就在DeepSeek（深度求索）发布V3几天前，OpenAI首席执行官萨姆·奥特曼在一场采访中，谈到了中美在AI领域的竞争。

一方面，奥特曼屡屡强调OpenAI在AI领域的主导性和领先性，同时呼吁在美国完全本土化AI产业链，包括生产芯片、建设足够多的能源，改变数据中心建设模式，建立非常昂贵且复杂的供应链和基础设施等。

但另一方面，奥特曼却又话风一转，声称美国应该在AI领域与中国紧密合作。而这一言论，对于封禁中国大陆IP最为激进的OpenAI来说，极具讽刺意味。

曾经宛若AI领域的大神，如今的OpenAI却因为模型越来越闭塞，而被科技圈戏谑为“CloseAI（关闭AI）”。

几天之后，来自中国的DeepSeek V3如石破天惊一般问世。在高端芯片禁运的情况下，DeepSeek V3靠着往年囤积的“阉割版”H卡，用区区五百万美元，在惊人的不到三百万GPU小时里完成了预训练，获得了聊天机器人竞技场（Chatbot Arena）随机基准（Benchmark）测试第七、开源模型排名第一的成绩。

高效训练带来的结果是，DeepSeek-V3几乎有着媲美Claude 3.5 Sonnet的数学和编程能力，却能提供后者五十三分之一的使用价格。

几乎在同时，AI舆论天平开始摇摆——海外互联网上，GPT5研发遭遇瓶颈的质疑再度被提及，人们惊叹“对中国芯片禁运无意义”。

“AI卖铲人”英伟达的股价也在2025年出现了剧烈的下跌，冥冥之中似乎与DeepSeek-V3的出现有关。

一时间，整个AI产业的经济模型，都在DeepSeek-V3的出现后，悄然动摇。

神秘力量崛起

不知从何时开始，AI界开始用“万卡集群”来描述步入大模型的门槛——DeepSeek-V3出现前，聊天机器人竞技场头部模型企业掌握的GPU集群清一色在五位数以上，万卡就像是AI梭哈局里的“验资证明”。

随后便是DeepSeek-V3的出现，AI在当前的发展模型中，突然长出了一个不符合发展规律的“奇点”。

所有人都试图理解，为什么它的预训练那么快，应用接口价格那么地便宜。许多人都提到了MLA、MoE、FP8三大创新。

然而，除了MLA为DeepSeek公司在V2时期抛出的原创概念，MoE、FP8等技术都并非原生。

比如MoE（集成本地专家）架构——形象的说法是他将全人类的问题进行分类，通过分类来降低每个问题需要激活的参数。MoE的概念最早诞生在1991年，但到2023年才由Mistral AI最先采用。之后，它几乎成为了所有新版大模型的标配工程，每家的MoE架构都有自己的特色。

FP8更是英伟达早在2022年发布H卡时就预言过的浮点格式，其理论极限倍速是传统FP16的两倍。但具体能提高多少？其实很难，至少在DeepSeek之前，很少有大模型团队热衷于通过FP8突破算力瓶颈。

仅从结果来看，DeepSeek的大部分创新都建立在其他先驱的基础之上，但对创新工程技术应用所达到的程度，却依然令人匪夷所思。

因此业内人都有一个共识，DeepSeek强大，来源于其神秘工程团队。

“他们是一只非常精锐的中国团队——就他们构建强大语言的能力而言，我会把他们放在Mistral和OpenAI/DeepMind团队中间位置。”前DeepMind工程师，知名科技博主Aleksa Gordic（亚历克萨·戈迪奇）在社交媒体上惊叹。

AI新格局重构

《三体：黑暗森林》中有这样一个认知，科技的发展并不是阶梯式的，技术爆发往往以不期而至的方式到来。

在AI这个领域，技术爆炸的时间节点也非常难以预测。

在DeepSeek-V3发布前，上一个在业界公认取得如此多创新的，还是2024年12月Meta发布的Llama3.1 405B。

而再上一个突破大概发生在2024年6月份，Anthropic公司推出编程专长大模型‌Claude 3.5 Sonnet，再往前就是当年5月份OpenAI推出的ChatGPT4.0。

即便对于中国大模型而言，上一轮出圈的Kimi，与DeepSeek-V3发布也才隔了不到一年。

与算力、工程能力同步迭代的海外大模型企业不同，DeepSeek受制于芯片禁运的束缚，以两个数量级的成本优势，宣告着工程能力的巨大差异，甚至可能导致现有AI经济模型完全重构……

就在DeepSeek-V3发布后不久，有人在使用中发现DeepSeek-V3在一次问答中把自己称为“ChatGPT”。

这个被称之为“自我认知错误”的“BUG”，其实普遍发生在许多大模型的推理结果中，显示着当今时代数据污染的普遍存在，以及大模型之间互相借鉴越来越频繁。

而不管是开源的DeepSeek，还是闭源的OpenAI，AI数据与工程技术的互相借鉴，几乎是不可能被封锁的。

有些魔幻现实的是，由于DeepSeek-V3完全地开源，在可以预见的，甚至几乎确定不会太久的未来，DeepSeek-V3的巨大优势，必然会被后来的效仿者、创新者所抹平，超越。

但既然选择了开源，就代表了DeepSeek完全接受这一点，并认为自己还能做出更好的。

2023年，DeepSeek实际控制人梁文锋在接受采访时也表达了类似观点：

“无论大厂，还是创业公司，都很难在短时间内建立起碾压对手的技术优势。因为有OpenAI指路，又都基于公开论文和代码……从长期看，大模型应用门槛会越来越低，初创公司在未来20年任何时候下场，也都有机会。”

创新驱动力

既然AI企业无法通过闭源获得优势，那么唯一值得信赖的便是团队本身了。

回顾梁文锋的采访，其大量的谈话落在了团队建设上，鼓励创新上。着眼能力，淡化履历，看中好奇心驱动。

“很多人会以为这里边有一个不为人知的商业逻辑，但其实，主要是好奇心驱动。”梁文锋在采访中表示。

经典的企业管理认为，好的制度能让企业自行运转，不论岗位上是谁，都能像螺钉一样各司其职。

而梁文锋却认为，由幻方量化积累的资本和算力底蕴，可以让DeepSeek暂时忘却商业化，并保持企业纯粹的创新文化。

寄托的AGI发展的人类大计，最后仍要取决于微观引领者的企业文化和团队建设，这一巨大的反差背后，却颇有返璞归真的意味。

几乎就在12月份之前，GPT5迟迟无法落地的消息，让许多AI从业者存在这样一个认知：“AI工程能力似乎已经接近了瓶颈。而面对越来越难清洗的数据和芯片、电力的制约，AGI已经撞上了南墙。”

就像早在十九世纪就有人说，“物理学的大厦已经完成了，后人只要做修缮装饰的工作”。

但DeepSeek显然打破了瓶颈认知，并告诉我们，即便是从工程能力迭代的角度，AI能力的瓶颈，仍然远远没有到来。

“我们希望更多人，哪怕一个小App都可以低成本去用上大模型，而不是技术只掌握在一部分人和公司手中，形成垄断。”梁文锋说道。

而若未来真如他所说，唯一能确定的是，算力将不再成为困扰AI时代的瓶颈。包括当下“AI卖水人”经济模型，可能也会顺势完成重构。