DeepSeek R1模型的爆火本来是个好事情，但是随着爆火出现了一个隐忧。大家担心什么？就是说，DeepSeek如果用了比较小的模型体量，达到了一个非常大的模型，比如像ChatGPT-4o一样的能力，是不是大家就不需要那么大的算力需求了呢？

比如说美国出的那个“星际之门”计划，是不是就是个彻头彻尾的骗局呢？现在好多人已经对OpenAI进行了一些攻击，说中国公司拿这么小的体量就能做出来，你们融了那么大的钱，做出来一个模型，你们究竟效率在哪儿？钱究竟花哪儿去了？现在这种攻击是不绝于耳，甚至对我们的大A股也产生了担心。如果星际之门不需要了，那配合星际之门的那一堆光模块，还有那一堆什么铜缆，到底需不需要？好多人现在是这种担心。

我先不说结论，我先给大家说一下，具体模型和模型之间的差异是怎么产生的。

首先，DeepSeek R1确实不是通过死拼数据的方式获得追赶成功的。它确实是通过蒸馏法。蒸馏法是什么意思？对比数据是吧，我拿一个大模型算出来数据，再拿小模型做出的结果跟大模型的结果去对比，不断地自我校正去完成。它确实是算法上的优化，而且证明这种优化效果确实能达到跟更大的模型类似的效果。这是一个巨大的进步，但不等于说我们对于数据量没有需求了。

首先，我们对数据量的需求肯定是越大越好。是不是说数据量是一个完全递增的关系，数据量越多能力越强？它是有一个涌现关系的。首先你会在一个节点出现涌现。什么叫涌现？之前GPT-3的时候，它读到大概多少数据量的时候，我忘了，突然间它就醒悟了，就是我们说的顿悟，顿悟成佛，瞬间它就领略到了自我的推理能力。这个是GPT给整个世界带来的震撼，以及它跨时代的意义所在。你说人家是帮助你进入了一个新的纪元，这个确实是人家的进步。

但是它在接下来的过程还是通过一样的方法去处理，那可能未必有通过更灵巧的方式去处理的模型更获得优势。但这不等于说它对数据量的需求就没有了，因为你不知道会在一个什么样的地方出现第二轮这种涌现，继续扩大它的推理能力，再去突破人类可以想象的极限。所以说，数据量的需求完全不用担心。

第二个，大家担心的是数据量存不存在这么一种情况：我把现在这些文本全都吃完了，我已经不需要数据了，我就靠这个模型吃这些数据就吃饱了，已经没有数据可以吃了。这个也不用担心，这存在一个数据利用的问题。

学过一点AI知识就可以知道，AI在运算的过程中，最关键的一步技术就是把数据进行简单化处理。什么意思？就是你所有的文本要把它转变成数字形式；图像识别的时候，要把一个256乘以256的像素集，转变成一个个、一层层的，比如说4乘以4，比如说8乘以8，类似这种一层层地把它拆开。所以它是进行一个简单化处理，再分级去执行的过程。

所以如果你的运算力量大，我是不是就不用拆那么细了，不用把这个符号简化成那么简单了？所以同样的数据，我的数据利用率可以变得很高。所以大的算力还是有用。

第三方面，也是最重要的，是我们现在只突破了文本，好不好？我们现在只是在文本和图像上有一点进展，尤其在文本上产生了一定的推理能力，大家整个人类就兴奋不已了。但是实际上大家看看，AI现在可以用在方方面面。大家忘了那两个诺贝尔奖了吗？其实在医学领域里边，我们有很多对于蛋白质结构预测、基因测序的应用，这些好多地方都有AI的应用，这些应用都会用到算力。只不过不是大家眼见非常多的那种大文本算力而已。它们还没有出现这种现象级的公司，或者这种现象级的公司还没有进入大家视野而已，已经有很多应用在彻彻底底地进行了。

如果大家认为现在算力确实没有需求了，AI发展到这儿就停滞了，或者还有人认为AI是一个彻头彻尾的骗局，那么我跟大家说，你所谓信赖的什么低空，所谓信赖的这种机器人，也都是骗局。因为没有AI大脑去控制，这些全都支撑不起来。

你想想，低空飞行器在一个城市上空飞，难道靠人去驾驶吗？全都得靠这种自动的算法，这种避障的算法现在做得最好的还是靠AI。再比如说机器人，你让它自动执行，它难道只是跟你进行对话吗？它要自动抓取一些东西。英伟达发的那个大模型，对世界万物的理解；李飞飞现在在做的这种对于整个世界交互的人工智能，这些都依赖算力。

所以算力这个东西，一定是需求越来越大的。就像人的脑子一样，越长越发育越大，这个是历史不会改变的。但是你说有没有可能有人在这个时期，在短期内用我们这种低迷的情绪去制造一些恐慌，引起某些市场的下跌，这个我不敢保证。但从长期来看，我们对算力的需求一直不会有任何变化。

不管是中国也好，美国也好，一定会在算力上展开一轮新的角逐。算法再牛逼，算力是另一个层面，一点都不影响。算力、数据，还有算法，三方面并进角逐。

好，这期就这样，欢迎关注转发。
