专访FutureLabs首席专家胡延平：DeepSeek冲击下算力需求反而会增强，智能体将“井喷”，电脑手机端侧模型已数以亿计

近日，中国AI初创公司深度求索（DeepSeek）用“白菜价”的成本，训练出性能可与海外头部企业OpenAI和谷歌旗下顶尖模型相媲美的模型，成功吸引了全球的目光。

百度创始人李彦宏在World Governments Summit 2025峰会上称，如今，每12个月，大模型的推理成本就可以降低90%以上。OpenAI首席执行官萨姆·奥尔特曼（Sam Altman）表示，随着AI成本的持续下降，AI将得到更频繁的使用。

目前，包括华为、荣耀、OPPO、魅族在内的众多国产手机均已官宣接入DeepSeek-R1。此外，吉利、极氪、宝骏等车企也宣布完成与DeepSeek模型的深度融合。

尽管DeepSeek在提高AI模型效率方面取得了突破，但李彦宏仍然坚持认为，持续投资AI基础设施对于保持竞争力至关重要。奥尔特曼也表示，对AI基础设施进行大规模投资“仍然很重要”。

DeepSeek有哪些创新点？随着模型训练成本的降低，AI应用开发是否将迎来类似“安卓时刻”的爆发？未来的AI发展又将走向哪些方向？

胡延平 图片来源：受访者供图

针对上述疑问，《每日经济新闻》记者（以下简称NBD）专访了FutureLabs未来实验室首席专家胡延平。他认为，Deepseek几乎每一个有所突破的方向都不是首创，但DeepSeek在这几个重要方向都有进一步创新。

他提到，尽管DeepSeek的模型降低了算力需求，但胡延平强调，算力与硬件不仅没有被削弱，反倒在增强，总体趋势是算力需求依然呈现大幅增长。

对于DeepSeek及其他低成本、高效能、开源模型带来的影响，胡延平指出，以基座模型为基础，后训练、微调以及与检索增强生成（RAG）、智能体（Agent）等结合的个性化垂类模型及其应用场景，很快将成为一个数量庞大的后市场。

对于AI的未来发展方向，胡延平认为，通用人工智能（AGI）、超级人工智能（ASI）不是终极目标，也不是根本目的。如果以更长的时间尺度来看，目前的AI，未来将走向内生智能（EI），更远的将来是自主智能（II）。

DeepSeek冲击下算力需求反而会增强

NBD：DeepSeek旗下模型因低算力训练和强推理能力引发了热议。从技术上来讲，您认为DeepSeek有哪些创新？

胡延平：DeepSeek几乎每一个有所突破的方向都不是首创，但DeepSeek在这几个重要方向都有进一步创新。

一是全球最大体量的开源混合专家模型（MoE），且内置中枢小模型；二是预训练FP8与FP32混合精度，既节约算力又确保了模型的高性能；三是采用结果激励，而不是过程激励的强化学习后训练机制，催生了模型的长思考多步推理能力；四是高效蒸馏技术；五是多头注意力机制；六是多Token预测；七是汇编PTX（并行线程执行），提高算力效率。

DeepSeek的V3和R1处在大语言模型（LLM）AI 2.0初始周期的一线水平，追平了OpenAI的GPT-4o，具备o1的部分能力。但不及o3系列，且没有多模态能力，也不能进行语音交互等，所以还不算是全球领先水平。

NBD：您认为DeepSeek低成本、高效能的技术创新，将对英伟达等依赖高端GPU的公司产生怎样的影响？

胡延平：大语言模型的单位智能的训练和推理成本一直在持续降低，DeepSeek的贡献是这个趋势的一部分，促使思考和重估算力基础设施投资。英伟达股价受到影响，已经有所下调，但是正在到来的多模态、时空智能、面向物理现实世界的模型更吃算力。实质上，包括DeepSeek在内的AI大模型的用户数量正在大幅增长，AI应用进入快速导入期，推理这个部分的算力需求呈现增长。

