智能突破的 Aha moment 会从哪出现？
• 如果你有充裕的探索资源，你会把探索资源投入在什么方向上？
• 比如下一代 Transformer 架构、合成数据的突破、Online Learning 更高效率的学习方式，你会有哪些 Bet？
DeepSeek 超越了 Meta Llama 毫无疑问，但相比 OpenAI、Anthropic 和 Google 这些第一梯队 players 还有距离，比如 Gemini 2.0 Flash 成本比 DeepSeek 更低，能力也很强，且全模态，外界低估了 Gemini 2.0 为代表的第一梯队的能力，只是没有开源而获得这么炸裂轰动性的效果。
DeepSeek 的重要意义在于帮助 RL 和 test time compute 这个新范式真正出圈。如果说 OpenAI 最初发布的 o1 是给行业出了一个谜语，DeepSeek 就是第一个公开解谜的人。
reasoning model 的提升会进一步帮助 agent 落地，AI researcher 现在都因此对 agent 的研究和探索更有信心，因此也可以说 DeepSeek 开源 reasoning model 推进了行业向 Agent 的进一步探索。
有什么不同？
从 Dario的访谈可以看出，Anthropic对R-1/reasoning model的理解，与O系列有些分歧，Dario觉得 base model 与 reasoning model应该是个连续光谱，而非 OpenAI 这种独立的模型系列。如果只做 O 系列会很快遇到天花板。
我一直想为什么 Sonnet 3.5的coding、reasoning 和 agentic能力一下子提升这么强，但 4o 一直没追上？
他们在 pre training base model 阶段就做了大量 RL 工作，核心还是把 base model 提上去，不然只靠 RL 提升 reasoning model 可能很容易把收益吃光。
ToC：Chatbot 肯定受冲击最大，心智和品牌关注度被 DeepSeek 抢走了，ChatGPT 也不例外；
在开发者环节的影响很有限，我们看到有用户用完之后说评论 r1 不好用不如 sonnet，Cursor 官方也说 Sonnet 还是 outperform，用户 surprisingly 高比例都选择 Sonnet，并没有大幅迁移；
作为领头羊的 OpenAI 在其中属于最“吃亏”的那个，之前想捂着技术不开源，半遮半掩，希望多赚技术溢价的美梦无法实现了。
但中长期看，GPU 资源充裕的公司还是受益的，一方面是第二梯队的 Meta 可以快速跟进新方法，Capex 更加 efficient，Meta 可能是很大受益者，另一方面是智能提升还需要更多探索，DeepSeek 开源把大家水平拉齐，进入全新探索又需要 10 倍甚至更大量级的 GPU 投入。
从第一性原理来想，对于 AI 智能产业来说，无论是发展智能还是应用智能，从物理本质上就必然要消耗海量算力，这是基础定律决定的，不是技术优化能完全规避的。
图片
DeepSeek 这一波 Chatbot 用户又出现了大量迁移现象，给了市场一个很重要的启发：智能技术进步非常陡峭，阶段性产品很难形成绝对壁垒。
不管是 ChatGPT/Sonnet/Perplexity 刚形成了心智和口碑，还是 Cursor、Windsurf 这类开发者工具，一旦有了更智能的产品，用户对“上一代”智能的产品毫无忠诚度，今天不管是模型层还是应用层都很难构建护城河。
另一方面， Agent 落地比较关键，因为 Agent 需要做长距离多步骤推理，如果模型好 5-10%，领先的效果就会被放大很多倍，所以 OpenAI、Anthropic 和 Google 一方面要做 Agent 产品落地，full stack 集成模型+Agent 产品，就像 Windows+Office，二是也要 show 出来更强大的模型，比如 O3 完整版、Sonnet 4/3.5 opus 为代表的下一代模型。
在技术不确定性下，最宝贵的是天才 AI researchers，任何想要探索 AGI 的组织都要投入资源更激进的 bet on next paradigm，尤其是在今天 pre training 阶段已经被拉齐的背景下，要有好的人才+充裕资源，探索下一个智能涌现的 Aha moment
#摘录 #ai
