英伟达微软带头接入Deepseek，OpenAI急筹2800亿新融资

DeepSeek冲击下，硅谷可太精彩了。

昨天OpenAI、Anthropic还在带头冲锋，想方设法使绊子。一夜间，基础设施厂商们却纷纷“真香”了起来。

在微软之后，英伟达、AWS也加急上线DeepSeek模型托管服务。



正如英伟达官推评论区网友评价的，“打不过，就加入”。



咱们且一桩桩一件件把这瓜捋上一捋。



先说个新消息，OpenAI这边的最新应对举措今日出炉：筹钱，筹钱，筹钱。

《华尔街日报》爆料，OpenAI正在以3000亿美元估值，寻求新一轮的400亿美元（约合2875亿人民币）融资——

这将打破由OpenAI自己保持的硅谷单轮最高融资纪录。

本轮融资由软银领投。此前的消息显示，软银此番计划最多向OpenAI投资250亿美元（约合1797亿人民币）。

而这距离OpenAI以1570亿美元估值筹获66亿美元，其实也就刚过去4个月时间。



短短几个月，估值再次翻番，也从侧面印证了市场传闻：OpenAI对上一轮融资并不满意。

并且现在，OpenAI或许真有点被逼急了：

另一个消息是，o3在当地时间周五就会发布。



但AI应用这边，画风就又有些不同了。

比如程序员最爱的Cursor，已经大大方方接入了新模型，号召大家伙而一起实测见真章。



只留下中间的模型厂商在风中凌乱，对于云服务和应用来说，先全部支持上是正经嘛（doge）。

具体详情，咱们往下接着唠。

o3周五见根据爆料，OpenAI筹集资金的目的之一是兑现对Stargate（星际之门）计划的承诺。

这项计划由OpenAI和软银牵头发起，Arm、微软、英伟达、甲骨文都将作为关键技术伙伴参与其中，目标是在未来4年内投资5000亿美元（约合3.64万亿人民币）在美国建立多个AI数据中心。

OpenAI的承诺是：1000亿美元。



官方公告透露了一些细节：

The Stargate Project是一家新公司，计划在未来四年内投资5000亿美元，在美国为OpenAI建设新的AI基础设施。我们将立即投入1000亿美元。

该项目的初始股权投资者（The initial equity funders）包括软银、OpenAI、甲骨文和中东AI基金MGX。软银和OpenAI是项目的牵头合作伙伴，其中软银负责财务，OpenAI负责运营。孙正义将担任董事长。

Arm、微软、英伟达、甲骨文和OpenAI是关键初始技术合作伙伴。建设工作目前正在进行中，从德克萨斯州开始，我们在最终确定协议的同时，正在评估全国各地的潜在地点以建立更多园区。

作为《星际之门》项目的一部分，甲骨文、英伟达和OpenAI将紧密合作构建和运营这个计算系统。这建立在OpenAI和英伟达自2016年以来的深度合作，以及OpenAI和甲骨文的新合作基础上。

这也建立在OpenAI与微软现有的合作关系之上。随着OpenAI继续与微软合作，利用额外的计算能力来训练领先模型并提供出色的产品和服务，OpenAI将继续增加对Azure的使用。

另外，这笔钱也将被OpenAI用来填补亏损。尽管在2024年8月，OpenAI的月收入已达3亿美元，相较于2023年初增长了1700%，但在10月份时，OpenAI预计其全年亏损仍达50亿美元。

随着融资消息而来的，还有o3的最新时间表。

OpenAI首席全球事务官Chris Lehane在接受NPR采访时透露：

o3将在周五发布。

（也就是北京时间周六。）

消息一出，网友们小马扎已经准备好了。

不过也有网友指出，他所说的“o3”还是指o3-mini，对于这一模型的上线，奥特曼本人已经预告已久。



毕竟，酸归酸闹归闹，DeepSeek正在大洋彼岸引发更多的“真香”效应。



DeepSeek“真香”继微软前脚指指点点，后脚就在自家AI平台上接入了DeepSeek模型之后，程序员们最爱的Cursor今天也最新宣布：

现在，DeepSeek模型在Cursor上可用啦。



值得注意的是，Cursor提到，在实际编程任务中，还是Sonnet 3.5更胜于DeepSeek的新模型。

但Cursor官方并没有给出具体的示例，这就引发了围观群众们的好奇：



看来是时候用实测来说话了，如果你已经上手体验，不妨在评论区第一时间分享给我们大伙儿~

同样，说话很大声的Anthropic，背后金主爸爸AWS也已第一时间接入DeepSeek模型，丝毫没有因为争议而犹豫（doge）。

更受关注的还有股价真被DeepSeek冲了一波的英伟达——

DeepSeek-R1已上线英伟达NIM平台。英伟达官方还大夸特夸了一波：

DeepSeek-R1是具有最先进推理能力的开源模型。DeepSeek-R1这样的推理模型不直接给出回答，而是在查询上执行推理，通过思维链、共识和搜索方法，生成最佳答案。

