對DeepSeek的評價和看法

1、我肯定會投啊！我覺得，這個東西真的是非常有意義。而且今天已經(jīng)非常清晰了，就是這樣一個類似安卓的開源生態(tài)，已經(jīng)起來了。他勢頭這么猛的話，別人再追已經(jīng)很難追了！

2、價格已經(jīng)不太重要了，關(guān)鍵是參與在這里面。真的見證人類AGI產(chǎn)生，見證人類AI意識產(chǎn)生，這些東西都很有意義。

3、他也不是典型的創(chuàng)業(yè)者，他自己在幻方就非常有資金實力了，而且本身有很多卡。不是一個典型的創(chuàng)業(yè)公司。但確實——因為他本身的財力，允許他去追求一些理想，這是一個非常不一樣的新一代的創(chuàng)業(yè)者。

4、至少在DeepSeek上，我看到了AGI實現(xiàn)的路徑，而且確實感覺到，至少是有一部分AI意識產(chǎn)生的可能性了。

5、目前在國內(nèi)大模型這個賽道上，已經(jīng)相對比較明朗化了吧？他們作為創(chuàng)業(yè)公司里可能獨一份的，從用戶數(shù)啊，包括產(chǎn)品技能、產(chǎn)品路線上已經(jīng)遙遙領(lǐng)先了。

6、如果我花10倍成本最多提升10%、20%，還不如用免費開源模型。開源模型在很多場景已經(jīng)足夠好了。而且在很多場景，甚至在半年到1年以后，真的都會遠超人類了，對吧？

今天你看DeepSeek寫文章超過99%的人。那么編程、物理、化學(xué)，甚至醫(yī)學(xué)領(lǐng)域，可能在6到12個月之內(nèi)都能看到，它可能超過絕大多數(shù)人類——這個是已經(jīng)可以看得見的了。

今天獎勵模型還是需要在有清晰規(guī)則的領(lǐng)域，這條路是通的；在更多沒有清晰獎勵規(guī)則的領(lǐng)域，需要高質(zhì)量數(shù)據(jù)來引導(dǎo)AI怎么做Reinforce Learning（強化學(xué)習(xí)），要有一些研究，但可能也是可行的。目前從它文字反映的質(zhì)量看，至少是可能的。

7、最終還是要回答一個問題：怎么商業(yè)化？因為他們開源很徹底，后面怎么商業(yè)化確實是個（問題）。而且這個東西太新了，沒有人考慮過或見過這樣一種產(chǎn)品形態(tài)，怎么商業(yè)化是需要思考的問題。

對AI行業(yè)的看法

8、數(shù)據(jù)飛輪有，但數(shù)據(jù)飛輪價值不大。這也是我這兩年最大一個教訓(xùn)，就是：以前我覺得這波AI最大壁壘在數(shù)據(jù)飛輪上，但現(xiàn)在看來包括DeepSeek、OpenAI，數(shù)據(jù)飛輪價值不大。因為大部分用戶數(shù)據(jù)都是重復(fù)的，是低信息含量的，沒有意義的，所以數(shù)據(jù)飛輪價值并不大。真正有數(shù)據(jù)飛輪價值的是那些高質(zhì)量數(shù)據(jù)，那些數(shù)據(jù)是需要各個行業(yè)專業(yè)人士去打標簽、去發(fā)現(xiàn)的。

9、對于整個閉源模型還有沒有存在價值、存在意義，都是很嚴峻的靈魂拷問。

10、我現(xiàn)在就感覺在國內(nèi)你訓(xùn)練閉源模型真的毫無意義了。甚至OpenAI都看不到比DeepSeek好幾倍的差別。你即使比DeepSeek好10%、20%，沒有意義啊。沒人會用你的閉源模型了。

可能除了個別大廠。大廠為了自己的壁壘或?qū)Ｓ脠鼍埃赡軋猿衷陂]源模型往前走一走。

對算力和算法要求沒有那么高，核心是高質(zhì)量數(shù)據(jù)。DeepSeek證明了，它為什么表現(xiàn)比其他模型都要好？很多時候就是初始的訓(xùn)練數(shù)據(jù)質(zhì)量比較高。以后模型可能就像廚師一樣，我用什么語料來訓(xùn)練，我的參數(shù)權(quán)重是多少，做出來的菜肯定不一樣——有些可能是四川菜，有些可能是粵菜。所以你到底用什么語料進行訓(xùn)練，參數(shù)權(quán)重是怎么樣的。

