DeepSeek 三重門：小天才們，軍團平推，和哲學式思想

新年，寫下公眾號第二篇。第一篇有幸10萬+了（），希望這篇也值得大家一讀。

作為相關(guān)背景從業(yè)者（北美PhD，前 Meta AI，目前AI創(chuàng)業(yè)），DeepSeek 帶給我的震撼是巨大的。整個春節(jié)的大部分時間，我都在捧著他們的每一篇論文，一邊拍大腿一邊感嘆：為什么這么牛X？（笑）

冷靜下來思考，發(fā)現(xiàn) DeepSeek 同時顛覆了中國人和美國人對創(chuàng)新的認識。我想這背后一定存在一種深層次的結(jié)構(gòu)性能力，一種新范式，是梁文鋒和團隊有意或者無意間塑造的。

而這，可能才是 DeepSeek 給世界最大的啟示：

DeepSeek的創(chuàng)新三重門：

小天才的規(guī)模化 + 華為式的軍團平推 + 原創(chuàng)（哲學式）思想

小天才們的勝利

讀 DeepSeek 的論文們（Math, V2, V3, R1, Janus），第一感覺是什么呢？一個接一個的原創(chuàng)研究工作，像雨點一樣噼里啪啦打在你的臉上。

大模型訓練是一個相當復雜的軟硬一體的工程，而 DeepSeek 幾乎重新設(shè)計了絕大部分關(guān)鍵組件：MLA，GRPO，DeepSeekMoE，DualPipe，F(xiàn)P8混合精度，R1-Zero，MTP 等等。范圍之廣，密度之大，非常震撼。

從學術(shù)視角看，這些創(chuàng)新中很多單拿出來，都達到頂會最佳論文的水平。所以這第一重門，我們從一張圖說起，DeepSeek 的小天才們。

這張圖很多人看過，但調(diào)研之后我發(fā)現(xiàn)還有很多人不在其中。其中有許多都擁有國際競賽背景（吳作凡，任之洲，周雨楊，羅煜翔等），好多甚至是實習或者剛開始讀博（DS-Math的作者邵智宏/Peiyi Wang，Zihan Wang等）。對，就是這群年輕人，創(chuàng)造了剛才提到的一系列技術(shù)。

小天才式的創(chuàng)新，更有名的例子來自于美國：GPT 的最早提出者 Alec Radford，思維鏈 CoT 的提出者 Jason Wei，Sora 的主力貢獻者 Bill Peebles，都是初入職場，甚至沒有博士訓練的年輕人。

我們把這些人稱之為 “小天才們”，因為他們不僅有天才般的 learn 的能力，更重要的是，他們沒有 unlearn 的負擔。

DeepSeek 中小天才式的創(chuàng)新

如果給"小天才式的創(chuàng)新"一個定義，那就是：給定約束，尋找最優(yōu)解的能力。

我們來舉例 DeepSeek 的三個核心算法模塊：

• MLA：傳統(tǒng) Attention 內(nèi)存占用太大，怎么辦？改造 Attention 模塊，通過低秩壓縮，讓 KV Cache 的效率達到最優(yōu)。

• DeepSeekMoE：傳統(tǒng) MoE 專家不夠精細，激活參數(shù)大，怎么辦？改造 MoE，通過增加共享專家和細粒度專家，大幅提升了 MoE 中的專家學習的效果。

• GRPO：傳統(tǒng) PPO 需要訓練兩個模型，效率低，怎么辦？通過去掉 Value Model，引入 Group-Relative 作為 baseline，大大提升了訓練效率。

拋開專業(yè)術(shù)語，用人話來理解背后的模式是：一個非常優(yōu)秀的工程師，遇到問題會嘗試不同的技術(shù)選型，選一個最好的方案。而小天才會說：在座的都不夠好，為什么不重寫一個？然后寫出了行業(yè)最佳方案。

這樣的例子，在 DeepSeek 的文章里非常多，而每一個背后，都站著一個小天才。

小天才的規(guī)模化

相信個人，尤其是年輕人的創(chuàng)造力，在硅谷的文化中非常常見。或許我自己的經(jīng)歷可以佐證：我畢業(yè)后加入 Meta，半年后向主管提出想做一個全新的內(nèi)容理解引擎。一個月后，10人左右的虛擬團隊就成立了。

