摘要

与其把 DeepSeek 看作算力不再重要的证明，不如把它理解为 AI 领域的 Moneyball。 600万美元只覆盖了一次最终的 V3 训练，并不包括全部实验、数据采集或研发；而公开披露的优化方案是“送给美国的一份巨大礼物”。Thompson 的类比是：奥克兰运动家找到了战术，但美国实验室可以凭借大得多的预算，变成红袜队。
DeepSeek 实现了真正的效率突破，但没有超越美国的模型前沿。 蒸馏几乎不可能被阻止——限流只会把它变成类似盗版的猫鼠游戏——而 OpenAI 自己也靠蒸馏让 ChatGPT 具备经济可行性。几个月后达到 GPT-4o、Sonnet 或 o1 级别，意味着“按定义你并没有领先”：这是“效率突破”，不是能力突破。
算力充裕让美国软件文化忽视了优化能力，而限制迫使 DeepSeek 锻炼了这块肌肉。 它在混合专家训练、专家均衡方法和手写通信代码上的工作证明，“削弱限制确实奏效了”。Thompson 承认自己过去对优化存在偏见，并主张双轨制：一支团队不受约束地追求能力，另一支团队专门思考效率。
转化性 AI 产品迟迟未现，更像正常的采用滞后，而不是技术已经失败的证明。 ChatGPT 直到2022年11月才上线；互联网用了大约13年，Facebook 2006年的信息流才找到原生商业化形态。聊天客户端已经带来“大量尚未被挖掘的效率提升”，但采用仍受用户想象力限制；Sharp 原本预计 Apple Intelligence 能让 AI“变得傻瓜式易用”，结果却是“一场彻底的灾难”。
更便宜的模型可能增加而不是摧毁整体算力需求，因为推理模型能够制造训练数据。 推理模型生成思维链，这些输出训练更便宜的基础 LLM，改进后的基础模型再生成更强的推理模型，循环往复：“是 AI 在让 AI 变得更好。”Thompson 对方向的判断是绝对的，但没有判断时间点：这个时代可能需要“基本无限的算力”，包括专门用于训练的推理算力。
Microsoft 现在拥有颇具吸引力的 AI 期权，而 OpenAI 和 SoftBank 正在押注一场风险投资规模的前沿赌局。 Microsoft 保留 OpenAI API 的访问权和算力优先购买权，同时减少对前沿模型的融资义务——这些模型可能在几个月内商品化。Thompson 认为另一种结果的概率或许只有5%，但上行空间大到天文数字；这对股权合理，对债务不合理，而目前证据正倾向于商品化。
DeepSeek 暴露了美国芯片管制背后的地缘政治赌注：要维持持久的 AI 领先，美国必须弥补自身的工业弱点。 Thompson 仍然“陷在一堆泥里”，因为 EUV 是一个可执行的关键瓶颈，但切断中国获取芯片可能加速其国产替代、削弱 TSMC 的威慑价值，并鼓励美国守护过去的创新，而不是继续向前推进。这套政策最终与 OpenAI 共享同一个起飞前提：如果模型扩散并商品化，那么看似不断复利的技术优势可能无法持久。

精读

1. DeepSeek 的 Moneyball 战术是送给富有竞争对手的礼物

Thompson 认可奥克兰运动家的类比：DeepSeek 找到了更富有的美国实验室可以用“巨额薪资预算”复制的战术，就像红袜队吸收 Moneyball 方法一样。更多算力仍然有用；认为算力突然变得一文不值，是“荒谬的”。
他从公开披露本身看出了地缘政治信号。如果 DeepSeek 的唯一目标是削弱美国技术，“聪明的做法”应该是把优化方案藏起来；公开发布既支撑了论文的整体可信度，也让整个行业都能复制这项工作。
Sharp 认为，叙事之所以被扭曲，是因为两组数字形成了极具诱惑力的反差：Sam Altman 一周前宣布 Stargate 需要5000亿美元，随后 DeepSeek 带着600万美元的数字出现。但这个数字描述的是一次最终训练，并不是背后的全部实验、数据采集或研发成本。
对投资者而言，关键区别在于时间。算力最终可能“填满所有可用空间”，但效率提升可以推迟需求消化、改变推理经济性，并让支付算力容量的公司受益，即便供应商仍将面对巨大的长期需求。

