十道灵魂之问，十日谈解读 DeepSeek 的“国运级创新”！

栏目 | AI 进化论十日谈

出品丨AI 科技大本营（ID：rgznai100）

新年平地一声雷，DeepSeek 炸醒了沉寂已久的 AI 圈。这个“低成本”、“高性能”、“真开源”的国产大模型，不仅硬刚 OpenAI，更引发了一场关于 AI 未来走向的深度思辨。

Scaling Law 是否过时？开源生态如何构建？大模型护城河究竟在哪？哪些行业将被颠覆？程序员是否面临失业危机？面对 AGI 浪潮的滚滚而来，我们不禁要追问：AI 的进化之路，将通向何方？这些 “灵魂拷问”，直击当前 2025 AI 圈最核心的焦虑！

为了解答这些问题，CSDN 特别企划「DeepSeek 暨 AI 进化论十日谈」系列直播。本期为十日谈系列直播之第四讲，CSDN 高级副总裁、Boolan 首席技术专家李建忠对话北京大数医达创始人 & CEO、复星集团首席 AI 科学家邓侃，两位 AI “老炮儿”火力全开“硬核”对话，围绕十大犀利议题，分享最前沿的认知干货。

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

李建忠：DeepSeek 的出现，确实给 Scaling Law 理论带来了一些新的思考。我认为，虽然预训练模型的 Scaling Law 可能会因为数据瓶颈和模型集中化而放缓脚步，但在推理计算领域，Scaling Law 依然拥有广阔的天地。随着推理需求的井喷，未来推理侧的算力需求占比甚至可能远超预训练。

所以我的结论是，DeepSeek 之后，我们真的不需要再像过去那样，为了预训练而大量囤积英伟达 GPU 卡了。未来的算力需求将更加多元，除了英伟达，像AMD、Intel、谷歌 TPU 等多种算力方案都将在推理市场分一杯羹。

邓侃：完全同意，OpenAI 那种“大力出奇迹”堆算力 Pre-training 模式，确实要被 DeepSeek 这样的创新模式所打破了。

我更想补充的是，Training（训练供给侧）的问题要细分来看：首先，星际之门 Stargate 那样的超大算力项目，可能不再是 AI 发展的唯一答案。其次，未来的智力涌现可能更多地发生在 MoE（Mixture of Experts）模型的 Experts 局部，而不是仅仅依赖模型规模的无限扩张。

最后，MoE 架构实际上为小企业参与大模型 Training 打开了一扇窗。未来，小企业完全可以作为 Expert 模块，融入到大厂的大规模模型训练中，就像 Midjourney 与 Niji 的合作那样，小厂也能在大模型时代找到自己的位置。

强化学习驱动的推理计算范式转移之后，数据还是否重要？

邓侃：对于这个问题，我的答案斩钉截铁——数据永远重要，但我们需要重新定义“数据”的概念。在我看来，对于任何一家严肃的大模型研发机构，全互联网数据仍然是基石，DeepSeek 这样的公司已经帮我们完成了全网数据的初步清洗和整理。中小企业可以站在巨人的肩膀上，通过蒸馏 DeepSeek 等大模型，快速获取高质量的精选数据。更重要的是，AI 生成的数据正变得越来越有价值，这些数据是互联网原生数据的一种提纯和升华。展望未来，IoT (物联网) 数据将是下一座金矿，例如特斯拉的驾驶数据、城市监控数据、各类传感器数据等等，都蕴藏着巨大的潜力。

李建忠：数据不仅重要，而且会越来越重要。我想补充的是，未来的数据竞争，将聚焦于两个关键点：

• 一是环境中的过程数据，而非仅仅是静态的历史数据。例如，在软件工程大模型的训练中，程序员写代码的过程数据，Issue 数据，比最终的代码结果更具价值。

• 二是数据质量。互联网数据固然海量，但真正能喂饱 AI 的，是各个领域的高质量、专业化数据。正如 DeepSeek 在数据质量上投入了巨大精力，甚至传言说创始人梁文峰会亲自下场标注数据，足以说明数据质量的重要性。

DeepSeek 的赶超到底是雕虫小技？还是国运级创新？

李建忠：DeepSeek 的横空出世，绝不是什么 “雕虫小技”，而是一场生态级的创新，甚至是国运级的创新。在我看来，DeepSeek 的意义至少体现在三个层面：

• 首先，它和 OpenAI 的 o1 模型一起，引领了 AI 范式的转移，从预训练走向了推理计算，而且 DeepSeek 的开源，加速了强化学习技术的普及。

• 其次，DeepSeek 的开源本身就是一种生态战略，它将倒逼整个大模型生态的建设，包括算力生态、应用生态、Agent 生态等等。

• 最后，也是最重要的一点，在全球技术竞争的大背景下，DeepSeek 的突破，无疑具有国运级的战略意义，它极大地提振了中国 AI 行业的士气，甚至惊艳了世界。正如饶议教授所说，DeepSeek 的意义堪比“自鸦片战争以来，中国给西方技术界带来的最大震撼”。