我想梁文鋒應(yīng)該從 OpenAI 的經(jīng)驗中參考了很多，他在暗涌的采訪中，多次提到類似的觀點：

他自己說過，這樣的小天才式的創(chuàng)新，在硅谷每天都在發(fā)生。但這不能抹殺 DeepSeek 出現(xiàn)的意義，因為他不僅證明了中國能孕育硅谷型的創(chuàng)新文化，甚至還可以進一步規(guī)模化這種模式。

畢竟，我們有著全世界最多的小天才們（笑）。

想象一下，這樣的文化，擴散到更多的創(chuàng)新型公司，成為主流，會是怎樣的一種盛況？

這是創(chuàng)新的第一重門。

華為式的軍團平推

如果說，DeepSeek 只是復制了硅谷的小天才模式，為什么會讓那些發(fā)明這個模式的 OpenAI 們，如此緊張？這就要提到第二個關(guān)鍵要素。

當你深度閱讀完 DeepSeek 的論文，尤其是 V3，一種新的感受會慢慢浮現(xiàn)：這是一個從底層硬件到上層算法的復雜大系統(tǒng)，以優(yōu)雅的頂層設(shè)計環(huán)環(huán)相扣，以大破大立的方式平推完成。

這就是創(chuàng)新的第二重門：軍團式的協(xié)同創(chuàng)新。而這，恰恰就是中國擅長的模式，也是我借用華為之名的原因。

硅谷教父 Peter Thiel，對這種創(chuàng)新有過一個深刻的表述。他認為一個真正的壟斷式創(chuàng)新，需要構(gòu)建 Complex, Vertically Integrated System，許多不同層面的創(chuàng)新必須同時發(fā)生，并以一種高度協(xié)同的方式組合在一起。

他認為 Elon Musk 成功的根本，就來自于對這種協(xié)同復雜系統(tǒng)的追求。而 Elon Musk，也被認為某些方面是最接近中國企業(yè)的（不僅是卷，笑）。

DeepSeek 是如何平推創(chuàng)新的？

在第一重門，我們拿著放大鏡，看 DeepSeek 在三個算法上的極致優(yōu)化。但這些單點優(yōu)化，也容易引入超越算法范疇的問題。

所以讓我們切換視角，從更全局的視角，來重新理解 DeepSeek 的創(chuàng)新結(jié)構(gòu)，第一條線是模型的迭代節(jié)奏（這里忽略了很多支線） ：

• 2023年6月，DeepSeek 成立

• 2024年2月，發(fā)表 DeepSeek-Math，提出 GRPO

• 2024年5月，推出 V2，提出 MLA 和 DeepSeek-MoE

• 2024年11月，推出 V3，提出了 MTP 和一整套軟硬一體優(yōu)化方案等

• 2025年1月，推出 R1，提出 R1-Zero

震撼吧？從 DeepSeek-Math 的第一次推出，到最后走到 R1，不到12個月。但速度甚至都不是我們討論的重點。

而是另一條縱向的主線：他幾乎從基礎(chǔ)設(shè)施搭建，到底層硬件優(yōu)化，到模型算法創(chuàng)新，一整個自己重做了一套。更關(guān)鍵的是，他們是高度協(xié)同優(yōu)化，逢山開路，遇水搭橋，充滿了整體的邏輯性。我來盡最大努力，試著梳理一下：

注：不用糾結(jié)技術(shù)術(shù)語，因為我寫的時候也似懂非懂。

(0) 首先構(gòu)建自己的集群（螢火），為了更高效的并行訓練，那就自研 HAI LLM訓練框架

(1) 發(fā)現(xiàn)傳統(tǒng) Attention 的 KV Cache 開銷太大，那就用 low-rank 來重新設(shè)計 MLA，緩存量下降 90% 以上

(2) 發(fā)現(xiàn)傳統(tǒng) MoE 缺乏共享專家和細粒度專家，涌現(xiàn)能力不夠，那就設(shè)計自己的 DeepSeekMoE 解決專家精細度和共享知識問題

(3) 發(fā)現(xiàn)引入的細粒度專家在訓練中負載均衡有挑戰(zhàn)，那就自研專家偏好的路由算法，保證每個專家都訓練充分

(4) 發(fā)現(xiàn) MoE 在管線并行（大模型不同層次分卡訓練）中很多通信帶寬和計算帶寬無法對齊，造成浪費，那自己設(shè)計 DualPipe 算法解決

