欄目 | AI 進化論十日談

出品丨AI 科技大本營（ID：rgznai100）

新年平地一聲雷，DeepSeek 炸醒了沉寂已久的 AI 圈。這個“低成本”、“高性能”、“真開源”的國產大模型，不僅硬剛 OpenAI，更引發了一場關于 AI 未來走向的深度思辨。

Scaling Law 是否過時？開源生態如何構建？大模型護城河究竟在哪？哪些行業將被顛覆？程序員是否面臨失業危機？面對 AGI 浪潮的滾滾而來，我們不禁要追問：AI 的進化之路，將通向何方？這些 “靈魂拷問”，直擊當前 2025 AI 圈最核心的焦慮！

為了解答這些問題，CSDN 特別企劃「DeepSeek 暨 AI 進化論十日談」系列直播。本期為十日談系列直播之第四講，CSDN 高級副總裁、Boolan 首席技術專家李建忠對話北京大數醫達創始人 & CEO、復星集團首席 AI 科學家鄧侃，兩位 AI “老炮兒”火力全開“硬核”對話，圍繞十大犀利議題，分享最前沿的認知干貨。

DeepSeek 之后，還要不要相信 Scaling Law，要不要囤卡“大力出奇跡”？

李建忠：DeepSeek 的出現，確實給 Scaling Law 理論帶來了一些新的思考。我認為，雖然預訓練模型的 Scaling Law 可能會因為數據瓶頸和模型集中化而放緩腳步，但在推理計算領域，Scaling Law 依然擁有廣闊的天地。隨著推理需求的井噴，未來推理側的算力需求占比甚至可能遠超預訓練。

所以我的結論是，DeepSeek 之后，我們真的不需要再像過去那樣，為了預訓練而大量囤積英偉達 GPU 卡了。未來的算力需求將更加多元，除了英偉達，像AMD、Intel、谷歌 TPU 等多種算力方案都將在推理市場分一杯羹。

鄧侃：完全同意，OpenAI 那種“大力出奇跡”堆算力 Pre-training 模式，確實要被 DeepSeek 這樣的創新模式所打破了。

我更想補充的是，Training（訓練供給側）的問題要細分來看：首先，星際之門 Stargate 那樣的超大算力項目，可能不再是 AI 發展的唯一答案。其次，未來的智力涌現可能更多地發生在 MoE（Mixture of Experts）模型的 Experts 局部，而不是僅僅依賴模型規模的無限擴張。

最后，MoE 架構實際上為小企業參與大模型 Training 打開了一扇窗。未來，小企業完全可以作為 Expert 模塊，融入到大廠的大規模模型訓練中，就像 Midjourney 與 Niji 的合作那樣，小廠也能在大模型時代找到自己的位置。

強化學習驅動的推理計算范式轉移之后，數據還是否重要？

鄧侃：對于這個問題，我的答案斬釘截鐵——數據永遠重要，但我們需要重新定義“數據”的概念。在我看來，對于任何一家嚴肅的大模型研發機構，全互聯網數據仍然是基石，DeepSeek 這樣的公司已經幫我們完成了全網數據的初步清洗和整理。中小企業可以站在巨人的肩膀上，通過蒸餾 DeepSeek 等大模型，快速獲取高質量的精選數據。更重要的是，AI 生成的數據正變得越來越有價值，這些數據是互聯網原生數據的一種提純和升華。展望未來，IoT (物聯網) 數據將是下一座金礦，例如特斯拉的駕駛數據、城市監控數據、各類傳感器數據等等，都蘊藏著巨大的潛力。

李建忠：數據不僅重要，而且會越來越重要。我想補充的是，未來的數據競爭，將聚焦于兩個關鍵點：

• 一是環境中的過程數據，而非僅僅是靜態的歷史數據。例如，在軟件工程大模型的訓練中，程序員寫代碼的過程數據，Issue 數據，比最終的代碼結果更具價值。

• 二是數據質量。互聯網數據固然海量，但真正能喂飽 AI 的，是各個領域的高質量、專業化數據。正如 DeepSeek 在數據質量上投入了巨大精力，甚至傳言說創始人梁文峰會親自下場標注數據，足以說明數據質量的重要性。

