就在剛剛，DeepSeek宣佈，從下週開始，他們將開源 5 個程式碼庫，以完全透明的方式與全球開發者社群分享他們的研究進展，並將這一計劃定義為“開源周”。
DeepSeek正以開放的姿態參與重構全球AI生態格局。置身於AI時代的我們，不得不思考，如何讓DeepSeek參與到我們的事業之中。
“早在這次DeepSeek破圈之前，AI整體的能力就已超過99%的人類。”
“我越研究AI越感覺痛苦，就像舉著錘子找釘子，每天都在思索要做點什麼。
在長時間的迷茫之後，我才驚覺，最大的機會往往都在自己的認知、自己的專業領域裡。”
“如果你開發的功能只能幫企業替換掉10個員工，最好不要做”。
前天，Monica.im產品合夥人張濤老師坐客混沌，以技術演進為脈絡，揭示了DeepSeek如何透過「格式激勵和結果激勵」實現思維鏈自主進化，並在博士級難題上做到了跨越式突破，其底層邏輯恰似“AI覺醒思考本能”。
張濤老師曾任神策資料副總裁、飛書海外產品負責人、光年之外產品負責人，是一個熱愛技術的產品人。春節之後第一週，他以萬字深度拆解DeepSeek R1是怎樣煉成的，在創投圈引起廣泛討論。
在這場技術革命中，創業者如何抓住時代紅利？張濤的演講不僅是對DeepSeek的深度解碼，更是創業者的行動指南。他提醒我們，在這場AI浪潮中，唯有抓住行業痛點，將AI轉化為解決問題的工具，才是定義未來的關鍵所在。
我們摘取了本次課程中的部分精彩觀點，希望深度學習的使用者，請前往混沌APP檢視課程。
DeepSeek驚豔全球在於“非共識”的模型訓練方法
OpenAI釋出了o系列的模型，它在博士級別的難題上的表現遠超之前幾款，基本上可以達到83分。從以前的13分到現在的83分，這是一個十分誇張的進步，推動它進步的原因正是我剛剛提到的思維鏈。
既然思維鏈這麼厲害，那麼全世界的AI公司應該都會竭盡全力實現。但是該如何實現？OpenAI從2023年年終開始，基本不再對外發布任何的技術報告，在他們釋出的最後一篇報告裡，有一個很關鍵的內容，叫過程激勵模型（process reward model）。
在提出過程激勵模型的同時，OpenAI還放出了過程激勵的資料集。自這次報告之後，全球很多廠商都在研究如何透過過程激勵復現o1，但做起來才發現極其困難。但是與此同時，有兩家廠商卻找到了不一樣的路徑，它們都是我們中國的廠商，一個是Kimi，一個是DeepSeek。
其實這條路徑並不複雜，它基於兩個最簡單的規則：準確度激勵和格式激勵。通俗來說，準確度激勵意味著它做對了就獎勵，做錯了就不獎勵；格式激勵意味著它在得出最終答案前，還需要進行思考。它們都指向了一個最基本的激勵原則——要求做對，並且有好的思考。在給定這兩個激勵的預設下，訓練模型的過程中就發生了一個非常神奇的現象：隨著學習過程的強化，模型產生的思維過程越來越長。這說明由於這兩種激勵的約束，模型自動意識到了要把題做對的前提是思考的過程要更嚴謹。
DeepSeek的出現帶給全世界非常大的震撼，因為之前大模型基本上被OpenAI一家統治，而它很大程度上鬆動了OpenAI一家獨大的局面。並且DeepSeek採取了一個開源的姿態，面向全世界，這一舉措基本上改變了整個AI行業的底層生態，撬動了整個行業的板塊。
AI 創業最好不要先從“降本”切入
我相信從ChatGPT到DeepSeek，AI已經一次又一次地讓我們為它震顫。比如它的影像理解能力，能夠做到立即做出準確的判斷。再比如影像生成能力，也能做到生成惟妙惟肖的人像模型，讓我們分不清虛實。甚至現在很多人已經用AI的影片生成能力創作影片內容，講述一個完整的、有趣的故事。
