DeepSeek利空算力？

文章预览

来源：信息平权 其实具体逻辑，从12月deepseek v3到这周的r1，我们前前后后分析过很多次了，不妨总结梳理下 1. 海外广泛引用的550万美金是v3，而不是r1的训练成本，且550万只是v3实际训练成本的零头。 v3 论文原话： 上述成本仅包括DeepSeek-V3 的正式训练，不包括与架构、算法、数据相关的前期研究、消融实验的成本 。社群内一位算法工程师就曾说“v3 用了幻方自己的r1模型生成数据 ，这个部分的反复尝试要不要算在成本里呢？”一个意思。 2. 前沿探索和后发追赶，所需要的算力本就不是一个量级。表现为 训练同一代模型所需算力每隔N个月就是指数级降低。原因包括 算法本身的进步（FP8、混合MoE）、算力的持续通缩、复现方法如蒸馏等对数据的浓缩。 最关键的是，探索就意味着会有浪费，而后发追赶“站在巨人肩膀上”本就可以规避浪费。 就比 ………………………………