DeepSeek 的趕超到底是雕蟲小技？還是國運級創新？

李建忠：DeepSeek 的橫空出世，絕不是什么 “雕蟲小技”，而是一場生態級的創新，甚至是國運級的創新。在我看來，DeepSeek 的意義至少體現在三個層面：

• 首先，它和 OpenAI 的 o1 模型一起，引領了AI 范式的轉移，從預訓練走向了推理計算，而且 DeepSeek 的開源，加速了強化學習技術的普及。

• 其次，DeepSeek 的開源本身就是一種生態戰略，它將倒逼整個大模型生態的建設，包括算力生態、應用生態、Agent 生態等等。

• 最后，也是最重要的一點，在全球技術競爭的大背景下，DeepSeek 的突破，無疑具有國運級的戰略意義，它極大地提振了中國 AI 行業的士氣，甚至驚艷了世界。正如饒議教授所說，DeepSeek 的意義堪比“自鴉片戰爭以來，中國給西方技術界帶來的最大震撼”。

鄧侃：如果用“國運級創新”來形容 DeepSeek 的突破，我認為毫不為過，甚至恰如其分！我從四個方面來解讀 DeepSeek 的“國運”意義：

• 第一，DeepSeek 的成功，是對美國技術霸權的有力回擊，堪稱“反圍剿”的勝利；

• 第二，DeepSeek 的開源和低價策略，團結了全球開發者，甚至包括歐盟、日韓等，這簡直是一場“反霸權”的統一戰線；

• 第三，美國的制裁，或許會倒逼中國加速 GPU 國產化，最終實現“集中力量辦大事”的壯舉；

• 第四，外部壓力反而可能催化中國AI產業鏈的快速成熟，構建起自主可控的 AI 生態閉環。 我對中國 AI 的未來充滿信心，DeepSeek 的出現，無疑是一個劃時代的里程碑。

大模型如何構建開源生態？DeepSeek 會成為 Linux 還是 Android or other？

鄧侃：如果讓我來選，我認為 DeepSeek 更像 Android，而不是 Linux。

在我看來，Android 真正的成功之處，在于其卓越的架構設計：BP（基礎協議）+ AP（應用處理器）的分層架構，讓 Android 擁有了強大的跨平臺能力和靈活的可擴展性。反觀 DeepSeek 的 MoE + MLA 架構，與 Android 的設計理念有著異曲同工之妙：MoE 架構賦予了系統伸縮自如的能力，MLA 機制則大幅提升了效率。我甚至大膽預測，DeepSeek 有潛力成為 AI 時代的“鴻蒙”，它完全可以借鑒 Android 的成功經驗，構建一個跨設備、跨平臺的 AI 開放生態。

李建忠：我忍不住追問一句：DeepSeek 有沒有可能更進一步，在算力層也實現反向的“軟件定義硬件”，從而一統算力江湖？

鄧侃：這個問題很有想象力。DeepSeek 的技術路線，的確有可能倒逼國產 GPU 迎來春天，甚至催生出中國自己的 GPU 標準。DeepSeek 團隊對算力效率的極致追求，迫使他們深入 GPU 底層進行優化，這無疑為國產 GPU 提供了絕佳的學習和追趕機會。

如果 DeepSeek 是 Android，誰是中國 iOS？閉源模型是否還有機會？

李建忠：坦白說，我對絕大部分閉源模型的前景并不樂觀，但如果一定要說有機會，那也只有極少數與超級應用深度融合的閉源模型了。

在我看來，閉源模型想要突圍，必須走“應用 + 模型”的路線，牢牢綁定自身的核心應用場景，打造應用平臺的護城河，并借助數據飛輪效應，不斷優化用戶體驗和特定領域的知識積累。放眼中國互聯網，字節跳動或許是最有希望成為“中國 iOS”的公司，畢竟，超級應用（抖音）和強大的分發能力，是閉源模式得以生存的關鍵。

