摘要

刘鹏琦把 DeepSeek 爆火拆成“20% 技术创新、80% 开源影响力与中国元素”，投资上首先要区分能力跃迁与情绪重估。 V3 以显著更低成本逼近一线预训练模型，R1 则首次公开了一条用强化学习复现 o1 级推理能力的路径；但真正放大冲击的是后来者以开源打破闭源垄断，以及“中国团队能否做原始创新”的预期重估。“光脚的不怕穿鞋的。”
V3 改写的首先是成本曲线，其壁垒来自算法、infra 与硬件优化的系统协同，而非某个孤立概念。 颜黔杭给出的数字是：V3 使用约278万 H800 GPU 小时、训练成本约500多万美元，对比 GPT-4 约6300万美元、Llama 3.1 约5800万美元；671B 总参数每次仅激活37B，并以 MLA、MoE、FP8、DualPipe 和 PTX 同时压低算力、显存与通信开销。刘鹏琦的定性更克制：“没有太多概念创新”，但有“非常高的工程创新壁垒”。
R1 的意义不是发明了强化学习或 test-time compute，而是把闭源时代的推理范式变成了可复现、可蒸馏的开源工程。 R1-Zero 直接在 V3 上用数学、代码等 ground truth 做强化学习，证明不依赖 SFT 也能激发长链推理；R1 再加入冷启动数据、多阶段 SFT 与 RL，修复可读性和语言混用。关键约束是基模必须足够强——“一百个结果当中就能找到一次答案”，否则同样框架可能根本训不出来。
Scaling Law 没有失效，而是正从预训练转向后训练和推理阶段。 两位嘉宾都认为预训练受制于高质量数据枯竭，继续堆参数和算力的边际收益正在下降；后训练目前使用不到预训练1%的算力，R1 可能已接近10%，仍有扩展空间，但 reward、专业问答与 CoT 数据成为新瓶颈。推理阶段则可用更长输出和自我修正换取准确率，“模型的输出过程本身也是一个计算过程”。
竞争格局中，DeepSeek 对国内 To C 模型厂商的影响可能更大，To B 的长期影响仍要等待真实部署验证。 Kimi、MiniMax 的技术并不弱，Kimi 1.5 也获得正面评价，但它们必须回答闭源能否持续保持一线能力、开源又会不会颠覆既有商业模式；海外大厂仍在多模态、泛化、工具链和开发者生态上领先。DeepSeek 自己也要决定如何接住“泼天的富贵”：融资扩张，还是维持小团队和研究导向。
DeepSeek 对英伟达并非单向利空，而是扩大 AI 总需求的同时削弱部分稀缺性定价。 市场教育带动更多公司采购算力，嘉宾听到 H100、H200 价格反而上涨；持续变化的模型架构也更适合通用 GPU。另一面，MoE 降低互联需求，PTX 级优化展示了绕开高层 CUDA 库的可能性，国产卡与新架构获得窗口，但长期胜负仍取决于编译器和软件生态，而不只是单芯片性能。
应用端真正可交易的变量是 token 成本下降带来的 ROI 扩张，但短期国内预期明显跑在效果前面。 DeepSeek 在几周内完成政府、企业管理层和普通用户的市场教育，蒸馏模型也可能把推理能力带到 PC、手机和 AI 硬件；然而峰瑞被投企业实测称，DeepSeek 并未在所有行业任务领先，部分蒸馏出的 Qwen 模型在很多任务上甚至可能不如原始模型。长期更值得关注的是强化学习能否从数学、代码迁移到 Agent、具身智能和物理世界，但当前结论仍应是“让子弹再飞一会儿”。

精读

1. DeepSeek 的技术突破只解释了爆火的一小部分

刘鹏琦的核心判断是“20% 技术创新、80% 开源生态和中国元素”：低成本 V3 与开源 R1 都是好工作，但单靠技术不足以解释全球市场如此剧烈的反应。
中国团队在资源约束下逼近一线模型，击中了海外的信息差，也引发质疑；刘鹏琦认为短期主要是情绪，长期价值则是重建市场对“中国能做真正技术创新”的信心。
开源让后来者获得不对称优势。DeepSeek 相比海外大厂没有那么多既有包袱，得以冲击 OpenAI、包括 o1 在内的一系列模型的封闭地位，正所谓“光脚的不怕穿鞋的”。