(5) 為了確保上面的帶寬完全對齊，直接寫 PTX 這種底層語言來繞過 CUDA 限制，來精準控制 GPU SM 的數(shù)量和 Warp 數(shù)量做通信處理

(6) 發(fā)現(xiàn) NVLink 和 IB 的帶寬有三倍差距，那就確保 MoE 算法設(shè)計中只路由四個節(jié)點的專家，每個節(jié)點內(nèi)平均訪問三個專家來對齊帶寬

(7) 發(fā)現(xiàn) Tensor Parallelism 通信開銷大，通過在 MLA 上重計算等方法釋放顯存來直接跳過 TP 步驟

(8) 為了進一步提升訓練效率，開發(fā)了精細化的 FP8 混合精度（細粒度量化），在保證訓練效果的情況下大幅減少計算和通信

(9) 為了更進一步提升訓練表現(xiàn)，在訓練過程中引入 MTP 讓每次訓練密度更高

(10) 為了提高 V3 的推理能力，那就拿 R1 來 distill V3 的推理

(11) 為了在強化學習中少訓練一個 Value Model，開發(fā)出 GRPO

(12) 為了解決小推理模型 Self-play 推理學習的不足，就把大模型學出來的推理通過 Distill 注入到小模型里

(13) .... more

然后高潮來了：在介紹完方案的最后，V3 專門開辟章節(jié)，提出了一系列對硬件廠商設(shè)計下一代芯片的方案，包含大量的對通信，量化算子的設(shè)想。

于是我恍然大悟，在 DeepSeek 的腦海中，是把創(chuàng)造 AGI 這件事情，看成一個大藍圖的，而這個藍圖是沒有邊界的。算法？通信？數(shù)據(jù)？硬件？都在我需要解決的范疇內(nèi)，而且高度協(xié)同的平推下去。我甚至覺得，如果給他們足夠的精力和錢，他們會做自己的硬件，造自己的電網(wǎng)。

這是真正創(chuàng)新者的樣子，就像喬布斯說過：

真正在乎軟件的人，應(yīng)該去制造屬于自己的硬件

背后的中國元素

和小天才模式不同，這種模式恰恰是硅谷文化中相對忽視的，馬斯克除外。

2019年我回國，發(fā)現(xiàn)字節(jié)和快手的推薦能力比 Meta 強，當時很意外。然后我開始了解到華為，到今天，以華為為代表的中國式組織，在國際競爭中釋放了巨大的能量，電動車、內(nèi)容分發(fā)、智能硬件甚至電商。

只不過，今天是 AGI 這個會改變文明走向的領(lǐng)域，DeepSeek 以如此迅猛的姿態(tài)登場，再一次刷新了全世界的認知。

這就是創(chuàng)新的第二重門。

可以看到在 DeepSeek，當我們把創(chuàng)新的第一重門（小天才式）和第二重門（體系協(xié)同式）融合在一起，Boom！威力相當大。

原創(chuàng)（哲學性）思想

那是否還可以繼續(xù)往下挖掘？是否存在一種更底層的創(chuàng)新元素？一個類似 o1 或者 R1 這樣的顛覆式創(chuàng)新系統(tǒng)，構(gòu)建于什么基礎(chǔ)之上？

答案是一個原創(chuàng)的、全新的系統(tǒng)結(jié)構(gòu)。那這個原創(chuàng)的結(jié)構(gòu)，又從何而來？

回答這個，我想引用一段我很喜歡的 Ilya 的話（視頻前2分鐘）：

我喜歡思考非常基本的問題...幾乎可以將這些問題視為哲學問題。例如，什么是學習？什么是經(jīng)驗？什么是思考？... 我認為技術(shù)就像是一種自然力量，但看起來我們可以通過設(shè)計算法，來做有用的事情，同時解答這些(哲學問題)。這就像是一種 應(yīng)用哲學。

沒錯，第三重門的答案，是一種近乎哲學式的，原創(chuàng)的思想。

如果我們把視角拉遠，看一下過去十年 AI 的創(chuàng)新源頭。分別是：Google 2017年的Transformer，DeepMind 2017年的AlphaZero，以及 OpenAI 2018年的自回歸模型GPT。