鄧侃：對于建忠的觀點，我持有保留意見。我認為字節跳動如果選擇閉源，恐怕不是一個明智之舉。在我看來，用戶粘性并沒有想象中那么可靠，內容平臺的用戶很容易“用腳投票”，用戶粘性并非真正的護城河。一旦競爭對手的內容質量實現反超，用戶倒戈只是分分鐘的事情。更何況，字節跳動本質上是一家互聯網公司，缺乏像 iOS 那樣的硬件生態作為支撐。而且，內容質量的提升，并非與封閉性劃等號，一個開放、充滿活力的生態，往往更能孕育出優質的內容。

大模型到底有沒有護城河？如果你是梁文鋒，如何建立 DeepSeek 的護城河？

鄧侃：要探討大模型的護城河，我們不妨先回顧一下互聯網時代的“護城河三要素”：技術壁壘、用戶粘性、內容壁壘。

• 技術壁壘：DeepSeek 選擇了“唯快不破”的策略，通過持續的技術迭代來保持領先，但這本身就存在風險，誰也無法保證永遠領先。

• 用戶粘性：DeepSeek 需要有意識地培養用戶粘性，通過個性化服務和優質體驗來增強用戶依賴。

• 內容壁壘：DeepSeek 需要不斷提升全網數據搜索和優選能力，為用戶提供獨一無二的優質內容。

綜合來看，我認為 DeepSeek 在三個護城河要素中，至少能占據兩個半。用戶粘性和內容壁壘是 DeepSeek 的優勢，技術壁壘雖然有風險，但可以通過持續創新來彌補。

李建忠：對于護城河這個概念，我可能和鄧侃的看法不太一樣。我認為大模型可能很難建立起像操作系統那樣固若金湯的護城河。在我看來，技術壁壘并非真正的護城河：技術迭代太快了，領先優勢轉瞬即逝。

IT 歷史無數次證明，技術領先者最終也可能黯然失色。用戶是善變的，忠誠度并沒有那么高。再高的初始用戶粘性，也抵擋不住顛覆性創新的沖擊。DeepSeek 的訓練內容本身，可能并不構成獨特的競爭優勢，其他玩家也能夠通過各種途徑獲取類似的數據。

我更傾向于用美團王興的“五個 D 理論”（Development, Distribution, Deal, Design, Device）來分析大模型的護城河構建潛力：

• Development（開發平臺）：DeepSeek 如果能成功打造 Agent 平臺，或許能構建起一定的護城河。

• Distribution（分發渠道）：DeepSeek 有機會控制 Agent 的分發，構建類似應用商店的模式。

• Deal（交易平臺）：DeepSeek 也有可能涉足 Agent 交易環節，構建支付平臺。

• Design（交互設計）：大模型可能很難掌握交互設計的主導權，操作系統在這方面似乎更有優勢。

• Device（設備）：大模型不掌控硬件設備，操作系統與硬件深度綁定，控制力更強。

所以我的觀點是，大模型在 Development、Distribution、Deal 這三個 D 方面，或許有機會構建一些護城河，但在 Design 和 Device 方面，則可能難以與操作系統級別的護城河相提并論。當然，這只是我目前的思考，也許更重要的是，像梁文峰這樣的創新者，他們的目標可能已經超越了傳統的護城河思維，他們追求的或許是更廣闊的 AI 未來。

DeepSeek 首先會顛覆誰？誰最危險？誰最安全？

鄧侃：要回答這個問題，我傾向于從兩個維度來分析：一是開源 vs. 閉源，二是產品形態的相似度。在我看來，閉源模型，首當其沖，最為危險。因為開源模型更容易抱團取暖，形成統一戰線，共同對抗閉源巨頭。而產品形態與大模型核心功能（問答搜索、多模態生成）越接近的行業，也越容易受到沖擊。比如，傳統的搜索引擎、圖像公司、影像識別公司等等，都站在了風口浪尖。