2. V2 已先打穿 API 价格，V3 再把训练成本砍到十分之一

颜黔杭回溯到2024年5月6日：DeepSeek-V2 以接近 GPT-4 的能力，将每百万 token 输入、输出价格分别压到1元和2元；他列出的6月13日那款 GPT-4 模型的输入、输出价格则为217元和434元，由此触发行业第一轮价格战。
2024年12月底发布的 V3，把冲击从 API 延伸到训练端：约278万 H800 GPU 小时折合500多万美元，而颜黔杭给出的 GPT-4、Llama 3.1 预训练成本分别约为6300万美元和5800万美元。
媒体早期对“500万美元训练成本”存在误读，刘鹏琦提醒相关信息修正后再看；但其结论没有改变——V3 仍以低一个数量级的算力成本，做到接近 GPT-4o、Claude 3.5，并超过当时千问2.5、Llama 3.1 等开源模型的表现。

3. MLA 把最昂贵的 KV Cache 压缩了九成以上

颜黔杭从 Attention 的 Q、K、V 讲起：生成新 token 时，历史 token 的 K、V 会被反复调用，因此必须缓存；长上下文下，KV Cache 很快让显存容量和带宽比纯算力更早成为瓶颈。
MLA 的办法是对完整 KV 矩阵做低秩压缩。颜黔杭用“保存三维物体在平面上的影子”作比喻：不必存下完整结构，而只需保存低维矩阵。
V2 论文给出的结果是，MLA 相比此前 DeepSeek 模型将 KV Cache 缩减93%以上，“相当于只剩下原来的十分之一”。刘鹏琦将其概括为“用时间换空间”，从而降低显存与显存带宽需求。

4. MoE 的关键不只是专家多，而是让专家都真正工作

V2 拥有236B 总参数、推理时约激活21B；V3 扩至671B 总参数，却仅激活37B。刘鹏琦描述的路由是一个共享专家加256个独立专家，每次只调用共享专家与其中8个专家，以“用空间换时间”。
颜黔杭解释，DeepSeek 将常见的约32个专家扩大到256个，再加入承载通用知识的共享专家。“三个臭皮匠顶一个诸葛亮”，更多、更细的专家可以降低单个专家知识偏见，并形成更稀疏的计算。
难点是训练中的马太效应：强专家持续获得数据，弱专家越来越少被调用。DeepSeek 采用 Loss-Free Load Balancing，按每步负载动态纠偏，避免“强者恒强、弱者恒弱”；颜黔杭的总结是“人多力量大，而且每个人都要贡献自己的力量”。
两位嘉宾对原创性的尺度略有差别：颜黔杭把 MLA 称为“从零到一，再到十到一百”的创新；刘鹏琦则认为 V3 多数工作站在前人肩膀上，真正难复制的是算法、框架与硬件共同形成的工程壁垒。
刘鹏琦也提醒，Dense Model 在专用领域的 To B 场景和端侧小模型上仍有优势，不能据此断言 MoE 会“一统江湖”。他还提出一个未决问题：V3 的创新究竟是主动选择，还是算力受限下的被动适应；如果拥有更多算力，这些创新是否仍会出现、是否仍有必要，仍值得思考。

5. FP8、DualPipe 与 PTX 把低成本变成系统工程

颜黔杭称，DeepSeek 自建了一套高性能、经济高效的 AIPC 集群，规模约为几万张英伟达 GPU，并在节点通信、训练管线并行和 FP8 混合精度训练等方面做了大量工程优化；算法侧还使用 MTP，即多 token 预测技术，提升推理效率。
V3 使用 FP8 混合精度，在尽量维持训练精度的同时减少数字存储空间；DualPipe 则填补 GPU 管线中的空闲时间，让 token 遍历节点时尽可能减少设备等待。
刘鹏琦特别强调 PTX：团队没有只依赖高层 CUDA 库，而是直接编写更底层的代码，压缩计算和通信开销，极致释放硬件性能。这种能力与算法设计必须同步，否则 MLA、MoE 各自的新瓶颈会抵消理论收益。
因而 V3 的成本不是一个 trick 的结果。颜黔杭认为 DeepSeek 的算法与 infra 协同处在“行业第一梯队，甚至最好的层级”；这也解释了为什么相同论文思路落到不同团队手中，最终效率可能完全不同。

6. R1-Zero 证明了纯强化学习能激发长链推理

R1-Zero 直接以 V3 为基模，不先加入人类高质量对话或推理数据，而用数学、代码等存在 ground truth 的任务做强化学习；结果证明，模型能够自行激发长链推理能力。
代价同样明确：未经语言约束的 R1-Zero 可读性很差，还会混用语言。颜黔杭解释，奖励函数主要要求答案朝正确方向优化，并不会自动要求推理过程符合人类表达习惯；但语言混用并不影响最终结果。
刘鹏琦的降温判断是，GRPO、客观答案奖励等方法本身并不复杂，OpenAI 发布 o1 时也已指出强化学习和 test-time compute 的方向；DeepSeek 的贡献是行动更快，率先把可行路径跑通并公开。