2. 蒸馏压缩的是成本，不是前沿差距

当被问到实验室能否阻止蒸馏时，Thompson 的回答是“基本不能”。供应商可以限制 API、设置速率上限，但数字输入和输出让执行看起来像打击盗版；意志坚定的运营者甚至可以编写脚本，让普通聊天客户端自动采集答案。
蒸馏也是前沿实验室以经济方式服务用户的手段。OpenAI 最初面对压倒性的 ChatGPT 需求，却要提供成本高昂的完整模型，于是现实压力推动了让其以更低成本服务数亿用户的突破：“这不是好事，也不是坏事。”
Thompson 保留了能力层面的区分：在发布几个月后达到 GPT-4o、Sonnet 或 o1 的水平，并不意味着 DeepSeek 领先。“效率突破是真实的，但它们是效率突破，不是能力突破。”
Sharp 拒绝美国式否认，也拒绝衰落主义恐慌。他的中间判断是：DeepSeek 获得了充足资金，使用了大量 NVIDIA 硬件，很可能为 V3 和 R1 蒸馏了 OpenAI 的输出，并贡献了令人印象深刻的创新——但这并不意味着一个600万美元的“支线任务”就终结了美国的领先地位。

3. 芯片限制迫使 DeepSeek 真正“贴近硬件编程”

一位听众把 DeepSeek 与主机游戏开发者类比：后者能从老旧的 Xbox 和 PlayStation 硬件中榨取出异常出色的画面。Thompson 接受这一机制的核心——静态限制会奖励深度优化——但指出，一旦资产制作成本超过引擎开发成本，现代游戏经济就会推动引擎转向跨平台抽象。
PS3 提供了反例：困难的硬件环境迫使开发者先为 Xbox 开发，再进行移植。Sony 的应对是收购工作室、锁定独占内容，这说明优化选择最终会重塑平台战略，而不会只停留在纯技术问题上。
DeepSeek 在混合专家方面的工作货真价实。它找到了让每个专家训练更高效的方法，把均衡逻辑移入专家内部的偏置因子，而不是集中计算所有内容——这挑战了混合专家收益主要来自推理阶段的假设。
工程师还手动编程计算单元，以便在受限带宽下改善通信。Thompson 的结论保留了两面性：DeepSeek 仍落后前沿模型数月，但“削弱限制确实奏效了”，而且工程工作“真的很惊人”。

4. 优化债务让 Google 的基础设施重新变得重要

Thompson 接受了自己过去低估优化的批评：“在这周之前，我从没这样说过”，此前他经常主张相反的观点。理性地遵循比较优势，可能会放弃一条学习曲线，而这项损失要到多年后才显现——这与他认为美国最终失去制造能力的过程相似。
Google 最初的基础设施战略提供了范本：用廉价的 x86 硬件替代定制 Sun 服务器，假设组件会故障，再围绕故障构建有韧性的软件。结果是更便宜、更具扩展性的基础设施，并成为 Google 成功的基础。
Thompson 现在支持双轨制：一支团队不受优化约束，另一支团队只思考优化。Gemini 1.5 的百万 token 上下文窗口，可能正体现了 Google 在基础设施、芯片和软件上的整合能力；“说到服务全世界，Google 仍然是最好的。”
但这种优势也有颠覆性风险。如果模型商品化，Google 可以以更低成本提供服务并压低竞争对手价格，但最容易受到低成本 AI 产品冲击的实体，可能正是 Google Search 本身。

