DeepSeek：理性看待AI大模型的成本与未来

加密货币 2025年02月21日 00:41 6 author

新浪科技近日报道了创新工场执行董事王震翔对DeepSeek的看法，引发了人们对AI大模型成本及发展前景的思考。王震翔认为，目前DeepSeek的token消耗量甚至超过了其训练消耗量，这与英伟达的GPU生态以及CUDA架构息息相关，因此需要理性看待，避免盲目乐观或过度悲观。

文章中提到了OpenAI成功的关键在于与微软的深度绑定，通过大规模的GPU集群进行模型训练。而DeepSeek在模型训练过程中，虽然也具备GPU资源分配和优化的能力，但其优势在于能够更有效地进行排列和优化，从而提升训练效率。

然而，这种高效的训练也依赖于强大的算力支撑，这与英伟达的GPU生态密不可分。英伟达的CUDA架构为DeepSeek的训练提供了基础设施，但同时也意味着其成本与英伟达的GPU价格波动密切相关。因此，DeepSeek未来的发展，需要关注英伟达的股价走势，并基于成本进行合理规划。

总而言之，DeepSeek作为一款AI大模型，其技术实力不容小觑，但在发展过程中，需要谨慎地平衡成本与效率，并密切关注GPU市场变化带来的影响。与其盲目跟风，不如理性分析，才能更好地把握其未来的发展方向。这篇文章也点明了AI大模型发展中一个普遍面临的挑战：算力成本。未来，更经济高效的训练方法和硬件架构将成为推动AI大模型进一步发展的重要因素。区块链技术，特别是其去中心化存储和计算能力，或许可以在降低成本、提高效率方面发挥作用，值得进一步探索。例如，基于区块链的分布式计算框架可以分担训练的算力需求，降低对单一供应商的依赖。此外，IPFS等去中心化存储技术也可以用于存储和访问海量模型数据，进一步降低成本并提高数据安全性。但这些应用仍然处于探索阶段，需要解决诸如数据安全、计算效率等问题。

标签：去中心化存储分布式计算 IPFS