蛇年第一天，『DeepSeek』 带给硅谷科技圈的影响还在持续。
昨天 OpenAI CEO Sam Altman 连发多条推文谈对 『DeepSeek』 的看法，直言 R1 是一款令人印象深刻的模型，但也表示比以往任何时候都更需要更多的计算能力来实现 AGI 使命。
今天 OpenAI 首席研究官 Mark Chen 更是发表了一个更重磅的观察，他认为 『DeepSeek』 独立发现了 o1 模型的一些核心思路。
OpenAI 高管接连对一款中国大模型进行评价，这在大模型爆发的这两年都比较罕见。我们也让 『DeepSeek』 R1 解读一番 Sam Altman 和 Mark Chen 对自己的看法。（不得不说光看 R1 的分析思路已经是一个不错的研究员）
与此同时，一些诡异的故障也开始在 『DeepSeek』 出现，官网显示其线上服务受到大规模恶意攻击。
奇安信安全专家表示，1 月 27 日和 1 月28日攻击数量激增，并且攻击手段也再次升级，主要是暴力破解攻击，与此前的 DDos 攻击有明显不同， 并且攻击 IP 全部来自美国。
如何解读 Sam Altman 对 『DeepSeek』 的看法
Altman 的态度并非单纯礼貌性恭维，而是基于 OpenAI 的底层战略：
开放性：欢迎竞争以扩大 AI 应用生态，但前提是 OpenAI 仍主导核心技术创新；
防御性：通过 AGI 叙事和算力壁垒，构建竞争对手难以复制的「技术代差」；
主动性：加速模型发布与技术展示，保持市场关注度与开发者黏性。
简言之， 他对 『DeepSeek』 R1 的认可是一种「降维打击式」的自信——承认局部创新，但坚信自身定义全局规则的能力。这种态度既是对行业趋势的精准回应，也是 OpenAI 维持领导地位的心理战策略。
一、对 R1 技术能力的肯定
1. 性价比突破Altman 特别强调 R1 的「令人印象深刻」之处在于其「价格与性能的平衡」。根据搜索结果，R1 的 API 价格仅为 OpenAI o1 模型的 1/30（每百万 token 2.19 美元💵 vs. 60 美元💵），但其推理能力在数学（如 AIME 测试）、代码生成等领域已接近 o1 的水平。这种成本优势源于其创新的训练方法：例如，港科大团队仅用 7B 参数的模型和 8000 个数学示例，便通过强化学习实现了与大型模型相当的推理能力。Altman 的认可暗示，低成本技术路径的可行性已被验证，但 OpenAl 并未将其视为威胁核心竞争力的关键。
2. 技术路径的差异化Altman 并未直接评价 R1 的技术细节，但从其「下一代模型将令人惊叹」的表述可推测，OpenAI 认为自身技术路线（如 AGI 探索）与 R1 的「效率优先」策略存在差异。例如，R1 依赖强化学习与规则奖励机制简化训练流程，而 OpenAI 的 o3 模型已展示出对复杂科学问题的博士级解决能力（准确率 87.7%），更强调能力的泛化与深度。
二、对竞争格局的回应
1. 竞争态度的转变Altman 称「新竞争对手的加入令人振奋」，这与 OpenAI 过往对开源模型的谨慎态度形成对比。这一转变或源于 R1 带来的行业变革：其开源策略（如模型权重开放）已催生 500 多个衍生项目，下载量达数百万次，甚至导致部分 OpenAI 用户转向其平台。Altman 的回应既是对市场压力的承认，也暗示 OpenAI 将通过技术壁垒（如 AGI 布局）而非价格战应对竞争。
2. 对行业生态的连锁影响R1 的发布引发美股 AI 产业链震荡（『英伟达』股价暴跌 17%），反映出市场对「算力需求可能降低」的担忧。然而，Altman 强调「计算能力比以往任何时候都更重要」，表明 OpenAI 仍将依赖算力密集型技术路线（如更大规模的预训练）。这种矛盾折射出行业的两极分化：开源生态追求效率，闭源巨头押注技术纵深。
三、OpenAI 的战略意图
1. 强化技术领导地位Altman 明确表示「将推出更好的模型」并「加快发布进度」，这可能是对 R1 的直接回应。例如，OpenAI 在 R1 发布后迅速宣布向免费用户开放 o3-mini 的访问权限，试图通过降低准入门槛维持市场份额。同时，其「继续执行研究路线图」的表述指向 AGI 目标，暗示未来模型将更注重能力的广度（如跨领域推理）而非单纯效率优化。
2. 对算力需求的重新定义Altman 强调「需要更多计算能力完成使命」，这与 R1 展示的「小模型高效训练」形成对比。 OpenAI 可能认为，AGI 的实现仍需依赖超大规模算力（如万卡集群），而非算法优化。这种观点得到『英伟达』的支持——其发言人指出，R1 的推理仍需「大量 GPU 支持」，间接为算力需求辩护。