5. AI 的产品空窗期只有两年

Thompson 的答案不令人满意，却有历史依据：基础性技术“总是比你想象的更久才发挥作用”。Transformer 于2017年出现，GPT-3 长期以一种未被充分使用的方式摆在人们眼前，而 ChatGPT 直到2022年11月才真正敲响唤醒警钟。
早期产品通常会把新技术硬接到旧有形态上。在网页文本旁边放上报纸式展示广告，并没有释放互联网经济的潜力；Facebook 的信息流于2006年出现，大约在早期互联网诞生13年后，创造了真正原生的商业结构。
现有聊天客户端已经非常强大，但其有用程度“取决于你愿意并且有能力想出可以让它做的事情”。Thompson 举的日常例子是让 ChatGPT 把一篇文章里的每个 H4 Markdown 标题都改成粗体，从而省去大约20分钟的烦躁操作。
Sharp 的反驳指向分发，而不是能力：他原本预计 Apple Intelligence 能让 LLM 变得毫不费力、无处不在，但称其为“一场彻底的灾难”。最终突破可能仍会遵循经典的创业者故事：有人解决自己的问题，把它产品化，并消除用户主动提出需求的必要。

6. OpenAI 的安全话术与其封闭策略发生冲突

一位听众纠正了 Thompson 对历史的描述：相较于 Google 的 DeepMind，OpenAI 确实更开放；模型卡片和 CBRN 风险分类也为负责任发布创造了有用语言。Thompson 立即承认：“说得好”，并基本接受了对方关于商业逻辑的全部论点。
对领先者而言，封闭权重是理性的；对 Facebook 和 DeepSeek 而言，开放权重则是一种战略筹码。DeepSeek 还直接受益于把技术分发到面临芯片约束的中国生态中，接收方可以直接使用权重，而不必蒸馏输出。
Thompson 剩下的异议在于话语范围。当“安全”从灾难性风险扩展到错误信息或偏见时，批评后两者的人可能会被指责为无视人类灭绝风险——这是一种“高地城堡与低地城堡”的话术，在他的经验中，它会压制正当的分歧。
治理结构进一步强化了这一担忧：如果一家实验室相信 AI 将控制世界，那么其非营利董事会结构实际上是在说，“将由我们控制世界”。Thompson 更偏好“更多 AI，而不是更少 AI”；既然已经跨过卢比孔河，扩散就不可避免，那么一家以安全为先的非营利机构不应把封闭模型与“自以为是的姿态”绑定在一起。

7. Microsoft 持有期权，OpenAI 买入登月赌注

在 Sam Altman 与 Satya Nadella 和解自拍之后，Thompson 认为 Microsoft 处于令人羡慕的位置。它保留完整的 OpenAI API 访问权和算力优先购买权，同时降低了为可能在数月内商品化的前沿模型提供融资的义务。
Sharp 质疑，在蒸馏没有持久防御能力的情况下，OpenAI 的战略是否仍然合理。Thompson 用概率回答：出现一个主导模型的概率或许只有5%，但其上行空间大到足以支撑一场风险投资式的股权押注。
这种收益结构很难用债务融资解释；股权投资本质上是一场风险投资式赌局，其上行空间足以覆盖风险。Microsoft 可以拒绝承担同样的风险，同时不切断对 OpenAI 模型的访问。
尽管如此，Thompson 认为证据正在向模型商品化方向移动。他对人物的判断则提供了剩余的治理风险：Altman 有一种“伊卡洛斯式的癖好”，可能总是飞得离太阳太近。

8. 合成数据把效率转化为更多算力需求

DeepSeek 使用2048块 GPU 进行的 V3 训练，并不代表其全部运作规模。Thompson 引用了拥有50000块 Hopper GPU 的报道——H800 也属于 Hopper——并认为受限的内存带宽可能限制了同步集群，而不是限制了公司对更多硬件的需求。
最终训练也不是主要消耗来源：研究人员需要进行大量实验，而 DeepSeek 令人震惊的低价推理已经在中国“彻底摧毁了定价模型”。大型数据中心越来越多是为了服务模型使用，而不只是进行一次性训练。
R1 更深层的突破在于反馈循环：推理模型生成思维链，实际上制造了近乎无限的合成数据；这些数据改进廉价的普通 LLM；更强的基础模型随后又支持更强的推理模型。“我们已经进入了这个良性循环。”
Thompson 称这正是“苦涩的教训”在发挥作用——通过蛮力生成并获取所有可能的答案。效率提升可能推迟近期部分推理采购，但训练、推理以及为训练服务的推理合在一起，会创造“比以往更大的”算力需求。