DeepSeek-R1是测试时Scaling Law的一个完美例子，证明了为什么加速计算对于代理AI的推理需求至关重要。

英伟达表示，DeepSeek-R1 NIM微服务可以在单个NVIDIA HGX H200系统上每秒传递3872个token。



而针对Anthropic等面对DeepSeek竞争的不敞亮反应，也有越来越多反对的声音正在出现。

比如HuggingFace联合创始人Thomas Wolf，就直接批评说：

老实说，Dario的文章读起来非常痛苦。

他在小作文中写道：

将开源研究与模糊的封闭研究，以及未公开的评估进行比较的做法，让我对Anthropic的领先地位信心不如从前。



更重要的是，随着Open-R1的发展和DeepSeek的论文，未来几个月来自世界各地的团队都将发布开源推理模型。比如今天，艾伦研究所和Mistral就分别发布了Tülu and Small3，来追赶DeepSeek-V3。

开源将对我们的安全越来越重要。

一夜之间微软、英伟达全部接入DeepSeek！吴恩达：中国AI正在崛起


【新智元导读】微软、英伟达、亚马逊等美国云计算平台拥抱DeepSeek R1。吴恩达、英特尔前CEO夸赞DeepSeek创新能力。

1月最后一天，来自DeepSeek的热度丝毫不减。

远在大洋彼岸的美国，不仅从业者感受到了前所未有的压力，那些平时对AI毫不关心的人，也感受到了来自中国AI的震撼——

Anthropic CEO呼吁美国加强芯片管制力度；OpenAI寻求硅谷史上最大400亿美元单笔融资。

网友们则借助宽松的开源许可，制作出了用DeepSeek-R1替代OpenAI Operator的教程——不用200美元订阅，完全免费！



「俗话」说得好：「打不过就加入」。

一开始便对DeepSeek赞赏有加的英伟达，刚刚宣布：「DeepSeek-R1正式登陆NVIDIA NIM」。据介绍，在单个NVIDIA HGX H200系统上，完整版DeepSeek-R1 671B的处理速度可达3,872 Token/秒。

同在今天，亚马逊也在Amazon Bedrock和SageMaker AI中，上线了DeepSeek-R1模型。



曾经冲出来和OpenAI一起高调质疑DeepSeek「偷窃」数据的微软，甚至在前一天就把DeepSeek-R1抢先部署在了自家的云服务Azure上。



除了科技大厂，AI初创们也没有放过如此上好的机会。

Windsurf编辑器同时集成了DeepSeek-R1和V3模型，并且第一次在编程智能体中，实现了R1的工具调用。

Cerebras不仅实现了比GPU快57倍的推理速度，而且还报告称，自己部署的70B模型在准确率上要比GPT-4o和o1-mini更高。



中国AI正在崛起

在吴恩达看来，本周围绕DeepSeek的热议，让许多人清晰地看到了几个一直存在的重要趋势：

美国在GenAI领域的领先地位正在被中国迎头赶上，AI供应链格局将被重塑开放权重模型正在推动基础模型层商品化，为应用开发者带来新机遇扩大规模并非通往AI进步的唯一途径。尽管算力备受追捧，但算法创新正在快速降低训练成本



中国在GenAI领域正在赶上美国

当ChatGPT于2022年11月推出时，美国在GenAI领域明显领先于中国。

由于观念的转变十分缓慢，所以吴恩达直到最近，都还能听到不少关于中国仍然落后的论调。

但实际上，双方的差距已经在过去两年中迅速缩小。

随着Qwen（吴恩达团队已经用了几个月）、Kimi、InternVL和DeepSeek等模型的推出，中国在文本模型上的差距正在缩小，而在视频生成等领域，中国甚至已经展现出了一些领先优势。