7. R1 用多阶段训练把实验模型变成可用产品

R1 没有坚持 R1-Zero 的纯粹路线，而是先使用冷启动数据进行 SFT，再以强化学习激活推理能力；中间状态的模型继续生成新的冷启动数据，循环进行强化学习，最终改善语言表达和综合性能。
颜黔杭将其称为行业首次复现 GPT-o1 级推理模型，也是“推理大模型时代的 Llama”：闭源能力第一次以低成本开源基模、训练路径和蒸馏模型的形式进入社区。
test-time compute 是这套能力的外在表现：用户看到的“自言自语”不是装饰，而是通过扩大输出时间和 token，让模型把生成过程本身用于搜索、检验与纠错。

8. 强基模决定强化学习究竟能不能收敛

刘鹏琦给出的关键机制是搜索命中率：V3 可能在“一百个结果当中就能找到一次答案”，奖励信号足以推动快速迭代；较弱模型若要在一万个结果里才偶然命中，同样的 RL 框架可能根本训练不出来。
DeepSeek 又让 R1 充当老师，蒸馏千问与 Llama，发布从1.5B到70B的六个小模型；颜黔杭称其中32B 模型基本与 GPT-o1 一致，且这些蒸馏模型都强于直接在基座模型上做强化学习后训练的结果。
他的类比是：好老师能显著抬高学生的基础水平，而“特别聪明的小孩子”才可能靠自学超过受教者。由此，蒸馏利好端侧模型，纯 RL 则仍高度依赖强基模。

9. DeepSeek 的量化基因把纳秒级优化迁移到了 GPU

刘鹏琦认为行业认知差正在缩小：学术界和产业界的方法逐渐收敛，纯概念创新放慢后，中国团队擅长的工程实现能力开始成为决定性变量。
孵化 DeepSeek 的幻方量化提供了特殊基因。量化交易中，哪怕纳秒级执行优势也可能决定盈亏，因此团队早已习惯定制 FPGA、在 C 语言中嵌入汇编，再把这种底层优化能力迁移到 GPU、PTX 与训练通信上。
组织形态同样重要。颜黔杭称 DeepSeek“不太像一个商业化的公司”，更像协作性很强的科研团队；刘鹏琦则强调其较小的营收和商业化压力、开源文化与长期性，让团队能快速判断论文价值并立即工程化，而不是先服从短期商业目标。

10. Scaling Law 正从预训练迁往后训练和推理

预训练阶段的共同瓶颈是新数据不足：继续增加参数可能导致过拟合，GPT-5 的“难产”被刘鹏琦视为一个端倪。因此，并非算力完全无效，而是单纯堆数据、参数和 GPU 的边际回报正在逼近上限。
后训练仍有明显扩展空间。目前后训练使用的算力通常不到预训练1%，刘鹏琦援引分析称 R1 可能已接近10%；继续扩大 RL 有望提升能力，但 reward 如何定义、专业问答和高质量 CoT 数据如何获得，成为新的稀缺资源。
推理阶段则通过更长思考时间扩大计算：模型先给出草案，再发现错误、反思并调整。刘鹏琦的结论不是 Scaling Law 失效，而是“体现的角度发生了一些变化”。

11. Grok 3 的二十万卡没有证明暴力扩算力仍然划算

2月18日发布的 Grok 3 使用20万张 GPU。两位嘉宾都承认其数学、科学和编程 benchmark 有提升，却认为相对 OpenAI 等竞争对手多用了一个数量级、相对 DeepSeek 多用了两个数量级的算力投入，边际提升只有几个百分点。
颜黔杭称 Grok 3 的成本投入是 DeepSeek 算力成本的100倍以上，并认为实际可能达到数百倍；他还质疑发布图表将纵轴设置成类似40到100而非0到100，视觉上夸大差距。考虑到 Grok 2 也曾出现标准评分高、实际表现需要打折的情况，他的态度是“先让风吹一两天”。
刘鹏琦进一步指出，现有提升更多来自后训练塑造的推理能力，而非预训练规模本身；Grok 3 因此反而佐证了旧式预训练 Scaling Law 正在减弱。