但是這不僅僅是三個模型啊，內(nèi)核是三個哲學性思想，關(guān)于“學習”的本質(zhì)：

(1) 用什么結(jié)構(gòu)來理解世界萬物，和他們的內(nèi)在關(guān)系（Transformer）

(2) 如何通過不斷的預測，把世界萬物的復雜性壓縮到直覺中（GPT）

(3) 怎么基于直覺構(gòu)建深度思考，完成對世界的進一步抽象（Zero）

我們今天看到的 OpenAI o1，或者 DeepSeek R1，都是這三個哲學性思想，組合后的產(chǎn)物。從思想出發(fā)，先搭建了一個基礎(chǔ)的系統(tǒng)結(jié)構(gòu)，然后通過第一重門和第二重門的創(chuàng)新，把這個結(jié)構(gòu)極致的打磨和再組合，顯化成今天改變世界的產(chǎn)品。

哲學性思想的創(chuàng)造為何如此美妙？因為他們并不是為了找到一個優(yōu)秀的解法，而是為了問出更本質(zhì)的問題。

DeepSeek 跨越第三重門了嗎？

我想梁文鋒可能也會說，今天的 DeepSeek，還沒有展現(xiàn)出這種原創(chuàng)（哲學性）的創(chuàng)新。但我卻在讀他們的文字中，瞥見了藏在背后的希望。

第一個例子，是關(guān)于 MLA 的產(chǎn)生，來源于一個研究者 “總結(jié)了 Attention 架構(gòu)的演進規(guī)律”：

第二個例子，是 DeepSeek-Math 文章中很大篇幅，分享了對所有后訓練過程的統(tǒng)一框架的認識。盡管有類似的思想存在過，但你似乎可以感受到那些背后無邊界的熱烈討論。

第三個例子，則是他們在 R1 中展開的 R1-Zero 的探索，這個大膽的嘗試，希望跳過所有的后訓練步驟，讓大模型在直覺模型的基礎(chǔ)上，完全不依賴標注數(shù)據(jù)，自我演進成一個有思維能力的模型。R1-Zero 沒有用到最終的 R1產(chǎn)品 中，但論文中卻濃墨重彩的探討他的啟發(fā)意義。對，以及那個 Aha Moment，原文是這樣寫的：“這不僅僅是模型的 Aha，也是觀察模型的研究者的 Aha！”

所以，你感受到了嗎？在克制的技術(shù)語言背后，藏著一種無法掩蓋的興奮和熱愛。這是無邊界的好奇心的味道，這是迫不及待想和世界分享的味道。

是原創(chuàng)的、哲學式的思想，呼之欲出的味道。

最后一塊拼圖

我不知道梁文鋒是不是中國的 Ilya Sutskever，但我堅信一個跨過創(chuàng)新三重門的組織，需要一個思想性的領(lǐng)袖。說到這里，今天 OpenAI 最缺的，不就是這個嗎？（寫第一篇時的心情重現(xiàn)）

誰都無法預測未來。但也許哪一天，在 DeepSeek 的新論文中，會出現(xiàn) Transformer 和 AlphaZero 級別的全新思想。

更大膽一點，如果我們在 DeepSeek 的啟發(fā)下，產(chǎn)生了許多全新時代的創(chuàng)新型組織，在各自的領(lǐng)域跨過創(chuàng)新的第一重門和第二重門，并進一步產(chǎn)生了一批顛覆式的思考者，和原創(chuàng)的、哲學性的思想。

再大膽一點，如果這些思想和創(chuàng)新成果，以透明和開放的方式分享給全世界。這樣的世界，你會更愿意參與嗎？

我想這才是 DeepSeek，會真正讓歷史記住的東西。

注：本文的參考資料主要來自于 DeepSeek V2/V3/R1/Math 論文及行業(yè)人士對 DeepSeek 的解讀，而非嚴格的事實論證，存在錯誤請 DeepSeek 團隊見諒。

MindCode 文兄的讀后感：這篇文章讓我對我自己最近思考的一問題有了進一步的洞察，那個問題就是：AI是否能形成壟斷，以及，如果能，那這個壟斷會是怎樣的形式？

你有什么收獲，啟發(fā)，敢想嗎？歡迎在下面留言區(qū)發(fā)表。