人工智能浪潮之下，大模型如雨后春筍般涌現(xiàn)，中文大模型領域也曾在春節(jié)前后一度熱鬧非凡，甚至曾把英偉達的市值從第一的位置拉下馬，雖然英偉達在近日又創(chuàng)歷史新高。

　　作為國產(chǎn)AI的“潛力股”，DeepSeek 曾因其技術背景和宣傳攻勢，被寄予厚望。但現(xiàn)實是，越來越多用戶在使用后表達出強烈失望：生成內(nèi)容空洞重復、邏輯混亂、審查敏感過度，“答非所問”，甚至自編自導幾乎成了常態(tài)。曾經(jīng)有個知識博主分享了一個內(nèi)容，DeepSeek在回答問題時所引用的三篇論文居然全部是杜撰的，基礎是假的，當然答案也肯定是不可信的。

　　而隨著這種狀況的加劇，曾轟動一時的DeepSeek也徹底走下了神壇，從一枝獨秀到無人問津，用了半年的時間。

　　它為什么“蠢”？是技術不行？還是有更深的結(jié)構(gòu)性問題？

　　答案可能要從“語料”和“思維”兩個層面說起。

　　一、中文AI的先天缺陷：語料貧瘠

　　眾所周知，大語言模型的能力高度依賴訓練數(shù)據(jù)的質(zhì)量與廣度。GPT-4、Claude、Gemini 等英文模型之所以能“聰明”，是因為它們背靠海量、高質(zhì)量、多樣化的語料池。以OpenAI為例，訓練數(shù)據(jù)涵蓋了 Common Crawl（全球網(wǎng)絡抓取）、維基百科、PubMed、arXiv、Reddit、新聞評論、技術文檔、小說劇本等幾乎所有人類語言的場景。

　　而中文模型能抓取和使用的東西呢？

　　根據(jù)公開研究數(shù)據(jù)，在全球前100萬個網(wǎng)站中，中文網(wǎng)站僅占1.3%，而英文網(wǎng)站高達59.3%。中文用戶如果只掌握中文，所能接觸的信息本就只是信息世界的冰山一角。而這“冰山一角”還充滿內(nèi)容閹割、平臺審查、表達受限等問題。

　　不僅量少，而且質(zhì)量差。

　　這幾年，中文互聯(lián)網(wǎng)的原創(chuàng)內(nèi)容正加速流失。知乎、豆瓣、小紅書、微博等平臺，算法驅(qū)動下變得越來越“重復性高、情緒化強、知識性弱”。優(yōu)質(zhì)內(nèi)容不是404了，就是“由于相關法律法規(guī)，不予顯示”，我們經(jīng)常見到的優(yōu)質(zhì)文章消失就是這個道理。更雪上加霜的是，自媒體生態(tài)在搜索引擎上堆砌SEO、批量AI生成內(nèi)容，使得網(wǎng)絡語料進一步失真。

　　簡而言之，中文大模型要變“聰明”，它首先必須“見過世界”。但今天的中文語料，更多是“圍墻里的縮影”，而不是“世界的地圖”。

　　而我們之所以剛見到DeepSeek還覺得行，是因為其是當初面世時的內(nèi)容是從2023年10月份之前GPT的訓練基礎上汲取的，所以內(nèi)容還比較真實，但隨著這個窗口的關閉，其現(xiàn)在的內(nèi)容很多事從百度這樣的平臺上吸取的（百度的文件質(zhì)量有目共睹），所以其最終的質(zhì)量就以自由落體的速度下降了。

　　二、語言審查帶來的二次污染

　　DeepSeek 模型的訓練也繞不開一個關鍵現(xiàn)實：我們的AI必須面對高強度的內(nèi)容審查機制。這種機制不只是應用層的“輸出審查”，更是訓練層的“語料篩選”。

　　根據(jù)網(wǎng)傳不完全統(tǒng)計，我國的AI模型訓練和部署過程中，過濾詞條可能超過6.6萬組。你能想到的熱點社會話題、政治人物、歷史事件、制度性爭議，幾乎都在模型眼中“不可觸碰”，所以經(jīng)常你問一個問題，DeepSeek說到一半就終止了，甚至一開始就可以規(guī)避掉，而這都是因為審查機制導致的。

　　這意味著什么？

　　意味著它不是“不會回答”，而是“必須回避”。

　　在訓練過程中，模型缺少對現(xiàn)實世界中“沖突性”“對抗性”“灰色地帶”的表達與理解能力。于是我們看到，中文AI往往顯得“太干凈”“太小心”，一問深一點的問題，它就會用“我是AI助手，無法回答”來結(jié)束對話。

　　它不是蠢，而是被訓練成“不敢聰明”。

　　三、模型思維的扁平化：會說話 ≠ 會思考

　　即使不考慮語料與審查，我們AI的另一個痛點在于：它會“模仿”，但不太會“思考”。

　　GPT 模型的本質(zhì)，是通過大量文本的預訓練，學習語言的統(tǒng)計規(guī)律，也就是“接下來最可能出現(xiàn)的詞是什么”。它的“聰明”不是因為它理解了世界，而是因為它見過足夠多的世界，并統(tǒng)計出其中的規(guī)律。

　　而DeepSeek等中文模型，一方面語料有限，另一方面RLHF（基于人類反饋的強化學習）環(huán)節(jié)難以完成真實、多元、多層級的微調(diào)，最終導致模型雖然能“說人話”，但無法進行深度的思維模擬。

　　舉個簡單的例子：

　　你問它：“如何看待‘計劃經(jīng)濟’和‘市場經(jīng)濟’的對比？”
它可能會答：“兩者各有優(yōu)劣，應結(jié)合國情靈活選擇。”

　　再比如，你問他“如何看待朝鮮這個國家的治理體系”

　　他給你的回答永遠模棱兩可的，沒有答案的問題，聽起來好像沒毛病，但其實什么都沒說，而且有時候，更像是人民日報的話語。

　　而同樣的問題，GPT-4 可能會從歷史沿革、理論基礎、現(xiàn)實表現(xiàn)、國家案例等多維度展開，邏輯清晰、觀點明確，即使你不認同它的答案，也會承認：它確實“想過”。

　　中文模型的“平庸輸出”背后，是訓練過程中對“思維路徑”的扁平化塑造。而這種扁平，歸根結(jié)底，還是數(shù)據(jù)、機制和環(huán)境決定的，不是不會思考，而是不能思考。

　　四、聰明的AI，需要更聰明的語境

　　DeepSeek 的局限，并不是DeepSeek一家的問題，它是整個中文AI行業(yè)共同面對的困局。
? 缺乏優(yōu)質(zhì)開放語料
? 內(nèi)容生態(tài)持續(xù)退化
? 審查制度擠壓表達空間
? RLHF流程成本高、難以真實反饋

　　這一切，最終讓中文大模型“聰明地糊涂起來”。

　　當一個AI所能學習的世界，被人為劃定了邊界、屏蔽了爭議、消除了復雜性，它怎么可能成長為“有思維”的工具？它最多只能成為一個不會出錯的復讀機——但復讀機不等于智能。

　　不是DeepSeek不行，是我們太“安全”了

　　要讓中文AI變得真正強大，不是靠多加幾層注意力機制、擴一倍參數(shù)規(guī)模就行的，而是要面對更本質(zhì)的問題：我們是否愿意為一個真正“會思考”的AI，提供一個足夠真實、足夠復雜、足夠自由的訓練土壤？而這恐怕不是幾個AI模型和企業(yè)就能解決的。

　　否則，DeepSeek不會是第一個“聰明不起來”的模型，也不會是最后一個。