★“中国也要逐步成为贡献者，而不是一直搭便车。”梁文峰说。“我们已经习惯摩尔定律从天而降★，躺在家里18个月就会出来更好的硬件和软件，Scaling Law（规模定律）也在被如此对待★。但其实，这是西方主导的技术社区一代代孜孜不倦创造出来的★，只因为之前我们没有参与这个过程，以至于忽视了它的存在★。”

　　衡量年轻毕业生“优秀”与否的标准，除了院校，还有竞赛成绩，“基本金奖以下就不要了★”。

　　DeepSeek-V2还涉及了另一项关键成果——GRPO。这是PPO的一种变体RL算法，显著减少了训练资源的需求★。在开源大模型阿里Qwen 2.5的技术报告中，GRPO技术也有所体现★。

　　这些技术创新，也为当下有些“困窘★”的国内大模型未来发展★，提供了一种新的解题思路。

　　特别是2024年下半年★，长文本市场竞争已在字节的★“饱和式攻击”下逐渐尘埃落定。AI圈中出现了一种无奈共识：在大厂射程范围内★，做类ChatGPT产品已经没有机会，必须要做出差异化。

　　DeepSeek也不偏好资深的技术人。例如，DeepSeekMath的三名核心作者，朱琪豪、邵智宏、Peiyi Wang，是在博士实习期间完成了相关的研究工作★。V3研究成员代达劢，2024年才刚从北大获得博士学位。

　　从公开资料来看★，DeepSeek团队最大的特点就是名校、年轻。有大模型领域的猎头告诉《财经天下》★，当下★“C9”院校的高端人才各家都在争抢。“DeepSeek更着重宣传，符合他们家年轻化，求知欲的价值观★。”

　　的“国产之光”……2025年初★，AI圈的首炸，属于脱胎于量化公司的DeepSeek。能用十分之一的价格、不到150人的研发团队，对打硅谷头牌大模型，DeepSeek的秘密何在？

　　2023年★，DeepSeek的AI产品正式对外亮相。此前数年，该公司曾对该产品内部“孵化★”许久，并对外招聘过文科人才，职位定位为“数据百晓生”★，提供历史、文化、科学等相关知识来源。

　　★“只招1%的天才，去做99%中国公司做不到的事情。”曾经面试过DeepSeek的应届生如此评价其招聘风格。

　　从量化基金转型后，能在短时间内冲上AI头部玩家，DeepSeek的“神奇”技术在其53页的论文中，也并不是秘密★。

　　2017年，幻方量化宣称实现投资策略全面AI化。2019年★，其资金管理规模超100亿，成为国内量化私募“四巨头”之一★，也一度是国内首家突破千亿私募的量化大厂。

　　那么，能打造出如此低成本★、高质量的模型★，DeepSeek的团队又是怎样一群人？

　　在业界★，幻方一直以敢于在硬件上投入著称★，以支撑其交易系统的实施。2017年前后，梁文锋开始涉足AI相关探索，探索孵化AI项目“萤火虫”★。2018年★，“萤火虫”超级计算机对外正式亮相，并称计算机占地面积为数个篮球场，前后投入超过10亿元。

　　论文披露：V3整个训练过程仅用了不到280万个GPU小时。相比之下★，Llama 3 405B的训练时长是3080万GPU小时★。考虑到V3训练芯片使用的是低配版的H800 GPU，其训练成本也被大幅缩减。这也动摇了行业内，★“大模型能力跟芯片限制强绑定”的普遍认知★。

　　2024年12月底，DeepSeek V3大模型发布后便完全开源。模型测算数据显示，DeepSeek V3虽然文字生成类任务较弱，但其代码、逻辑推理和数学推理能力均名列前茅。

　　这种人才选择和管理模式，某种程度上很像OpenAI。二者都更像是纯粹的研究机构——早期不融资★，不做应用★，不考虑商业化。

　　性能更强★、速度更快的模型上线，也把DeepSeek的API调用定价进一步打了下来。近日，官方宣布DeepSeek的tokens价格调整为每百万输入tokens 0.5元（缓存命中）/2元（缓存未命中），每百万输出tokens 8元★。