9. 算力增长会同时拉动电力与网络需求

更强大的集群仍然需要 NVIDIA 的系统优势。Thompson 指出，单颗 AMD 芯片可能更快，但 NVIDIA 在通过 CUDA 编程以及连接加速器方面仍然“好上几个数量级”，不会让通信开销摧毁整个集群。
因此，即便单次训练成本下降，网络、电力分配和液冷需求仍会保留。推理工作负载需要持续生成内容，而合成输出又会成为下一轮训练的输入。
Thompson 表示，Trump 政府正准备一项行政命令，推动建设与数据中心一一对应的专用离网电力，同时大幅放松监管。可预测的负载可以绕开电网瓶颈，再通过光纤把结果传输到其他地方。
核电是自然选择，因为数据中心需要持续供电；太阳能也可以部署在偏远地点，但必须配备大量电池以覆盖夜间。贯穿始终的结论是：DeepSeek 没有关闭基础设施机会，反而可能“真正解锁了”更多需求。

10. 出口管制押注美国的工业未来取决于 AI 起飞

Thompson 认为 NVIDIA“并不像一家美国公司那样运作”：它把稀缺芯片分配给 CoreWeave 等初创企业，投资部分客户，限制超大规模云厂商的议价能力，同时向中国销售芯片，而 Amazon 或 Microsoft 可能本来会买得更多。“NVIDIA 的手并不干净。”
但他对出口管制的立场仍然刻意保持未决。EUV 是一个清晰且可执行的关键瓶颈，其商业化用了大约10—13年，并多次依赖 ASML 的救援；更广泛的 DUV 和芯片限制反而可能损害美国供应商、加速中国替代，并耗尽“一张只能打一次的牌”。
对 TSMC 的依赖同样具有威慑冲突的作用：如果中国依赖台湾制造芯片，入侵就会承担额外代价；切断这种获取渠道会改变战略计算。因此 Thompson 担心，完全有效的管制可能比存在漏洞的管制更不稳定——漏洞或许起到了“压力阀”的作用。
他坦率的结论是：“我陷在一堆泥里。”未解决的交换关系是：究竟要在今天减缓中国的能力，还是让美国学会守护昨天的领先地位，而不是重建自身的创新与制造能力。

11. DeepSeek 刺破了美国的地缘政治自信

Sharp 提出的 Mistral 反事实揭示了情绪上的扭曲：如果完成这项工作的实验室来自法国，西方观察者可能会庆祝；因为它来自中国，同样的结果却同时引发否认与恐慌，也许还带来一剂有益的“谦逊注射”。
Thompson 的军事现实校验是物理层面的：中国能够造船，并主导无人机、机器人、电机、执行器和电池等零部件，而美国甚至难以扩大火炮产能。“打仗不是聚合用户、捕获需求。”
台湾暴露了其中的矛盾。台湾的先进制程晶圆厂支撑着美国安全，但留在岛内本身也是台湾的筹码；Thompson 认为，无论中国夺取台湾，还是战争摧毁 TSMC，美国都仍需要本土产能。他更倾向于直接为 Intel 提供采购保障，而不是单纯补贴供给；关税则是效率更低的需求工具。
芯片禁令最终与 Altman 和 Dario Amodei 共享同一个前提：AI 可能起飞、自我改进，并维持足以克服制造业弱点的复利式美国领先。DeepSeek 之所以重要，是因为如果模型最终扩散并商品化，那么许多战略决策都建立在一个“可能并不成立”的假设之上。

DeepSeek 深度剖析 + 亲测 Operator + 翻车快车！Rick Caruso谈洛杉矶野火、政策失灵与重建之路