如今，DeepSeek-R1不仅开源了模型权重，而且还分享了一份包含诸多细节的技术报告。

相比之下，一些美国公司却通过渲染人类灭绝等假想的AI危险，推动制定法规来阻止开源的发展。

不可否认的是，开源/开放权重模型都是AI供应链的关键部分——很多公司都在用。

对此，吴恩达表示：如果美国继续妨碍开源，AI供应链的这一环节就将由中国主导。

开放权重模型正在使基础模型层普及化

一直以来，LLM的Token价格都在迅速下降，开放权重模型不仅加速了这一趋势，并且还为开发者提供了更多选择。

OpenAI的输出价格为60美元/百万Token；而DeepSeek R1只要2.19美元。这种近30倍的差异让许多人注意到了价格下降的趋势。

训练基础模型并提供API服务充满困难，很多AI公司至今仍在寻找收回模型训练成本的途径。

红杉资本的文章「AI’s $600B Question」很好地阐述了这一挑战。

相比之下，在基础模型之上进行应用开发，则有着绝佳的商机。

现在，已经有公司投入了数十亿美元训练出了一些模型，而你只需支付少量费用就能访问。然后，拿去开发客服聊天机器人、邮件摘要工具、AI医生、法律文档助手等诸多应用。



扩大规模并非AI进步的唯一途径

围绕通过扩大模型规模来推动进步的热议有很多，就连吴恩达也是早期的支持者之一。

许多公司为了数十亿美元的融资， 制造「噱头」：

只要有更多资金，他们就能（1）扩大规模并（2）可预测地推动改进。

因此，人们开始过分关注规模的scaling，而忽视了其他方式取得的进步。

受到美国AI芯片禁令的影响，DeepSeek团队不得不在性能相对较低的H800 GPU上跑模型，而这也推动了他们在优化方面的大量创新。最终，模型训练成本（不包括研究成本）不到600万美元。

这是否真能减少计算需求仍有待观察。有时，商品的单价变得更低，反而会导致该商品的总支出增加。

吴恩达认为：「从长远来看，对智能和算力的需求是几乎没有上限的，所以即使智能变得更便宜，人类依然会使用更多智能。」



在X上，我们可以看到很多对DeepSeek进展的不同解读。就像「罗夏墨迹测试」一样，可以让许多人将自己的理解投射其中。

虽然DeepSeek-R1的地缘政治影响仍有待明确，但它对AI应用的开发者来说确实是个好消息。

吴恩达的团队已经在头脑风暴一些新的想法，而这些想法之所以成为可能，仅仅是因为我们可以轻松访问一个开放的高级推理模型。

现在仍然是一个创造的好时机！

DeepSeek带来的三个启示

DeepSeek的成功，甚至「炸出」了芯片、计算行业的老兵——英特尔前CEO Pat Gelsinger。



作为业内非常资深的工程师，Gelsinger认为，现在这些针对DeepSeek的反应，忽视了我们在过去五十年计算机发展历程中学到的三个重要教训。

第一：计算遵循「气体定律」

计算会像气体一样， 填满由可用资源（资本、电力、散热限制等）定义的可用空间。

正如在CMOS、个人电脑、多核处理器、虚拟化、移动设备等众多领域看到的那样，以极低的价格广泛提供计算资源，将推动市场的爆炸性扩张，而不是收缩。

未来AI将无处不在，而今天，要实现这一潜力的成本仍然高得离谱。

第二：工程的本质就是应对约束

很明显，DeepSeek团队面临诸多约束，但他们找到了极具创造性的方法，并以低10-50倍的成本，交付了世界一流的解决方案。

美国的禁令限制了可用资源，因此中国的工程师不得不发挥创造力，而他们也确实做到了——价值数百亿美元的硬件、最新的芯片和数十亿美元的训练预算，都不再是必需品。

多年前，Gelsinger曾采访过最为著名的计算机科学家之一Donald Knuth。他详细描述了当资源极度受限、进度要求最紧迫时，该如何做出最好的工作。

Gelsinger表示，这个见解是他工程管理生涯中最重要的启示之一。

第三：开放终将胜利

过去几年，看到正变得越来越封闭的基础模型研究，实在令人失望。

在这一点上，Gelsinger更认同马斯克而不是奥特曼的观点——我们真的希望，不，是需要AI研究的开放性得到提升。

我们需要知道训练数据集是什么，研究算法并对其正确性、伦理和影响进行深入思考。Linux、GCC、USB、WiFi等众多例子，已经让这一点无比清晰。

在法律、频谱、工程和采用方面的战斗中，开放并不容易，并且始终在受到市场力量的挑战。但只要给一个适当的机会，「开放」每次都会胜出。

AI对人类未来的重要性不言而喻，因此，绝对不能让一个封闭的生态系统在这个领域成为唯一的主宰。

DeepSeek是一个令人难以置信的工程壮举——它将推动AI实现更广泛发采用，并将帮助重塑行业对开放创新的看法。

正是这样一个来自中国的高度受限的团队，让我们所有人重新想起了这些计算机历史的基本教训。