可以說，三年前的我們都難以想象當前的世界會發生這樣的鉅變。那麼，它帶給我們哪些新的可能性？
最直觀的影響是降本。比如以前某個崗位需要十個員工接電話，現在只需要一個AI就能搞定。但這裡有一個關鍵要點，降本從來不是企業思考的核心，沒有企業是透過降本實現業務增長的。因為當企業在賺錢的時候，其實不會關心降本，而一旦它開始關注降本，大機率就意味著進入了下行週期。
因此每當有創業者來問我AI創業應該做些什麼，我給他們的建議都是“如果你開發的功能只能幫企業替換掉10個員工，最好不要做”。因為中國的勞動力成本本來就不高，替換掉10個員工對企業來說算不上剛需。我們真正需要尋找的是以前10個員工在做的崗位，如果並不是因為公司只想讓10個員工做，那麼這背後受限於什麼要素？比如招不到人，比如管理難度大。如果這個崗位有500人在做就能夠帶來業務線性增長，就很適合成為AI創業的領域。
所以除了降本增效之外，我認為對於創業者來說，AI最重要的價值是他創造了一種全新的商業模式的可能性，讓以前一些因為單位不經濟因此無法實現的創業設想變得可行。這正是這個新時代裡賦予我們的機會，而不是用AI換掉幾個員工、省掉一點開支，這都是小錢，找到新的商業機會才能賺到真正的大錢。
聽到這裡，可能會有人想，AI領域這麼大有可為，不做AI的話是不是無路可走？其實完全不是這樣的。我做AI相關行業已經兩年了，這一期間我越研究AI越感覺痛苦，就像舉著錘子找釘子，每天都在思索要做點什麼。在長時間的迷茫之後，我才驚覺，最大的機會往往都在自己的認知、自己的專業領域裡。
給大家舉個例子。前年在我研究影像技術時，我發現有種技術可以做到1秒鐘生成幾十張圖，對於我來說這個技術並沒有太多用處。所以即使我有這樣的技術，但我卻並不知道怎麼用。後來回重慶的時候我把這項技術演示給當地一個做建築師的朋友，他十分震驚，立即投入使用。以前他們做一張渲染圖是以小時為單位計算時間成本，現在只需要幾秒種，並且是即時的。據他反饋，雖然最後的渲染圖無法用於施工，但現在與甲方溝通的時候可以從各個角度給出方案，如果有需要修改的部分，可以立即修改。可以說，透過使用AI，極大地提升了他們工作和溝通的效率。
因此我在這裡建議大家多結合自身的行業去思考，因為每一次解決問題的過程，可能會開拓出AI創業的新思路。
全球AI滲透率遠低於人們的想象
由於我們處在行業裡，因此會誤以為AI已經遍佈全世界，但其實去年這個時候，OpenAI的全球使用者總數還不到世界人口的3%。這一現象意味著全世界絕大多數人都沒有使用過AI，因此每年都有相當多的人第一次嘗試AI，而當他們在初期使用時，可能會困惑要從何入手，是語音生成？文字聊天？還是影片製作？
我們認為，大模型的能力是一臺發動機，但對於使用者來說最重要的是車，因此我們將自身定位為造車的車場。
未來是什麼樣子的？我認為純聊天機器人是AI發展過程中的一個過渡階段。因為對於全世界大多數人來說，提問的能力有限，也缺乏提問的動機。這使得AI的核心表現對多數人來說沒有價值，如果要走向更廣大的市場，AI的發展必須貼合用戶需求的最大公約數。
想了解張濤老師團隊選擇的AI創業方向？開啟混沌app ,學習本週好課，解鎖答案。
最後我想告訴大家，下一個時代已經開啟。上車的方式有很多種，但不管是哪種，現在最核心的事情都是去學習它、體驗它。我們的體驗是最重要的經驗，因為AI不再只存在於小時候看的科幻電影裡，它已經滲透進我們的生活。所以，要去充分體驗它，不要成為20年以後不懂得如何開電燈的那個人。