邓侃：如果用“国运级创新”来形容 DeepSeek 的突破，我认为毫不为过，甚至恰如其分！我从四个方面来解读 DeepSeek 的“国运”意义：

• 第一，DeepSeek 的成功，是对美国技术霸权的有力回击，堪称“反围剿”的胜利；

• 第二，DeepSeek 的开源和低价策略，团结了全球开发者，甚至包括欧盟、日韩等，这简直是一场“反霸权”的统一战线；

• 第三，美国的制裁，或许会倒逼中国加速 GPU 国产化，最终实现“集中力量办大事”的壮举；

• 第四，外部压力反而可能催化中国 AI 产业链的快速成熟，构建起自主可控的 AI 生态闭环。我对中国 AI 的未来充满信心，DeepSeek 的出现，无疑是一个划时代的里程碑。

大模型如何构建开源生态？DeepSeek 会成为 Linux 还是 Android or other？

邓侃：如果让我来选，我认为 DeepSeek 更像 Android，而不是 Linux。

在我看来，Android 真正的成功之处，在于其卓越的架构设计：BP（基础协议）+ AP（应用处理器）的分层架构，让 Android 拥有了强大的跨平台能力和灵活的可扩展性。反观 DeepSeek 的 MoE + MLA 架构，与 Android 的设计理念有着异曲同工之妙：MoE 架构赋予了系统伸缩自如的能力，MLA 机制则大幅提升了效率。我甚至大胆预测，DeepSeek 有潜力成为 AI 时代的“鸿蒙”，它完全可以借鉴 Android 的成功经验，构建一个跨设备、跨平台的 AI 开放生态。

李建忠：我忍不住追问一句：DeepSeek 有没有可能更进一步，在算力层也实现反向的“软件定义硬件”，从而一统算力江湖？

邓侃：这个问题很有想象力。DeepSeek 的技术路线，的确有可能倒逼国产 GPU 迎来春天，甚至催生出中国自己的 GPU 标准。DeepSeek 团队对算力效率的极致追求，迫使他们深入 GPU 底层进行优化，这无疑为国产 GPU 提供了绝佳的学习和追赶机会。

如果 DeepSeek 是 Android，谁是中国 iOS？闭源模型是否还有机会？

李建忠：坦白说，我对绝大部分闭源模型的前景并不乐观，但如果一定要说有机会，那也只有极少数与超级应用深度融合的闭源模型了。

在我看来，闭源模型想要突围，必须走“应用 + 模型”的路线，牢牢绑定自身的核心应用场景，打造应用平台的护城河，并借助数据飞轮效应，不断优化用户体验和特定领域的知识积累。放眼中国互联网，字节跳动或许是最有希望成为“中国 iOS”的公司，毕竟，超级应用（抖音）和强大的分发能力，是闭源模式得以生存的关键。

邓侃：对于建忠的观点，我持有保留意见。我认为字节跳动如果选择闭源，恐怕不是一个明智之举。在我看来，用户粘性并没有想象中那么可靠，内容平台的用户很容易“用脚投票”，用户粘性并非真正的护城河。一旦竞争对手的内容质量实现反超，用户倒戈只是分分钟的事情。更何况，字节跳动本质上是一家互联网公司，缺乏像 iOS 那样的硬件生态作为支撑。而且，内容质量的提升，并非与封闭性划等号，一个开放、充满活力的生态，往往更能孕育出优质的内容。

大模型到底有没有护城河？如果你是梁文锋，如何建立 DeepSeek 的护城河？

邓侃：要探讨大模型的护城河，我们不妨先回顾一下互联网时代的“护城河三要素”：技术壁垒、用户粘性、内容壁垒。

• 技术壁垒：DeepSeek 选择了“唯快不破”的策略，通过持续的技术迭代来保持领先，但这本身就存在风险，谁也无法保证永远领先。

• 用户粘性：DeepSeek 需要有意识地培养用户粘性，通过个性化服务和优质体验来增强用户依赖。

• 内容壁垒：DeepSeek 需要不断提升全网数据搜索和优选能力，为用户提供独一无二的优质内容。

综合来看，我认为 DeepSeek 在三个护城河要素中，至少能占据两个半。用户粘性和内容壁垒是 DeepSeek 的优势，技术壁垒虽然有风险，但可以通过持续创新来弥补。

李建忠：对于护城河这个概念，我可能和邓侃的看法不太一样。我认为大模型可能很难建立起像操作系统那样固若金汤的护城河。在我看来，技术壁垒并非真正的护城河：技术迭代太快了，领先优势转瞬即逝。