以后高質(zhì)量訓(xùn)練數(shù)據(jù)非常、非常重要，尤其是在那些規(guī)則不那么清晰的領(lǐng)域，先要引導(dǎo)AI怎么來做加強學(xué)習(xí)？你這些初始語料真的需要博士級別、各個領(lǐng)域?qū)＜壹墑e的人來打標簽。

11、都需要思考，還需不需要往前再訓(xùn)練自己的閉源模型？還是就在DeepSeek上面，為整個生態(tài)添磚加瓦？或者就徹底轉(zhuǎn)向應(yīng)用？——像開復(fù)老師（零一萬物創(chuàng)始人）一樣徹底轉(zhuǎn)向應(yīng)用。

或者是，基于開源模型在某些垂直領(lǐng)域看看能不能深耕？比如百川，一直想做醫(yī)療，能不能在開源模型上面做醫(yī)療的垂直領(lǐng)域，把它做得更好一點？

這只是瞎聊，但確實每個人都面臨非常重要的決策。這個決定越早越好，越往后越被動。

12、多模態(tài)視覺模型沒有那么難。只要你有足夠好的數(shù)據(jù)，也不需要很多卡，也就一兩千張卡，就能訓(xùn)練出一個視覺模型，而且相當(dāng)好，比Sora今天還是領(lǐng)先的

13、比如醫(yī)學(xué)領(lǐng)域，今天大家可以看到國外的人用OpenAI Deep Research寫兩篇論文，這個論文質(zhì)量非常好，這就非常厲害。這也是一個很重要的milestone。未來幾年可能看到很多垂直領(lǐng)域，都會經(jīng)歷這樣一個過程，從AI只能做20-30%到50-60%到70-80%甚至90%以上！這樣一個過程！不一定能夠全部取代人，但至少能做到80-90%工作量，可以極大解放人類的能力！

14、很多垂直領(lǐng)域里面，都會有出現(xiàn)這樣AI的服務(wù)公司——我用AI enable service（用AI驅(qū)動服務(wù)），就可以認為是AI Agen

15、這一波AI影響力真的會非常大，以后人類社會組織形態(tài)包括工作形態(tài)，都會有很大一個變化。這確實今天還很難看得很透徹——但我覺得，3天工作制，可能真的會很快實現(xiàn)。確實變化太快了。只能走一步再看一步。

16、以后絕大多數(shù)工作可能都是AI完成了——今天即使打數(shù)據(jù)標簽，都需要博士級別的人——那真的，絕大多數(shù)人以后做什么事情？確實是一個需要持續(xù)觀察的事情。不過，人類可以真的獲得極大的解放，這是目前已經(jīng)能夠看得到的。

對于創(chuàng)業(yè)與投資的看法

17、今天我最多只敢講10億美金，最多百億美金，創(chuàng)業(yè)公司可能有機會。千億美金的機會，創(chuàng)業(yè)公司我今天還是不敢想的——沒有看到像O2O那樣至少有一半是大廠不愿意干的臟活、累活。這樣的機會，今天還看不到。

18、我選擇兩個賽道：一個是消費，消費就是保持現(xiàn)實主義的；另外，我們在AI上也在不斷嘗試，這就是希望能夠再往前進取一點的。今天的選擇不會all in去搏一個什么事情。我們作為投資人來說還是要有兩條腿走路的一個想法。

19、現(xiàn)在底層模型已經(jīng)足夠強大了，就真正抓住用戶需求，而且全球化都有機會！現(xiàn)在全世界真的就只有中美有AI能力，出海都是Low-Hanging Fruits（低垂的果實）。國內(nèi)團隊出海真的太容易了。所以我覺得緊抓用戶需求！放眼全球！放眼全球！——都有機會。

20、現(xiàn)在中國和美國都在講“AI as a Service”，即用 AI 來交付最終服務(wù)。或者“Service as a Software”，賣服務(wù)而不是賣軟件。其實在美國市場，這也是“被迫的”：因為這一波 AI 中，絕大部分場景還做不到 100% 的 AI，需要一部分人工服務(wù)，才能達到商業(yè)化交付的質(zhì)量；國內(nèi)這種情況更為明顯：中國市場，本來就是只賣軟件產(chǎn)品很難賣出價格，而賣最終的交付服務(wù)反而能夠賣出價格來，而且這樣用戶也比較容易看出價值。比如，客戶本來從其他地方采購服務(wù)可能需要 100 元，現(xiàn)在只要 70 元。從軟件企業(yè)看，今天可能是 50% 使用 AI 做，再過一年可能是 80% 使用 AI 做，雖然比傳統(tǒng)服務(wù)便宜 30%，但仍然還是有軟件毛利的，這也是今天中國軟件的唯一出路。

