DeepSeek的崛起，其實(shí)并不意外

中國人工智能初創(chuàng)公司DeepSeek近期引發(fā)了廣泛關(guān)注。1月20日，該公司發(fā)布的新模型在性能上足以與美國領(lǐng)先人工智能公司（如OpenAI和Meta）的模型競(jìng)爭(zhēng)，其規(guī)模更小、效率更高且訓(xùn)練和運(yùn)行成本低得多。

然而，從管理理論特別是“顛覆性創(chuàng)新”理論來看，DeepSeek的成功或許本可以預(yù)見。顛覆性創(chuàng)新的核心在于提供低成本的替代方案，這些方案雖非尖端技術(shù)，但足以滿足許多用戶的基本需求。DeepSeek正是憑借這種模式，沖擊了美國人工智能行業(yè)的傳統(tǒng)認(rèn)知，并引發(fā)了科技和能源股的波動(dòng)。

如果管理理論能夠解釋這一現(xiàn)象，那么它同樣可以為未來的發(fā)展提供啟示?；诩夹g(shù)變革理論，我們探討了這一顛覆對(duì)全球企業(yè)的影響，尤其是它們的領(lǐng)導(dǎo)者在選擇授權(quán)使用中國還是美國的大型語言模型（LLM）時(shí)所面臨的抉擇。

中國LLM與美國LLM在兩個(gè)關(guān)鍵方面存在顯著差異：首先，中國LLM通常使用更便宜的硬件，并借助開放架構(gòu)降低成本；其次，許多中國LLM專注于特定領(lǐng)域的定制化應(yīng)用，而非通用任務(wù)。不過，像DeepSeek-R1這樣的模型正在逐漸向通用推理模型轉(zhuǎn)變。

美國LLM通常依賴最先進(jìn)的GPU集群進(jìn)行訓(xùn)練，這些集群包含數(shù)萬個(gè)英偉達(dá)的高端芯片，需要巨額資本投入和強(qiáng)大的云基礎(chǔ)設(shè)施支持。相比之下，由于先進(jìn)芯片的出口管制，中國LLM更多地依賴于在多個(gè)較弱的GPU上進(jìn)行分布式訓(xùn)練。盡管硬件條件有限，但通過高效的架構(gòu)設(shè)計(jì)，中國LLM仍能實(shí)現(xiàn)具有競(jìng)爭(zhēng)力的性能。例如，DeepSeek的多頭潛在注意力（MLA）和專家混合（MOE）架構(gòu)通過減少內(nèi)存使用，提高了計(jì)算資源的利用效率。

開源代碼庫的廣泛應(yīng)用也是中國LLM發(fā)展的重要推動(dòng)力。DeepSeek-V3（其最新推理系統(tǒng)的基礎(chǔ)模型）和DeepSeek-R1均在麻省理工學(xué)院（MIT）開源許可下發(fā)布。這種寬松的許可方式允許用戶自由使用、修改和分發(fā)軟件，包括用于商業(yè)目的，從而極大地促進(jìn)了技術(shù)的普及和應(yīng)用。這種高效架構(gòu)和開源策略在訓(xùn)練成本上的優(yōu)勢(shì)尤為明顯：DeepSeek報(bào)告的V3訓(xùn)練成本為560萬美元，而美國公司如OpenAI和Alphabet的LLM訓(xùn)練成本則高達(dá)4000萬至2億美元。

此外，美國LLM側(cè)重于基于全球數(shù)據(jù)集的通用查詢訓(xùn)練，而許多中國LLM則專注于特定領(lǐng)域的精準(zhǔn)應(yīng)用。中國的科技巨頭（如阿里巴巴、騰訊、百度和字節(jié)跳動(dòng)）以及新興初創(chuàng)公司（如DeepSeek）都通過LLM開發(fā)了深度融入中國數(shù)字生態(tài)系統(tǒng)的行業(yè)特定應(yīng)用。

總結(jié)來說，中國LLM依賴于不太先進(jìn)的硬件，并專注于低端、特定領(lǐng)域的應(yīng)用，這些應(yīng)用對(duì)計(jì)算能力的要求較低，成本也更低。例如，阿里巴巴的通義千問和字節(jié)跳動(dòng)的豆包1.5pro的每100萬輸出標(biāo)記的成本不到0.3美元，而OpenAI和Anthropic的高端模型則超過60美元。

這正是經(jīng)典的顛覆理論在發(fā)揮作用。這與幾十年前美國小型鋼廠顛覆綜合鋼鐵廠的情況如出一轍。顛覆理論預(yù)測(cè)，一種在初始階段劣于現(xiàn)有技術(shù)（如電弧爐）的技術(shù)，針對(duì)特定低端任務(wù)（如生產(chǎn)低質(zhì)量鋼筋）進(jìn)行定制，最終將對(duì)專注于高端客戶（如高端鋼板客戶）并提供更高利潤的高端生產(chǎn)商（如綜合鋼鐵廠）構(gòu)成威脅。慢慢地、穩(wěn)步地，顛覆者提升其產(chǎn)品的質(zhì)量，而現(xiàn)有企業(yè)則在市場(chǎng)細(xì)分領(lǐng)域一個(gè)接一個(gè)地向顛覆者讓出市場(chǎng)份額。