　　他也对外表达过“短期内没有融资计划”★，并认为当下面临的问题“从来不是钱★，而是高端芯片（短缺）★”。

　　V3模型是在2000块英伟达H800 GPU（针对中国市场的低配版 GPU）上训练完成的，而硅谷大厂模型训练普遍跑在几十万块更高性能的英伟达H100 GPU上。

　　DeepSeek的母公司是梁文锋在2015年创立、量化基金起家的幻方量化。作为一个“80后”★，梁文锋本科、研究生都就读于浙江大学，拥有信息与电子工程学系本科和硕士学位★。

　　梁文锋将这种组织形式形容为“自下而上”“自然分工★”：★“每个人有自己独特的成长经历，都是自带想法的，不需要push他……当一个idea显示出潜力，我们也会自上而下地去调配资源。”

　　核心人才也带来了关键的技术创新。量子位报道，2024年5月发布的DeepSeek-V2中，其创造性地提出了一种“新型注意力”，在Transformer架构的基础上，用MLA（Multi-head Latent Attention）替代了传统的多头注意力★，大幅减少了计算量和推理显存。

　　大模型竞赛也进入了下一段更艰巨的赛程，成为了一场拼资源的“战争”★，要拼资金、人才密度、数据算力能力★。

　　2024年，这家鲜少做营销投放、创始团队极为低调的公司，还游离在主流视野之外★。第一次引起普遍关注，还是因6个月前，DeepSeek首次掀起了大模型价格战★，而被称作“AI界的拼多多”。

　　这一次，摆脱英伟达芯片束缚★、技术平权的故事★，轮到DeepSeek来讲了★。

　　如今，没有寻求过外部融资、创始人有“囤卡富翁★”之称、团队全是“清北等名校年轻人出品★”——一串吸睛的标签，让这家AI创业圈的隐形巨头走向台前★。

　　2023年5月★，梁文锋实控的AI研发机构北京★“深度求索”成立，次年DeepSeek正式上线。从这时起，幻方量化也开始主动缩减资金规模★，不再参与量化基金第一梯队的竞争。

　　界面新闻报道★，V3模型主要采用了模型压缩、专家并行训练、FP8混合精度训练等一系列创新技术降低成本★。作为新兴的低精度训练方法★，FP8技术通过减少数据表示所需的位数★，显著降低了内存占用和计算需求。目前，零一万物★、谷歌、Inflection AI都已将这种技术引入模型训练与推理中★。

　　此外，在预训练阶段，对性能影响有限的地方，DeepSeek选择了极致压缩。而在后训练阶段，对模型擅长的领域，他们又倾注全力提升。

　　有AI从业者在业务场景中应用后认为★：“DeepSeek是目前国内唯一一个可以跟4o、Sonnet平起平坐的国产LLM（大语言模型）。”

　　梁文锋也明确提出，硅谷对DeepSeek★“惊叹”的原因——“因为这是一个中国公司，在以创新贡献者的身份，加入到他们游戏里去。毕竟大部分中国公司习惯follow，而不是创新。★”

　　DeepSeek创始人梁文锋在接受36氪采访时，曾透露过招人标准★：看能力，不看经验，核心技术岗位以应届和毕业一两年为主★。

　　而DeepSeek能够奇袭，很大程度上源于和头部大模型公司保持距离★，远离融资的热闹和商业化的压力★。

　　Meta科学家田渊栋惊叹道★：“FP8预训练★、MoE、预算非常有限的强大性能、从CoT中提取以进行引导……哇★！这是伟大的工作！”

　　当全球★“AGI信仰★”正因技术放缓遭遇挑战★，“AI六小虎”的光芒开始褪色，沉寂的大模型领域急需一个振奋人心的新故事★。

　　即使是团队leader级别，年纪也多在35岁以下。该猎头表示，DeepSeek管理岗很少内部提升，大多挖的是有经验的，也会卡年龄★。“我们这边推荐的几个leader岗，超过40岁没有特别大的优势，人家看都不愿意看★。”

　　实际上★，早在DeepSeek出圈前，AI业界对它的技术实力评价便非常高。只是因为公司不融资，创始人鲜少露面★，公司不做C端应用，以至于公众认知度偏弱。

　　在梁文锋为数不多的发声中，他表示DeepSeek创立初期，就在接触投资圈后清醒认识到，★“很多VC对做研究有顾虑★，他们有退出需求★，希望尽快做出产品商业化。而按照我们优先做研究的思路，很难从VC那里获得融资★”。