四、行业未来的预示
1. 技术民主化的加速R1 的成功证明，通过算法创新（如强化学习规则奖励机制），中小团队也能以低成本实现高性能模型。港科大、UC 伯克利等开源项目已验证其核心方法，甚至 1.5B 参数的小模型已展现自我验证能力。这种趋势可能削弱巨头垄断，推动 AI 应用层创新爆发。
2. 闭源与开源的长期博弈Altman 对 R1 的认可，实则是对开源生态崛起的策略性回应。OpenAI 选择保持闭源以保护技术优势（如 o3 的 AGI 潜力），而 R1 通过部分开源吸引开发者生态。这种分化或催生两种技术范式：开源社区主导的垂直领域优化 vs. 闭源巨头主导的通用能力突破。
关注 AI 第一新媒体，获取 AI 最新资讯和洞察
解读 OpenAI 首席研究官观点
Mark Chen的评论既是技术层面的肯定，也是竞争态势的宣示：
认可：『DeepSeek』通过独立创新在推理模型领域达到国际顶尖水平，并验证了开源与低成本路线的可行性。
竞争：OpenAI仍将押注技术深度（如AGI广度）与生态整合，认为长期竞争力来自「不可复制的核心突破」，而非短期成本优势。
行业趋势：这场对话折射出AI行业的两大方向——开源模型的普惠化与闭源模型的技术纵深，两者或将共同推动AI向更高效、更智能的方向演进。
一、对『DeepSeek』技术突破的认可
1. 技术独立性与创新性Mark Chen祝贺『DeepSeek』开发出与OpenAI o1同级别的推理模型（如R1），并强调其「独立发现」了与o1开发过程中相似的核心技术思路。这暗示『DeepSeek』在推理模型的底层逻辑（如强化学习、数据蒸馏技术）上与OpenAI存在技术路径的趋同性。例如，『DeepSeek』 R1通过直接应用强化学习（无需监督微调）和高效数据蒸馏，显著降低了训练成本，同时在数学、代码等推理任务中达到或超越o1的表现。
技术对标：『DeepSeek』 R1在AIME数学测试中得分率略高于o1（79.8% vs. 79.2%），且训练成本仅为OpenAI的十分之一，体现了其技术创新与工程优化能力。
2. 蒸馏技术的成熟与局限性Mark Chen提到「成本优化与能力提升逐渐解耦」，即通过蒸馏等技术降低服务成本（如『DeepSeek』的API价格仅为OpenAI的1/30）并不意味着模型能力的绝对提升。这一观点既承认了『DeepSeek』在成本控制上的成功，也暗示OpenAI认为其自身的技术路线（如推理的Scaling Law）更可能突破能力上限。例如，OpenAI的o3模型已在复杂科学问题中超越人类专家，而『DeepSeek』尚未达到这一深度。
二、行业竞争格局的映射
1. 开源与闭源的博弈『DeepSeek』的开源策略（如R1模型完全开放）对OpenAI的闭源商业模式构成挑战。Mark Chen的评论可视为对开源生态崛起的回应。例如，Meta等公司因担心Llama 4落后于『DeepSeek』而加速研发，而OpenAI则通过强化技术壁垒（如推出o3模型）和生态整合（如与苹果合作）巩固优势。
- 市场影响：『DeepSeek』的低成本开源模型已吸引大量开发者，甚至导致部分OpenAI客户转向其平台。
2. 推理能力的竞争焦点OpenAI通过o系列模型定义了「推理时代」的技术范式（如思维链分解与强化学习），而『DeepSeek』的追赶表明行业正从「参数规模竞赛」转向「推理效率优化」。Mark Chen的言论暗示，OpenAI仍将专注于通过更复杂的研究（如AGI的广度泛化）保持领先，而非单纯比拼成本。
三、OpenAI的战略回应
1. 长期技术路线的信心Mark Chen强调OpenAI将继续推进研究路线图，并计划推出「更好的模型」。这指向其核心战略：通过技术深度（如o3的AGI潜力）而非成本优势巩固地位。例如，o3在博士级科学考试中准确率达87.7%，远超人类专家，而OpenAI认为此类能力泛化至日常场景才是AGI的关键。
2. 成本优化的务实态度尽管OpenAI承认需降低服务成本（如o3的高计算费用仍是落地障碍），但其更关注「能力提升」与「商业闭环」的结合。例如，通过强化微调功能吸引企业开发者，而非直接参与价格战。
很多用户已经发现，与 『DeepSeek』 沟通的提示词策略和之前和 ChatGPT 等 AI 已经有所不同，可以更简单直接，欢迎大家在留言区分享使用 『DeepSeek』 的小技巧。
最后祝大家蛇年大吉，巳巳如意