12. 模型竞争将迫使国内厂商重选开源与商业化路径

DeepSeek 当前仍主要是语言模型，缺少多模态能力，直接与完整多模态产品横比并不公平。刘鹏琦提醒，OpenAI、Anthropic、Google 仍在多模态、泛化、工具链、开发者生态、储备技术和算力上占优，“离真正超越还有挺长的路”。
国内 To C 压力更直接。Kimi、MiniMax 并非技术落后，Kimi 1.5 的工程工作也得到学术界认可；难题是闭源能否持续保持一线水平，以及开源会不会反过来颠覆原有收费模式。
To B 客户长期会回归理性选型，但短期已被情绪推动集中尝试 DeepSeek。它完成了市场教育，却没有自动消除交付、适配和效果评估的门槛。
对 DeepSeek 自己，流量也是“泼天的富贵”：是否融资，还是维持较小规模、继续专注研究，将决定其组织优势能否保留。

13. 英伟达短期受益，但硬件壁垒面临重估

刘鹏琦认为英伟达的核心壁垒不只是单芯片设计，而是芯片互联能力，包括 Infinity Fabric、NVLink，以及 CUDA 软件生态共同形成的生态壁垒。
DeepSeek 一方面教育了市场、提升了 AI 应用信心，并可能带动更多公司采购硬件。刘鹏琦通过一些渠道听到，DeepSeek 发布应用后 H100、H200 的价格反而有所上涨；持续变化的模型架构也更需要通用 GPU，未必利好专用芯片。
另一方面，MoE 降低了对芯片间互联能力的要求。PTX 被刘鹏琦称为比 CUDA 更底层的编程技术，但它本身也是英伟达的底层技术；DeepSeek 直接编写底层代码，展示了减少对高层 CUDA 库调用的可能性。若更多模型采用相对确定的架构路线，其他硬件也可能承接这类模型。
短期内，DeepSeek 会带动低性能卡、包括国产卡的使用；长期机会则可能出现在3D封装、高速互联、高显存设计和整个编译生态。刘鹏琦强调，只有单芯片或互联能力并不足够，完整的软件生态才是长期成功的关键。

14. 应用 ROI 已改善，但行业落地仍需穿过实测关

token 费用下降直接扩大应用利润空间。颜黔杭认为，过去 AI 创业必须在模型调用成本与用户付费之间挤利润；价格战让开发者终于获得足够便宜、自由的试验土壤，R1 后 OpenAI 发布 o3 并下调 o1 价格也是这种竞争的体现。
DeepSeek 在几周内让政府和企业高层、普通消费者乃至父母辈开始使用，显著提升 To C、To B 的采用意愿；但刘鹏琦明确认为国内市场短期高估，尤其企业端真实效果可能低于预期。
峰瑞被投企业的实测构成重要反证：客户部署呼声很高，但 DeepSeek 并非在所有行业任务都领先，部分由其蒸馏出的 Qwen 模型在很多任务上甚至可能不如原始模型。蒸馏方向“可能”利好 PC、手机和 AI 硬件，仍需业界验证。
更长期的问题是，已经在数学、代码等客观领域验证的强化学习，能否迁移到现实世界推理、AI Agent 和具身智能。刘鹏琦对此保持期待，但也主张“让子弹再飞一会儿”。

15. 开源既是分发机制，也是下一轮研发基础设施

颜黔杭援引一位创业者的说法：“DAU 对模型的研发来说并不是一个有价值的因素，但是开源是的。”DeepSeek 在1月27日开源产品并将应用上线应用商店后，DAU 很快超过字节的豆包和 Kimi 聊天助手，几乎零成本获得热度和流量。
更深的价值类似早期 Android：开发者可以部署、研究和迭代，逐渐形成平台共识；共识提出者则获得人才、关注度和后续商业化优势，同时迫使 Llama 等开源模型继续创新，并对闭源厂商形成促进。
R1 当前的客观奖励主要适用于数学和代码。颜黔杭则用 AlphaGo 到 AlphaZero 的变化追问，减少人类监督、增加自我强化，是否可能让模型突破人类数据的上限。
这个远景仍被明确保留为假设：“也许强化学习才能实现真正超越人类的 AGI。”在 reward 和真实世界迁移问题尚未解决前，刘鹏琦最后的收束仍是尊重突破、保持观察，“让子弹再飞一会儿”。

推理扩展、对齐伪装、谈判交易？与 Redwood Research 的 Ryan 探讨前沿研究在艰难市场打造硬科技：Kyle Vogt谈Cruise、Twitch与The Bot Company