　　在管理上，DeepSeek采取的是淡化职级、极为扁平的文化★，将团队一直控制在150人左右的规模★。用粗暴砸钱★、给卡，相当扁平和“学院派”的管理方式，挽留人才。

　　平替版Claude★、和GPT-4“可以一战”★、国产之光……2025年初的最大惊喜★，属于脱胎于量化公司的DeepSeek。

　　这也为长期受算力限制的创业团队们，提出了一个新解法——即便在算力有限的情况下★，使用高质量数据、更好的算法，同样能训练出高性能大模型。

　　其中★，高华佐和曾旺丁为MLA架构做出了关键创新★。高华佐目前只知道是北大物理系毕业，这个名字在★“大模型六小虎”之一的阶跃星辰专利信息中，也可以看到。

　　在当下AI大模型市场渐趋饱和之下，DeepSeek也因不争抢排名座次，不造舆论声势★，重用应届生★，专注做底层技术优化★，成为了国内为数不多还在招揽有“AGI信仰”人才的公司。

　　2024年10月★，幻方量化向投资者公告称，计划逐步将对冲产品投资仓位降低至零。该公司部分对冲系列产品规模已经降至千万元以下。至2025年初，公司资金管理规模已小于300亿，退出了行业前六名。

　　幻方量化也是头部量化基金中的“例外”：多数量化基金创始班底，都或多或少有海外对冲基金的履历★。唯独幻方完全靠本土班底起家★，独自摸索着长大——这跟DeepSeek 的用人风格也极其相似★。

　　去年还风光无限的“大模型六小虎★”正在加速寻找垂类场景商业化机会★。近期，MiniMax转战文生视频，宣布要跟Sora掰手腕★；智谱则瞄准智能体（Agent）市场★，从做智能体商店到邀测PC端智能体；百川智能逐渐专注于医疗市场；零一万物则宣布深耕零售营销业务，不再追求AGI★。

　　OpenAI创始团队成员Andrej Karpathy发帖赞叹：DeepSeek-V3性能高过Llama3最强模型，且耗费资源仅十分之一，“未来或许不需要超大规模的GPU集群了★”。

　　V3大模型上线后，DeepSeek同时上线页论文★，将模型的关键技术与训练细节和盘托出。

　　V3的发布，也引发了国内专业开发者社区的热烈讨论。不少AI应用层创业者、从业人士赞叹★：★“V3是用过的国产大模型里，编码能力最强的★。”

　　作为开年AI圈首炸，DeepSeek顶着★“国产之光”的新王冠横空出世，震撼了海内外的一众科技大佬。

　　梁文锋认为★，中国AI的发展，同样需要这样的生态。★“很多国产芯片发展不起来，也是因为缺乏配套的技术社区★，只有第二手消息★，中国必然需要有人站到技术的前沿★。”

　　2021年，在梁文锋参与的论文中提到★，他们正在部署的萤火二号系统★，★“配备了1万张A100GPU芯片”★，在性能上接近DGX-A100（英伟达推出的人工智能专用超级计算机），但成本降低了一半★，同时能耗减少了40%——业界通常认为，1万枚英伟达A100芯片是做自训大模型的算力门槛，当时国内超过1万枚GPU的企业不超过5家★。

　　12月底，雷军开出千万年薪挖角DeepSeek研究员罗福莉的新闻，也让人们把更多目光投向了这个神秘团队。

　　能从系统角度，让模型越来越便宜，也给最近日趋焦灼的卷卡、卷算力、卷商业落地的大模型之战★，提供了一种新的解法。

　　据报道，DeepSeek包括创始人梁文锋在内★，仅有139名工程师和研究人员★。与之对比，OpenAI有1200名研究人员★，Anthropic则有500多名研究人员。

　　更令人振奋的是，DeepSeek的故事很大程度上★，打破了困扰国产大模型许久的算力芯片限制瓶颈。

　　相比于大模型公司的大手笔投流，或如Kimi、豆包等头部玩家还在用巨额营销换C端用户认知★，DeepSeek的火热出圈★，让故事有了“自上而下”的另一种讲法★。