據《觀網財經》，中國AI公司DeepSeek正撼動美國矽谷同行的信心。周四(23日)在美國匿名職場論壇TeamBlind上，一名自稱Meta(META-US)員工發文稱「Meta生成式AI部門陷入恐慌」引起廣泛討論。該員工聲稱，從DeepSeek發布DeepSeek-V3開始，就已經讓Meta的Llama4在各項測試中處於落後，「更糟糕的是，這間不知名的中國公司僅為此花費了550萬美元。」該名自稱Meta的員工指出，「Meta生成式AI部門裡的每位高層薪資都超過了這個數字」，「而我們卻有幾十位這樣的高階主管，我根本無法想像該如何向公司高層證明部門目前高額成本的合理性。」該員工透露，目前Meta的工程師正在瘋狂研究分析DeepSeek的成功，並試圖從中複製任何能複製到的東西。「然而，當DeepSeek-R1發布時，事情變得更加可怕了」，該員工表示雖然不能透露太具體，但有些事情很快將會公開。最後該員工反思稱，Meta的生成式AI部門本該是一個以工程為重點的小型組織，但因為很多人都想進來分一杯羹，人為膨脹了組織規模，到最後人人都是輸家。目前尚無法確認該篇文章的真實性。Meta後續回應值得關注。這篇文章中提及的DeepSeek-V3於去年12月26日對外發布，該模型一發布就站上了開源模型No.1的位置。根據當時DeepSeek公布的技術報告數據，Meta公司的Llama3.1-405B僅在大規模多任務理解數據集MMLU-Pro一項，接近DeepSeek-V3水平，其餘多項幾乎都不及八成，甚至在算法類在程式碼場景和工程類別程式碼場景下，Llama3.1-405B只有DeepSeek-V3的一半等級。而在1月20日，DeepSeek對外正式發表DeepSeek-R1，官方技術報告的測試所對照模型中，僅OpenAI公司閉源的OpenAIo1模型，以及DeepSeek-v3等自家模型。而在上一輪DeepSeek-V3測試中所對照的Meta、Anthropic等公司模型，此時早已不見蹤影。最重要的是，DeepSeek-R1以及DeepSeek同期提及的DeepSeek-R1-Zero模型，首次讓整個產業清楚看到，大模型如何僅靠大規模強化學習（RL）驅動、在沒有人類標註數據冷啟動（SFT）情況下，實現持續自我成長。簡單說，DeepSeek-R1的意義就相當於讓Goolge的圍棋軟體AlphaGo從零開始自己與自己下棋，並透過試誤自學達成如今的水平，但期間卻不向AlphaGo提供任何人類大師的下棋思維訊息。而在成本方面，DeepSeek雖然未透露DeepSeek-R1的訓練花費，但DeepSeek-v3的總訓練時長則為278.8萬GPU小時(其中預訓練占266.4萬小時)，使用2048塊輝達H800GPU，耗時約兩個月完成。與之相比，同樣開源的Llama3.1-405B卻消耗了3080萬GPU小時，成本是DeepSeek-V3的11倍。甚至OpenAI公司的GPT-4o的模型訓練成本也達1億美元，這與DeepSeek-V3訓練花費的557萬美元相差巨大，也讓「花小錢辦大事」成為DeepSee的重要標籤。
