对DeepSeek的评价和看法

1、我肯定会投啊！我觉得，这个东西真的是非常有意义。而且今天已经非常清晰了，就是这样一个类似安卓的开源生态，已经起来了。他势头这么猛的话，别人再追已经很难追了！

2、价格已经不太重要了，关键是参与在这里面。真的见证人类AGI产生，见证人类AI意识产生，这些东西都很有意义。

3、他也不是典型的创业者，他自己在幻方就非常有资金实力了，而且本身有很多卡。不是一个典型的创业公司。但确实——因为他本身的财力，允许他去追求一些理想，这是一个非常不一样的新一代的创业者。

4、至少在DeepSeek上，我看到了AGI实现的路径，而且确实感觉到，至少是有一部分AI意识产生的可能性了。

5、目前在国内大模型这个赛道上，已经相对比较明朗化了吧？他们作为创业公司里可能独一份的，从用户数啊，包括产品技能、产品路线上已经遥遥领先了。

6、如果我花10倍成本最多提升10%、20%，还不如用免费开源模型。开源模型在很多场景已经足够好了。而且在很多场景，甚至在半年到1年以后，真的都会远超人类了，对吧？

今天你看DeepSeek写文章超过99%的人。那么编程、物理、化学，甚至医学领域，可能在6到12个月之内都能看到，它可能超过绝大多数人类——这个是已经可以看得见的了。

今天奖励模型还是需要在有清晰规则的领域，这条路是通的；在更多没有清晰奖励规则的领域，需要高质量数据来引导AI怎么做Reinforce Learning（强化学习），要有一些研究，但可能也是可行的。目前从它文字反映的质量看，至少是可能的。

7、最终还是要回答一个问题：怎么商业化？因为他们开源很彻底，后面怎么商业化确实是个（问题）。而且这个东西太新了，没有人考虑过或见过这样一种产品形态，怎么商业化是需要思考的问题。

对AI行业的看法

8、数据飞轮有，但数据飞轮价值不大。这也是我这两年最大一个教训，就是：以前我觉得这波AI最大壁垒在数据飞轮上，但现在看来包括DeepSeek、OpenAI，数据飞轮价值不大。因为大部分用户数据都是重复的，是低信息含量的，没有意义的，所以数据飞轮价值并不大。真正有数据飞轮价值的是那些高质量数据，那些数据是需要各个行业专业人士去打标签、去发现的。

9、对于整个闭源模型还有没有存在价值、存在意义，都是很严峻的灵魂拷问。

10、我现在就感觉在国内你训练闭源模型真的毫无意义了。甚至OpenAI都看不到比DeepSeek好几倍的差别。你即使比DeepSeek好10%、20%，没有意义啊。没人会用你的闭源模型了。

可能除了个别大厂。大厂为了自己的壁垒或专用场景，可能坚持在闭源模型往前走一走。

对算力和算法要求没有那么高，核心是高质量数据。DeepSeek证明了，它为什么表现比其他模型都要好？很多时候就是初始的训练数据质量比较高。以后模型可能就像厨师一样，我用什么语料来训练，我的参数权重是多少，做出来的菜肯定不一样——有些可能是四川菜，有些可能是粤菜。所以你到底用什么语料进行训练，参数权重是怎么样的。

以后高质量训练数据非常、非常重要，尤其是在那些规则不那么清晰的领域，先要引导AI怎么来做加强学习？你这些初始语料真的需要博士级别、各个领域专家级别的人来打标签。

11、都需要思考，还需不需要往前再训练自己的闭源模型？还是就在DeepSeek上面，为整个生态添砖加瓦？或者就彻底转向应用？——像开复老师（零一万物创始人）一样彻底转向应用。

或者是，基于开源模型在某些垂直领域看看能不能深耕？比如百川，一直想做医疗，能不能在开源模型上面做医疗的垂直领域，把它做得更好一点？

这只是瞎聊，但确实每个人都面临非常重要的决策。这个决定越早越好，越往后越被动。

12、多模态视觉模型没有那么难。只要你有足够好的数据，也不需要很多卡，也就一两千张卡，就能训练出一个视觉模型，而且相当好，比Sora今天还是领先的

13、比如医学领域，今天大家可以看到国外的人用OpenAI Deep Research写两篇论文，这个论文质量非常好，这就非常厉害。这也是一个很重要的milestone。未来几年可能看到很多垂直领域，都会经历这样一个过程，从AI只能做20-30%到50-60%到70-80%甚至90%以上！这样一个过程！不一定能够全部取代人，但至少能做到80-90%工作量，可以极大解放人类的能力！

14、很多垂直领域里面，都会有出现这样AI的服务公司——我用AI enable service（用AI驱动服务），就可以认为是AI Agen

15、这一波AI影响力真的会非常大，以后人类社会组织形态包括工作形态，都会有很大一个变化。这确实今天还很难看得很透彻——但我觉得，3天工作制，可能真的会很快实现。确实变化太快了。只能走一步再看一步。