李建忠：我更傾向于構建一個“危險——安全”光譜，來量化不同行業受沖擊的程度。在我看來：

• 最危險的，莫過于信息服務行業（搜索引擎、問答類網站）。這些行業的產品形態與大模型的核心功能最為相似，極易被直接替代，可謂“首當其沖”。

• 其次危險的，是內容行業（內容平臺、社交媒體）。AI 內容生成將顛覆內容生產模式，創作門檻大幅降低，傳統內容平臺面臨巨大沖擊。

• 再次危險的，是電商行業。Agent 可能繞過傳統電商平臺，直連商家，重構電商分發體系和流量入口。

• 相對安全的，是服務行業（O2O 服務，如攜程、美團）。服務落地需要線下執行，AI 短期內難以完全替代，O2O 平臺在整合線下服務資源方面仍有優勢。

• 而最安全的，當屬社交行業。社交需求是人類的剛需，情感連接是 AI 難以替代的，騰訊 (微信) 在社交領域的護城河，依然堅不可摧。

AGI 時代，互聯網的哪些邏輯會變？哪些邏輯不會變？

在前文關于護城河和行業顛覆兩大問題的討論中，已經提前“劇透”了 AGI 時代互聯網邏輯的變與不變。

變化的邏輯：

• 護城河重塑。傳統流量、數據、技術壁壘不再是王道，用戶交互入口、Agent 生態、場景深度融合，將成為新的護城河。

• 內容生產顛覆。AIGC 將掀起內容創作革命，“人人皆可創作”的時代加速到來，內容平臺亟需轉型。

• 電商模式重構。Agent 可能顛覆傳統電商，“去中心化”的 Agent 電商或將興起，電商平臺需積極擁抱 Agent 生態。

• 交互入口之爭。人機對話成為新入口，操作系統和超級 App 將上演 “入口爭奪戰”。

不變的邏輯：

• 用戶需求至上。滿足用戶需求依然是互聯網的鐵律，AI 時代亦不例外。

• 優質內容為王。內容為王的本質不會改變，AIGC 時代，優質、獨特的內容將更顯稀缺和珍貴。

• 社交剛需永恒。社交是人類的底層需求，情感連接是 AI 無法替代的，社交平臺依然擁有不可撼動的地位 。

DeepSeek 利好哪些職業，哪些職業會更危險？

鄧侃：我的觀點很直接——任何行業，任何職業，在 AI 時代都既有機遇，也有挑戰，關鍵在于你是否主動擁抱 AI。我的建議是，擁抱 AI 者，乘風破浪；拒絕 AI 者，逆水行舟。

以程序員為例，善用 AI 輔助編程工具，就能效率倍增，將精力投入到更具創造性的工作中。未來，全棧工程師將成為稀缺人才，因為 AI 能夠拓展個人能力邊界，一人可抵多人。當然，一些重復性、低技能的工作，比如 DBA（數據庫管理員），可能會被 AI 自動化工具取代。

李建忠：我認同鄧侃的看法，AI 既是挑戰，更是機遇。對于程序員而言，與其擔心被 AI 取代，不如擁抱 AI，成為 AI 的駕馭者。

我認為，程序員不會大規模失業，但職業發展路徑會發生轉變。就像汽車出現后，馬車夫消失了，但司機卻成為了更龐大的職業群體。AI 時代，程序員將從單純的“代碼工人”，進化為“軟件構建師”，他們將更多地利用 AI 工具來提升效率，專注于更高級的架構設計、業務理解和創新應用。未來，“人人都是開發者”或許不再是夢想，掌握 AI 工具，人人都有機會參與軟件創造。