19、我們的投資偏好和硅谷的投資偏好可能不太一樣。硅谷還是偏好高大上的項目、有宏偉目標的項目，我們更偏重于能夠真正實現(xiàn)商業(yè)化落地的項目，尤其是在銷售端、營銷端。因為中國創(chuàng)業(yè)者對銷售、對營銷的經(jīng)驗要比美國創(chuàng)業(yè)者豐富得多，有很多在社交媒體領(lǐng)域的銷售營銷技巧，怎么用AI賦能這樣的銷售營銷軟件，或者直接交付這樣的服務(wù)，我覺得對中國創(chuàng)業(yè)者都是有很多機會的。另外就是智能硬件的創(chuàng)業(yè)者也特別多，我看到很多智能消費硬件的創(chuàng)業(yè)者都是有中國背景的。

21、這和前幾次技術(shù)革命是一樣的，肯定是企業(yè)端先采用新技術(shù)，因為只要能降本增效，企業(yè)都會迅速買單。所以在B端，我覺得AI應(yīng)用落地肯定是更早的。

在C端，總體感覺是消費硬件可能比消費APP更早起來。meta推出的智能太陽鏡已經(jīng)賣出60萬副，可能跟meta部分補貼有關(guān)系，但這個產(chǎn)品的定義確實非常好，我這兩天一直在用，跑步時聽音樂或打電話都比戴耳機要舒服，還可以連接meta大模型，有任何問題都可以直接語音提問。最近我們也在看一個非常有意思的電子寵物項目，是中國創(chuàng)業(yè)者做的，接了GPT4o，已經(jīng)賣出幾萬臺了。我買了一臺寄到家里，很想看這個AI賦能的電子寵物怎么和我的真寵物狗互動。

但真正的C端落地，我感覺還是要等AI PC或AI手機推出后，比如下半年新iPhone會不會加M4芯片，能不能跑一個單側(cè)的小模型。

22、核心是不再需要人類干預(yù)，本來是RLHF（人類反饋強化學(xué)習(xí)），現(xiàn)在直接做RL（強化學(xué)習(xí)）了，所以成本可以做得很低。它這種創(chuàng)新細節(jié)很多，很多方面加在一起，造成了今天成本這么低。

但最重要的就是不需要人工干預(yù)。人工干預(yù)就很難scale，很難迅速擴大。如果要靠機器，你只要給它一些初始的高質(zhì)量數(shù)據(jù)，引導(dǎo)它在一個領(lǐng)域怎么思考，它就能自己往前走，這個scale起來相對容易很多。雖然你初始數(shù)據(jù)也很重要，也非常難，但至少比以前要容易很多——這一步是最重要的一步。

23、OpenAI發(fā)布的Deep Research，它想做成個人助手，幫你制定休假計劃、旅行計劃。但那個，說實話用戶體驗要做好很難。Deep Research我還沒體驗，我可以再試試看。那個需求很難做，而且真的需求要一個AI幫你做？我是不太相信的。我寧愿看別人的介紹或種草。

但對信息獲取來說，以前為什么我覺得AGI很難，或者沒有打動用戶需求？是我需要非常精確的prompt，然后它回復(fù)你一段話，而且不是很長的一段話。這個用戶體驗上很難。

但今天我只要輸入很簡單的一個問題，它就給你回復(fù)一長串，甚至你可以再繼續(xù)追問，它會根據(jù)你歷史問題去猜意圖，那用戶體驗就很好了——已經(jīng)足夠滿足我獲取信息的需求了。

24、這個生態(tài)我覺得已經(jīng)看清了：一旦一個開源生態(tài)這么快速度建立，壁壘還是非常高的！

（本文首發(fā)于，作者｜郭虹妘 ，編輯｜陶天宇）

參考：《朱嘯虎現(xiàn)實主義故事1周年連載：“DeepSeek快讓我相信AGI了”》《鄭靖偉、朱嘯虎、洪婧在中國SaaS大會精彩對話：中國 SaaS 規(guī)模化盈利只是時間問題》