16、以后绝大多数工作可能都是AI完成了——今天即使打数据标签，都需要博士级别的人——那真的，绝大多数人以后做什么事情？确实是一个需要持续观察的事情。不过，人类可以真的获得极大的解放，这是目前已经能够看得到的。

对于创业与投资的看法

17、今天我最多只敢讲10亿美金，最多百亿美金，创业公司可能有机会。千亿美金的机会，创业公司我今天还是不敢想的——没有看到像O2O那样至少有一半是大厂不愿意干的脏活、累活。这样的机会，今天还看不到。

18、我选择两个赛道：一个是消费，消费就是保持现实主义的；另外，我们在AI上也在不断尝试，这就是希望能够再往前进取一点的。今天的选择不会all in去搏一个什么事情。我们作为投资人来说还是要有两条腿走路的一个想法。

19、现在底层模型已经足够强大了，就真正抓住用户需求，而且全球化都有机会！现在全世界真的就只有中美有AI能力，出海都是Low-Hanging Fruits（低垂的果实）。国内团队出海真的太容易了。所以我觉得紧抓用户需求！放眼全球！放眼全球！——都有机会。

20、现在中国和美国都在讲“AI as a Service”，即用 AI 来交付最终服务。或者“Service as a Software”，卖服务而不是卖软件。其实在美国市场，这也是“被迫的”：因为这一波 AI 中，绝大部分场景还做不到 100% 的 AI，需要一部分人工服务，才能达到商业化交付的质量；国内这种情况更为明显：中国市场，本来就是只卖软件产品很难卖出价格，而卖最终的交付服务反而能够卖出价格来，而且这样用户也比较容易看出价值。比如，客户本来从其他地方采购服务可能需要 100 元，现在只要 70 元。从软件企业看，今天可能是 50% 使用 AI 做，再过一年可能是 80% 使用 AI 做，虽然比传统服务便宜 30%，但仍然还是有软件毛利的，这也是今天中国软件的唯一出路。

19、我们的投资偏好和硅谷的投资偏好可能不太一样。硅谷还是偏好高大上的项目、有宏伟目标的项目，我们更偏重于能够真正实现商业化落地的项目，尤其是在销售端、营销端。因为中国创业者对销售、对营销的经验要比美国创业者丰富得多，有很多在社交媒体领域的销售营销技巧，怎么用AI赋能这样的销售营销软件，或者直接交付这样的服务，我觉得对中国创业者都是有很多机会的。另外就是智能硬件的创业者也特别多，我看到很多智能消费硬件的创业者都是有中国背景的。

21、这和前几次技术革命是一样的，肯定是企业端先采用新技术，因为只要能降本增效，企业都会迅速买单。所以在B端，我觉得AI应用落地肯定是更早的。

在C端，总体感觉是消费硬件可能比消费APP更早起来。Meta推出的智能太阳镜已经卖出60万副，可能跟Meta部分补贴有关系，但这个产品的定义确实非常好，我这两天一直在用，跑步时听音乐或打电话都比戴耳机要舒服，还可以连接Meta大模型，有任何问题都可以直接语音提问。最近我们也在看一个非常有意思的电子宠物项目，是中国创业者做的，接了GPT4o，已经卖出几万台了。我买了一台寄到家里，很想看这个AI赋能的电子宠物怎么和我的真宠物狗互动。
但真正的C端落地，我感觉还是要等AI PC或AI手机推出后，比如下半年新iPhone会不会加M4芯片，能不能跑一个单侧的小模型。

22、核心是不再需要人类干预，本来是RLHF（人类反馈强化学习），现在直接做RL（强化学习）了，所以成本可以做得很低。它这种创新细节很多，很多方面加在一起，造成了今天成本这么低。

但最重要的就是不需要人工干预。人工干预就很难scale，很难迅速扩大。如果要靠机器，你只要给它一些初始的高质量数据，引导它在一个领域怎么思考，它就能自己往前走，这个scale起来相对容易很多。虽然你初始数据也很重要，也非常难，但至少比以前要容易很多——这一步是最重要的一步。

23、OpenAI发布的Deep Research，它想做成个人助手，帮你制定休假计划、旅行计划。但那个，说实话用户体验要做好很难。Deep Research我还没体验，我可以再试试看。那个需求很难做，而且真的需求要一个AI帮你做？我是不太相信的。我宁愿看别人的介绍或种草。

但对信息获取来说，以前为什么我觉得AGI很难，或者没有打动用户需求？是我需要非常精确的prompt，然后它回复你一段话，而且不是很长的一段话。这个用户体验上很难。

但今天我只要输入很简单的一个问题，它就给你回复一长串，甚至你可以再继续追问，它会根据你历史问题去猜意图，那用户体验就很好了——已经足够满足我获取信息的需求了。

24、这个生态我觉得已经看清了：一旦一个开源生态这么快速度建立，壁垒还是非常高的！

（本文首发于钛媒体APP，作者｜郭虹妘 ，编辑｜陶天宇）

参考：《朱啸虎现实主义故事1周年连载：“DeepSeek快让我相信AGI了”》《郑靖伟、朱啸虎、洪婧在中国SaaS大会精彩对话：中国 SaaS 规模化盈利只是时间问题》