IT 历史无数次证明，技术领先者最终也可能黯然失色。用户是善变的，忠诚度并没有那么高。再高的初始用户粘性，也抵挡不住颠覆性创新的冲击。DeepSeek 的训练内容本身，可能并不构成独特的竞争优势，其他玩家也能够通过各种途径获取类似的数据。

我更倾向于用美团王兴的“五个 D 理论”（Development, Distribution, Deal, Design, Device）来分析大模型的护城河构建潜力：

• Development（开发平台）：DeepSeek 如果能成功打造 Agent 平台，或许能构建起一定的护城河。

• Distribution（分发渠道）：DeepSeek 有机会控制 Agent 的分发，构建类似应用商店的模式。

• Deal（交易平台）：DeepSeek 也有可能涉足 Agent 交易环节，构建支付平台。

• Design（交互设计）：大模型可能很难掌握交互设计的主导权，操作系统在这方面似乎更有优势。

• Device（设备）：大模型不掌控硬件设备，操作系统与硬件深度绑定，控制力更强。

所以我的观点是，大模型在 Development、Distribution、Deal 这三个 D 方面，或许有机会构建一些护城河，但在 Design 和 Device 方面，则可能难以与操作系统级别的护城河相提并论。当然，这只是我目前的思考，也许更重要的是，像梁文峰这样的创新者，他们的目标可能已经超越了传统的护城河思维，他们追求的或许是更广阔的 AI 未来。

DeepSeek 首先会颠覆谁？谁最危险？谁最安全？

邓侃：要回答这个问题，我倾向于从两个维度来分析：一是开源 vs. 闭源，二是产品形态的相似度。在我看来，闭源模型，首当其冲，最为危险。因为开源模型更容易抱团取暖，形成统一战线，共同对抗闭源巨头。而产品形态与大模型核心功能（问答搜索、多模态生成）越接近的行业，也越容易受到冲击。比如，传统的搜索引擎、图像公司、影像识别公司等等，都站在了风口浪尖。

李建忠：我更倾向于构建一个“危险——安全”光谱，来量化不同行业受冲击的程度。在我看来：

• 最危险的，莫过于信息服务行业（搜索引擎、问答类网站）。这些行业的产品形态与大模型的核心功能最为相似，极易被直接替代，可谓“首当其冲”。

• 其次危险的，是内容行业（内容平台、社交媒体）。AI 内容生成将颠覆内容生产模式，创作门槛大幅降低，传统内容平台面临巨大冲击。

• 再次危险的，是电商行业。Agent 可能绕过传统电商平台，直连商家，重构电商分发体系和流量入口。

• 相对安全的，是服务行业（O2O 服务，如携程、美团）。服务落地需要线下执行，AI 短期内难以完全替代，O2O 平台在整合线下服务资源方面仍有优势。

• 而最安全的，当属社交行业。社交需求是人类的刚需，情感连接是 AI 难以替代的，腾讯 (微信) 在社交领域的护城河，依然坚不可摧。

AGI 时代，互联网的哪些逻辑会变？哪些逻辑不会变？

在前文关于护城河和行业颠覆两大问题的讨论中，已经提前“剧透”了 AGI 时代互联网逻辑的变与不变。

变化的逻辑：

• 护城河重塑。传统流量、数据、技术壁垒不再是王道，用户交互入口、Agent 生态、场景深度融合，将成为新的护城河。

• 内容生产颠覆。AIGC 将掀起内容创作革命，“人人皆可创作”的时代加速到来，内容平台亟需转型。

• 电商模式重构。Agent 可能颠覆传统电商，“去中心化”的 Agent 电商或将兴起，电商平台需积极拥抱 Agent 生态。

• 交互入口之争。人机对话成为新入口，操作系统和超级 App 将上演 “入口争夺战”。

不变的逻辑：

• 用户需求至上。满足用户需求依然是互联网的铁律，AI 时代亦不例外。

• 优质内容为王。内容为王的本质不会改变，AIGC 时代，优质、独特的内容将更显稀缺和珍贵。

• 社交刚需永恒。社交是人类的底层需求，情感连接是 AI 无法替代的，社交平台依然拥有不可撼动的地位。

DeepSeek 利好哪些职业，哪些职业会更危险？

邓侃：我的观点很直接——任何行业，任何职业，在 AI 时代都既有机遇，也有挑战，关键在于你是否主动拥抱 AI。我的建议是，拥抱 AI 者，乘风破浪；拒绝 AI 者，逆水行舟。

以程序员为例，善用 AI 辅助编程工具，就能效率倍增，将精力投入到更具创造性的工作中。未来，全栈工程师将成为稀缺人才，因为 AI 能够拓展个人能力边界，一人可抵多人。当然，一些重复性、低技能的工作，比如 DBA（数据库管理员），可能会被 AI 自动化工具取代。