推理計算范式下，代碼能力越來越強，程序員是否會大規模失業？

這個問題與第九問異曲同工，兩位嘉賓的觀點也高度一致：AI 代碼能力的突飛猛進，不會導致程序員大規模失業。

AI 輔助編程工具，能夠極大地提升程序員的生產力，讓程序員有更多精力專注于高階任務。未來程序員的核心競爭力，將不再是單純的“手擼代碼”，而是對業務的理解、對架構的設計、以及對 AI 工具的駕馭能力。

總結與展望

本期對話，李建忠與鄧侃兩位專家，以其前瞻性的視野和犀利的觀點，為我們奉上了一場精彩絕倫的 AI 思想盛宴。他們深入探討了 DeepSeek 現象背后的技術邏輯和產業影響，更對 AGI 時代 AI 的未來發展趨勢，進行了大膽而富有洞見的預測。

「DeepSeek 暨 AI 進化論十日談」系列直播，將繼續秉持開放、思辨、前沿的理念，邀請更多 AI 領域專家，帶來更多深度、尖銳、前瞻的思想碰撞，敬請期待后續更精彩的直播！

目前，系列直播已經連載至第六講：

十日談第 1 講（2 月 6 日） |綜述開場：DeepSeek 技術創新及對 AI 生態的影響

• 李建忠 CSDN 高級副總裁

十日談第 2 講（2 月 7 日） |強化學習是否會帶來大模型的范式轉換？

• 李建忠 CSDN 高級副總裁

• 張奇 復旦大學教授、MOSS 大模型核心人員

• 劉勇 中國人民大學高瓴人工智能學院副教授、博士生導師

十日談第 3 講（2 月 8 日） |直擊 Deepseek 技術真相，對我們究竟意味著什么？

• 唐小引 CSDN&《新程序員》執行總編、《萬有引力》欄目主持人

• 吳雙 硅谷資深 AI 技術專家

• 劉偉 北京郵電大學人機交互與認知工程實驗室主任

• 王文廣 《知識增強大模型》作者、前達觀數據副總裁

十日談第 4 講（2 月 8 日） |DeepSeek 十問（就是你現在看的這篇文章！）

• 李建忠 CSDN 高級副總裁

• 鄧侃 大數醫達創始人兼 CEO

十日談第 5 講（2 月 9 日） |聊聊關于 DeepSeek 的十大錯誤認識

• 李建忠 CSDN 高級副總裁

十日談第 6 講（2 月 10 日） |DeepSeek 及大模型創業十問

• 李建忠 CSDN 高級副總裁

• 陶闖 微軟地圖之父、維智科技集團創始人兼董事長

十日談第 7 講（2 月 11 日） | DeepSeek 與軟件開發智能化

• 李建忠 CSDN 高級副總裁

十日談第 8 講（2 月 12 日） |DeepSeek 對 AI 技術及開發者的刷新十問

• 唐小引 CSDN&《新程序員》執行總編、《萬有引力》欄目主持人

• 崔淦渠 上海人工智能實驗室青年科學家

• 李佳芮 句子互動創始人、CEO

• 呂仲琪 中國石油大學（北京）副教授，人工智能學院計算機系系主任

十日談第 9 講（2 月 13 日） |DeepSeek 有意識嗎？

• 蔣濤 CSDN 創始人&董事長

• 李劍鋒 復旦大學教授、高分子科學智能研究中心副主任

• 白丁 科幻作家、《云球》作者

十日談第 10 講（2 月 14 日） |DeepSeek 情人節特輯

• 李建忠 CSDN 高級副總裁

「DeepSeek 暨 AI 進化論十日談」系列直播欄目，還將繼續為您奉上更多精彩內容，第七講直播再次由建忠老師“Solo”，深入探討 DeepSeek 如何推動軟件開發的智能化轉型，分析其在提升開發效率、優化流程及增強協作方面的創新應用。建忠老師將分享前沿見解，揭示 AI 如何重塑軟件開發的未來。歡迎預約今晚直播：