算力与硬件不仅没有被削弱，反倒在增强。总体趋势是算力需求依然呈现大幅增长，AI赋能导致硬件复兴。具备一定算力和联网能力的智能终端正在成为AI超级入口。

图片来源：视觉中国

NBD：随着DeepSeek-V3等低成本大模型的问世，传统的大规模数据中心和高投入大模型训练是否仍然值得继续推进？

胡延平：AI数据中心（AIDC）建设应需而建，整体上依然在增加。

AI大模型的发展表现为两条曲线，一条向上，数据资源投入增加、原理进化、从LLM走向基于感知理解的物理现实世界模型，带来更强的智能，是走向AGI、ASI的必由之路。另一条曲线向下，芯片能效比、模型量效比变化等，带来训练和推理的单位智能的产生与使用成本下降。

但是由于智能水准提升，拥有更强、更好、更多的智能，总体上意味着算力能源等总体消耗上升。AI大模型发展的“双曲线”特征，不仅是AI经济学，也是AI大模型技术产品市场演进的底部规律之一。

后训练、智能体等后市场将“井喷”

NBD：目前，DeepSeek-R1在GitHub上的开发者点赞数量已经超过Llama。DeepSeek激发创新竞争之后，您认为AI应用开发是否将迎来类似“安卓时刻”的爆发？

胡延平：AI大模型不再只来自头部少数几家企业。以基座模型为基础，后训练、微调以及与检索增强生成（RAG）、智能体（Agent）等结合的个性化垂类模型及其应用场景，很快将成为一个数量庞大的后市场。不同开源模型相互结合的变体也会有一堆。之前主要是为数不多的几家头部模型。在后市场，很快会看到产业腰部的出现和长尾的涌现，生态成型，涌现在即。

NBD：花旗研报认为，DeepSeek和其他中国模型的高效低成本将有助于加速全球AI应用开发，并可能在全球引发更多技术创新，从而推动今年AI应用的拐点。现在，经过R1微调的70亿参数小模型能够在个人笔记本中运行，这是否意味着开发者可以更轻松地进行本地化部署，推动更多创新型应用的诞生？

胡延平：实际上我就在电脑里安装运行了R1-Distill-Llama-70B，我安装的体量最大的模型是Mistral-123B，只不过速度比较慢。

开源端侧模型同等体量下的智能水平越来越高，不仅使得各行业和企业更有积极性部署在各自业务场景，也使得个人用户的普遍使用成为可能。实际上，个人手机、电脑里的端侧模型已经数以亿计。这些模型赋能各类应用，生发出极有活力的创新场景。

图片来源：视觉中国-VCG41N1472123004

AI的下一站：内生智能，现实、感知会越来越重要

NBD：在您看来，未来的AI发展将走向哪些方向？

胡延平：从2020~2050年，如果以更长的时间尺度来看，目前的AI，未来将走向内生智能（EI），更远的将来是自主智能（II）。AI学习知识、AI开始思考、AI睁开眼睛和AI感知世界，是AI发展的四进阶。AI的生成能力、工作能力和行为能力将基于以上四个方面进化。现实、感知会变得越来越重要。

通用人工智能（AGI）、超级人工智能（ASI）不是终极目标，也不是根本目的。模型完成新任务的能力，Agent完整执行工作流的能力，智能体内生自主的理解现实的行为能力，是智能进化所追求的方向。提升智能本身的水准，发展脑能力，始终是智能发展到第一性原理。原理意味着原力，原力领域会有真正的创新。

NBD：您刚才提到大模型发展的“双曲线”理论，向上是追求通用智能，向下是优化算力和效率。您认为AI进化中的“向下曲线”和“向上曲线”各自面临哪些挑战？

胡延平：向下的曲线是有下限的，曲线向下的走势主要取决于这两方面的变化，芯片算力的能效比、模型的量效比。而推动向上的曲线，有赖于模型新原理探索、芯片算力的摩尔定律、模型训练的规模法则（Scaling Law）以及感知智能的到来。

智能汽车等从自动驾驶走向场景智能，机器人等具身智能领域，可能更加会促使视觉理解走向现实、感知智能，比LLM这条线一路走来的AIGC派更可能激发时空智能，催生出未来的物理世界模型。