李建忠：我认同邓侃的看法，AI 既是挑战，更是机遇。对于程序员而言，与其担心被 AI 取代，不如拥抱 AI，成为 AI 的驾驭者。

我认为，程序员不会大规模失业，但职业发展路径会发生转变。就像汽车出现后，马车夫消失了，但司机却成为了更庞大的职业群体。AI 时代，程序员将从单纯的“代码工人”，进化为“软件构建师”，他们将更多地利用 AI 工具来提升效率，专注于更高级的架构设计、业务理解和创新应用。未来，“人人都是开发者”或许不再是梦想，掌握 AI 工具，人人都有机会参与软件创造。

推理计算范式下，代码能力越来越强，程序员是否会大规模失业？

这个问题与第九问异曲同工，两位嘉宾的观点也高度一致：AI 代码能力的突飞猛进，不会导致程序员大规模失业。

AI 辅助编程工具，能够极大地提升程序员的生产力，让程序员有更多精力专注于高阶任务。未来程序员的核心竞争力，将不再是单纯的“手撸代码”，而是对业务的理解、对架构的设计、以及对 AI 工具的驾驭能力。

总结与展望

本期对话，李建忠与邓侃两位专家，以其前瞻性的视野和犀利的观点，为我们奉上了一场精彩绝伦的 AI 思想盛宴。他们深入探讨了 DeepSeek 现象背后的技术逻辑和产业影响，更对 AGI 时代 AI 的未来发展趋势，进行了大胆而富有洞见的预测。

「DeepSeek 暨 AI 进化论十日谈」系列直播，将继续秉持开放、思辨、前沿的理念，邀请更多 AI 领域专家，带来更多深度、尖锐、前瞻的思想碰撞，敬请期待后续更精彩的直播！

目前，系列直播已经连载至第六讲：

十日谈第 1 讲（2 月 6 日） |  综述开场：DeepSeek 技术创新及对 AI 生态的影响

• 李建忠  CSDN 高级副总裁

十日谈第 2 讲（2 月 7 日） |  强化学习是否会带来大模型的范式转换？

• 李建忠  CSDN 高级副总裁

• 张奇  复旦大学教授、MOSS 大模型核心人员

• 刘勇  中国人民大学高瓴人工智能学院副教授、博士生导师

十日谈第 3 讲（2 月 8 日） |  直击 Deepseek 技术真相，对我们究竟意味着什么？

• 唐小引  CSDN&《新程序员》执行总编、《万有引力》栏目主持人

• 吴双  硅谷资深 AI 技术专家

• 刘伟  北京邮电大学人机交互与认知工程实验室主任

• 王文广  《知识增强大模型》作者、前达观数据副总裁

十日谈第 4 讲（2 月 8 日） |  DeepSeek 十问（就是你现在看的这篇文章！）

• 李建忠  CSDN 高级副总裁

• 邓侃  大数医达创始人兼 CEO

十日谈第 5 讲（2 月 9 日） |  聊聊关于 DeepSeek 的十大错误认识

• 李建忠  CSDN 高级副总裁

十日谈第 6 讲（2 月 10 日） |  DeepSeek 及大模型创业十问

• 李建忠  CSDN 高级副总裁

• 陶闯  微软地图之父、维智科技集团创始人兼董事长

十日谈第 7 讲（2 月 11 日） |  DeepSeek 与软件开发智能化

• 李建忠  CSDN 高级副总裁

十日谈第 8 讲（2 月 12 日） |  DeepSeek 对 AI 技术及开发者的刷新十问

• 唐小引  CSDN&《新程序员》执行总编、《万有引力》栏目主持人

• 崔淦渠  上海人工智能实验室青年科学家

• 李佳芮  句子互动创始人、CEO

• 吕仲琪  中国石油大学（北京）副教授，人工智能学院计算机系系主任

十日谈第 9 讲（2 月 13 日） |  DeepSeek 有意识吗？

• 蒋涛  CSDN 创始人&董事长

• 李剑锋  复旦大学教授、高分子科学智能研究中心副主任

• 白丁  科幻作家、《云球》作者

十日谈第 10 讲（2 月 14 日） |  DeepSeek 情人节特辑

• 李建忠  CSDN 高级副总裁

「DeepSeek 暨 AI 进化论十日谈」系列直播栏目，还将继续为您奉上更多精彩内容，第七讲直播再次由建忠老师“Solo”，深入探讨 DeepSeek 如何推动软件开发的智能化转型，分析其在提升开发效率、优化流程及增强协作方面的创新应用。建忠老师将分享前沿见解，揭示 AI 如何重塑软件开发的未来。欢迎预约今晚直播：

（文：AI科技大本营）