顛覆理論預(yù)測(cè)了DeepSeek及其同類產(chǎn)品的出現(xiàn)和發(fā)展。事實(shí)上，未來幾個(gè)月內(nèi)其他顛覆者的出現(xiàn)并不會(huì)令人意外。特別是小型語言模型（SLM），它們使用的數(shù)據(jù)更少、資源更少，生成的內(nèi)容質(zhì)量也較低，可能會(huì)在未來幾個(gè)月內(nèi)成為挑戰(zhàn)美國和中國LLM的另一種技術(shù)。

DeepSeek的崛起引發(fā)了全球企業(yè)的一個(gè)關(guān)鍵問題：是選擇授權(quán)使用美國LLM，還是中國LLM，亦或是兩者都選？在此，管理理論中的技術(shù)多樣化策略提供了重要的參考。

在企業(yè)內(nèi)部部署多種LLM模型的一個(gè)顯著優(yōu)勢(shì)是風(fēng)險(xiǎn)分散化。對(duì)于LLM而言，這意味著可以降低供應(yīng)商端停機(jī)帶來的影響。例如，如果OpenAI的服務(wù)因故中斷，企業(yè)可以迅速切換到其他供應(yīng)商的模型，確保業(yè)務(wù)的連續(xù)性。

使用多種模型的另一個(gè)好處是聚合優(yōu)勢(shì)。不同的模型基于不同的算法，對(duì)同一問題可能給出不同的答案。研究表明，通過聚合多個(gè)模型的預(yù)測(cè)結(jié)果（即“集成”方法），通常能夠獲得更高質(zhì)量的輸出，尤其是在處理復(fù)雜、模糊的任務(wù)時(shí)。事實(shí)上，像Openrouter這樣的平臺(tái)已經(jīng)提供了一個(gè)集成界面，允許用戶實(shí)時(shí)比較180多個(gè)模型的性能和成本，從而實(shí)現(xiàn)更優(yōu)的選擇。

然而，與單一供應(yīng)商合作也有其優(yōu)勢(shì)，例如降低管理成本和增強(qiáng)雙方對(duì)彼此能力的理解。使用多個(gè)模型可能會(huì)增加數(shù)據(jù)隱私和安全風(fēng)險(xiǎn)，因?yàn)閿?shù)據(jù)需要在多個(gè)供應(yīng)商之間共享。盡管這種風(fēng)險(xiǎn)在所有LLM中都存在，但跨國家/地區(qū)（如美國和中國）的數(shù)據(jù)使用和監(jiān)管框架差異，會(huì)進(jìn)一步增加復(fù)雜性，尤其是在醫(yī)療保健等敏感領(lǐng)域。

管理理論還提出了第三種策略：多元治理。這種策略結(jié)合了外部供應(yīng)商和內(nèi)部開發(fā)人員的力量，以充分利用新興技術(shù)。研究表明，那些在內(nèi)部培養(yǎng)特定技術(shù)人才的公司，往往更能從新技術(shù)的出現(xiàn)中受益。在LLM領(lǐng)域，這意味著企業(yè)可以利用美國LLM處理通用任務(wù)（如為專業(yè)服務(wù)公司開發(fā)輔助研究的聊天機(jī)器人），同時(shí)利用中國LLM開發(fā)公司特定的應(yīng)用（如人力資源培訓(xùn)機(jī)器人）。

進(jìn)一步來看，低成本、開源的LLM模型（即使其能力稍弱）將使企業(yè)能夠開發(fā)出適合自身需求的定制化模型。隨著時(shí)間推移，這些低成本、低質(zhì)量的模型可能會(huì)逐步顛覆高成本的高端模型，就像小型鋼廠曾經(jīng)顛覆綜合鋼鐵廠一樣。

盡管存在數(shù)據(jù)隱私和安全問題（近期TikTok事件引發(fā)了關(guān)注），美國LLM如果忽視中國LLM帶來的顛覆性威脅，將面臨巨大風(fēng)險(xiǎn)。他們至少應(yīng)該警惕那些利用小型語言模型（SLM）等技術(shù)的美國本土顛覆者。大型美國人工智能公司也可以嘗試自我顛覆（例如，通用電氣開發(fā)手持超聲設(shè)備以顛覆傳統(tǒng)超聲業(yè)務(wù)），但研究表明，自我顛覆極為困難。前期對(duì)昂貴芯片、硬件和訓(xùn)練數(shù)據(jù)的投資（這些已成為沉沒成本）以及對(duì)高利潤解決方案的依賴，可能會(huì)使大多數(shù)美國人工智能公司繼續(xù)專注于高端LLM，而非轉(zhuǎn)向更便宜但“足夠好”的LLM。

對(duì)于全球企業(yè)而言，LLM領(lǐng)域的顛覆為投資內(nèi)部技能和開發(fā)定制化模型提供了機(jī)遇，這將有助于實(shí)現(xiàn)更有針對(duì)性的應(yīng)用、降低成本并提高投資回報(bào)率。

關(guān)鍵詞：DeepSeek