顶级礼遇。
一觉醒来，OpenAI和Claude母公司都对Deepseek出手了。
据《金融时报》消息，OpenAI表示已经发现证据，证明DeepSeek利用他们的模型进行训练，这涉嫌侵犯知识产权。
具体来说，他们发现了DeepSeek“蒸馏”OpenAI模型的迹象。即用更大模型的输出来提高较小模型的性能，从而以较低成本在特定任务上取得类似结果。
微软也开始调查DeepSeek是否使用了OpenAI的API。
消息一出，最先迎来的是一波嘲讽。
纽约大学教授马库斯率先开喷：
知名技术媒体404 Media创始人及主编Jason也直接在文章里贴脸开大，暗讽OpenAI只许州官放火。
而另一边，Cluade母公司Anthropic的创始人Dario Amodei洋洋洒洒发了一篇长文大谈DeepSeek。
他表示，说DeepSeek构成威胁太夸张了，“也就是我们7～10个月前的水准”，Claude 3.5 Sonnet在许多内部和外部评估中依旧遥遥领先。
好家伙，为了围剿DeepSeek，竞对OpenAI和Anthropic都罕见联手了。
相比之下，微软的做法就耐人寻味了许多。
就在指控DeepSeek涉嫌侵权之后几个小时后，微软的AI平台接入了DeepSeek的模型。
网友：俗话说，否认是接受的第一步。
AI领域常见技术，但违反OpenAI条款
各方消息汇总来看，微软和OpenAI对DeepSeek的质疑还处于调查中。
根据微软工作人员的说法，DeepSeek可能在去年秋天调用了OpenAI的API，这可能导致数据泄露。
按照OpenAI的服务条款，任何人都可以注册使用OpenAI的API，但是不能使用输出数据训练对OpenAI构成竞争威胁的模型。
OpenAI告诉《金融时报》，他们发现了一些模型蒸馏的证据，他们怀疑这是DeepSeek的所作所为。
目前，OpenAI拒绝进一步置评，也不愿提供证据细节。
那么不妨先来看看，引发争议的模型蒸馏是什么。
它是一种模型压缩技术，用于将一个复杂的、计算开销大的大模型（称为教师模型）的知识“蒸馏”到一个更小、更高效的模型（称为学生模型）。这个过程的核心目标是让学生模型在轻量化的同时，尽量保留教师模型的性能。
在诺奖得主、深度学习之父Hinton的论文《Distilling the Knowledge in a Neural Network》中指出：
比如Together AI前段时间的工作，就是把Llama 3蒸馏到Mamba，实现推理速度最高提升了1.6倍，性能还更强。
IBM对知识蒸馏的文章中也提到，大多数情况下，最领先的LLM对计算、成本提出太高要求……知识蒸馏已经成为一种重要手段，能将大模型的先进能力移植到更小的（通常是）开源模型中。因此，它已经成为生成式AI普惠化的一个重要工具。
在行业内，一些开源模型的服务条款允许蒸馏。比如Llama，DeepSeek此前也在论文中表示使用了Llama。
而且关键是，DeepSeek R1并非只是简单蒸馏模型，OpenAI首席科学家Mark Chen表示：
同时他也认可了DeepSeek在成本控制上的工作，并提到蒸馏技术的趋势，表示OpenAI也在积极探索模型压缩和优化技术，降低成本。
所以总结一下，模型蒸馏技术在学术界、工业界都非常普遍且被认可，但是违反OpenAI的服务条款。
这河狸吗？不知道。
但问题是，OpenAI自身在合规性上也大有问题。
（众所周知）OpenAI训练模型把互联网上的数据扒了个干净，其中除了免费公开的知识内容外，还包含大量有版权的文章作品。
2023年12月，《纽约时报》以侵犯知识产权为由，将微软和OpenAI一起告上法庭。目前这个官司还没有最终判定结果，OpenAI这一年时间里就自己的行为向法院进行多次解释。
包括但不限于：
1. 使用公开可获得的互联网资料训练AI模型是合理的，这在AI领域内有诸多先例，我们认为这对创作者是公平的，对于创新是必要的。
2. 长期以来，版权著作被非商业性使用（比如训练大模型）是受到合理保护的。
3. 大语言模型的关键是Scaling，这意味着任何单独被盗的内容都不足以支撑训练出一个大语言模型，这正是OpenAI模型为何领先。
也就是说，OpenAI本身都在违规使用《纽约时报》的数据训练闭源、商业化的大模型。现在他们要以违规为由，调查打造系列开源模型的DeepSeek。
再退一步，OpenAI如今的成就也是建立在谷歌的基础上（Transformer架构由谷歌提出），谷歌的成就是站立在更早期的学术研究基础上。
404 Media表示，这其实是人工智能领域发展的基本逻辑。
“DeepSeek模型只在成本上领先”
就在OpenAI挑起矛盾的同时，Anthropic也下场了。
创始人Dario Amodei在个人博客中表达了对DeepSeek的看法。
他表示并没有把DeepSeek看作竞争对手，认为DS最新模型的水平和他们7～10个月前的水平相当，只是成本大幅降低。
同时他还认为，DeepSeek整个公司的成本投入（非单个模型训练成本）和Anthropic的AI实验室差不多。
奥特曼几乎保持了同样的口径。
他承认DeepSeek R1让人印象深刻（尤其是成本），但OpenAI“很明显会带来更好的模型”。
这也是他的常规操作了，之前V3发布时，他就阴阳怪气地说：相对而言，复制确定有用的东西是很容易的。
那么DeepSeek R1的价值究竟几何？
分析师郭明錤最新博客给出参考：
DeepSeek R1的出现，让两个趋势更加值得关注——虽然没有R1这两个趋势也依然存在，但R1加速了它们的发生。
一是在Scaling Law放缓的情况下，AI算力仍可透过优化训练方式持续成长，并有利挖掘新应用。
过去1～2年，投资者对AI服务器供应链的投资逻辑，主要基于AI服务器的出货量在Scaling Law依然有效的情况下可持续增长。
但Scaling law的边际效益开始逐渐递减，市场开始关注以DeepSeek为代表的通过Scaling law以外的方式显著提升模型效益的路径。
第二个趋势是API/Token价格的显著下滑，有利于加速AI应用的多元化。
郭明錤认为，目前从生成式AI趋势中获利的方式，主要还是“卖铲子”和降低成本，而不是创造新业务或提升既有业务的附加值。
而DeepSeek-R1的定价策略，会带动生成式AI的整体使用成本下降，这有助于增加AI算力需求，并且可以降低投资人对AI投资能否获利的疑虑。
不过，使用量的提升程度能否抵消价格降低带来的影响，仍然有待观察。
同时，郭明錤表示，只有大量部署者才会遇到Scaling law边际效益的放缓，因此当边际效益再度加速时，英伟达将依然是赢家。
参考链接：
[3]https://x.com/GaryMarcus/status/1884601187271581941[4]https://mingchikuo.craft.me/g8mybRumSTYD3J
