DeepSeek对人工智能领域的启示

文章原载于《财富》中文网、财富 FORTUNE 微信公众号，转载已获授权。

本文作者是 IBM 董事长兼首席执行官 Arvind Krishna。他认为，社会各界不应止步于应用人工智能，更要成为人工智能的共建者。

近日，DeepSeek 公司颠覆了人工智能领域的传统认知。长久以来，业界普遍认为训练尖端模型需要超过 10亿美元资金投入和数千颗最先进的芯片，认定人工智能必须闭源开发，并相信只有少数公司拥有构建人工智能模型的能力——因此严守技术机密至关重要。

但这家中国公司给出了不同答案。媒体报道显示，他们仅用 2,000颗英伟达(Nvidia)芯片，以约 600万美元的超预期成本就完成了最新模型的训练。这印证了我们始终坚持的观点：更精简高效的模型无需庞大封闭系统也能取得实质突破。

然而中国团队的创新引出了一个更深刻的命题：谁将主导人工智能的未来?真正的解决之道不在于限制进步，而在于构建由高校、企业、科研机构和公民社会组织共同参与的开发生态。

另外一种选择是什么?就是让那些价值观和优先事项不同的人掌握人工智能的领导权。这意味着我们要主动放弃对这项关键技术的掌控。因为唯有实现人工智能民主化，才能催生真正的创新与进步。

如今，炒作的时代已经结束。我坚信 2025年必须成为打破人工智能技术垄断的破局之年。到 2026年，社会各界不应止步于应用人工智能，更要成为人工智能共建者。

DeepSeek 对人工智能领域的启示

构建这样一个未来的关键在于小型开源模型。DeepSeek 给我们带来的启示是，最佳的工程设计应该从性能和成本两个方面进行优化。一直以来，人工智能被视为规模化的游戏——模型规模越大，效果越好。但 DeepSeek 真正的突破除了规模，还关乎效率方面。在 IBM 的研究中，我们发现针对特定用途优化的模型已经将人工智能推理成本降低了 30倍，极大提高了人工智能模型训练的效率和可及性。

我不认为通用人工智能(AGI)即将到来，或者人工智能的未来取决于建造规模如曼哈顿般庞大、依靠核能供电的数据中心。这些观点制造了虚假的二元对立。没有任何物理法则规定人工智能必须是昂贵的。训练和推理成本并不是固定的——这是一个亟待解决的工程挑战。无论老牌企业还是初创公司都有能力降低这些成本，使人工智能变得更实用和更加普及。

这种情况早有先例。在计算机发展初期，存储和处理能力成本高昂，令人望而却步。然而，通过技术进步和规模经济效应，这些成本大幅下降，由此开启了一波又一波的创新和应用浪潮。

人工智能也将遵循同样的轨迹。这对于世界各地的企业而言是好消息。一项技术只有变得经济可行且容易获取时，才能真正发挥变革性的作用。通过采用开放、高效的人工智能模型，企业可以获得契合自身需求的高性价比解决方案，使人工智能在各行各业释放出最大潜力。

关于 IBM

IBM 是全球领先的混合云、人工智能及企业服务提供商，帮助超过 175个国家和地区的客户，从其拥有的数据中获取商业洞察，简化业务流程，降低成本，并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过 4000家政府和企业实体依靠 IBM 混合云平台和红帽 OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。