|
關(guān)于DeepSeek的評(píng)論已經(jīng)是鋪天蓋地。 （如果你還沒(méi)看過(guò)對(duì)梁文鋒的兩篇訪問(wèn)——《揭秘DeepSeek:一個(gè)更極致的中國(guó)技術(shù)理想主義故事》和《瘋狂的幻方：一家隱形AI巨頭的大模型之路》，那你肯定應(yīng)該先看這兩篇文章。所有對(duì)于DeepSeek的了解，都沒(méi)有直接聽(tīng)聽(tīng)梁文鋒自己怎么說(shuō)，更直接。） 而在大量的網(wǎng)上討論中，有兩個(gè)在我看來(lái)是常見(jiàn)的誤解，似乎被提及的還不多，可以再討論一下。 AI的門(mén)檻不是很高 技術(shù)門(mén)檻不高 一講到AI，很多人馬上就可能會(huì)覺(jué)得是高深莫測(cè)。 實(shí)際上，AI技術(shù)發(fā)展至今，重大的理論突破并不多。 今天所有語(yǔ)言大模型所基于的Transformer架構(gòu)，相關(guān)論文發(fā)表于2017年，距今已差不多有8年歷史。 在這8年時(shí)間里，大語(yǔ)言模型取得了突飛猛進(jìn)的進(jìn)展，當(dāng)然是因?yàn)閷?shí)現(xiàn)了一次又一次的技術(shù)突破，包括這次DeepSeek所做的一系列創(chuàng)新。 但這些突破都是屬于遞增改良式，所需要的理論基礎(chǔ)，基本都是在大學(xué)本科知識(shí)范圍內(nèi)。 而且，像英偉達(dá)、微軟這些軟硬件供應(yīng)商，都會(huì)提供各種資源，努力幫助你降低技術(shù)門(mén)檻。 所以，DeepSeek所招聘的人員，用梁文鋒的話說(shuō)，“都是一些Top高校的應(yīng)屆畢業(yè)生、沒(méi)畢業(yè)的博四、博五實(shí)習(xí)生，還有一些畢業(yè)才幾年的年輕人?！?/span> 這些人員在加入團(tuán)隊(duì)之前，基本都沒(méi)有什么AI方面的專業(yè)知識(shí)。 人員配備門(mén)檻也不高 雖說(shuō)DeepSeek所謂500~600萬(wàn)美元的訓(xùn)練成本，僅僅是最后一次訓(xùn)練的算力成本，并沒(méi)有包括前期的大量研發(fā)投入，但基礎(chǔ)大模型的整體開(kāi)發(fā)成本，還是在很多機(jī)構(gòu)的承擔(dān)范圍內(nèi)。 DeepSeek團(tuán)隊(duì)100多人，相對(duì)一些動(dòng)輒數(shù)百幾千團(tuán)隊(duì)的頭部AI大廠而言，人數(shù)確實(shí)不多。 但一些大廠團(tuán)隊(duì)中，還包括很多是商業(yè)團(tuán)隊(duì)人員。 核心研發(fā)人員，并不是必須要這么多人。 幾十人團(tuán)隊(duì)開(kāi)發(fā)的基礎(chǔ)大模型，并不罕見(jiàn)。 頭部AI公司Mistral AI融資之后，目前總員工人數(shù)也只是200人出頭。 資金門(mén)檻也不算太高 就算力來(lái)說(shuō)，目前國(guó)內(nèi)H800/80G顯卡價(jià)格在20萬(wàn)左右。  要搭載一萬(wàn)塊的話，就要20個(gè)億，確實(shí)不是一筆小數(shù)目。 但是，這個(gè)是一次性固定投入。 固定投入攤銷(xiāo)，再加上運(yùn)維成本，平均到每年需要多少算力成本開(kāi)支，我不知道具體數(shù)字，但可以根據(jù)幻方基金的經(jīng)營(yíng)規(guī)模做出上限的推算。 假設(shè)這些年來(lái)幻方量化的平均管理規(guī)模是500億，平均每年收益 12%。 以2%管理費(fèi)、20%業(yè)績(jī)提成來(lái)推算的話，幻方量化的平均每年的營(yíng)業(yè)收入就是500x0.02+500x0.12x0.2=22億。 但這是基金的全部收入，要扣除掉基金的各種運(yùn)營(yíng)成本之后的盈余，才能投入到AI研發(fā)中。 就算基金運(yùn)營(yíng)和DeepSeek研發(fā)中有很多資源可以共享，每年DeepSeek相關(guān)研發(fā)的支出，應(yīng)該不會(huì)超過(guò)10個(gè)億。 10個(gè)億當(dāng)然不是一個(gè)小數(shù)目，但也是在很多公司的預(yù)算范圍之內(nèi)。 且不說(shuō)像字節(jié)騰訊阿里這樣的頭部大廠，像快手這樣的“腰部”公司，每年的研發(fā)支出也要160多億。 難點(diǎn)在效率 但門(mén)檻不高不等于容易——開(kāi)餐館沒(méi)有門(mén)檻，但有幾個(gè)人能開(kāi)得成功？ AI研發(fā)的真正難點(diǎn)在于效率——如何有效地用好GPU集群進(jìn)行訓(xùn)練和推算，如何有效地對(duì)數(shù)據(jù)進(jìn)行收集、清理和標(biāo)注。 提升效率，不僅是為了降低成本，更是為了縮短研發(fā)周期，提升成功的概率。 更高的效率、更短的周期，才能有更多的對(duì)新想法的嘗試和檢驗(yàn)機(jī)會(huì)，也才會(huì)就有更多的突破機(jī)會(huì)。 結(jié)論：大模型缺乏護(hù)城河 未來(lái)AI發(fā)展的前景，有很大的不確定性。 今天領(lǐng)先的大模型，隨時(shí)可能會(huì)被突然冒出來(lái)的新秀所取代。 而對(duì)于這一點(diǎn)，可能沒(méi)有誰(shuí)比DeepSeek自己更清楚。 所以梁文鋒選擇把DeepSeek充分開(kāi)源，壓注自己的機(jī)構(gòu)組織能力，而不是技術(shù)和資金的壁壘——因?yàn)樗?，這些壁壘并不存在。 而DeepSeek最大的貢獻(xiàn)，可能還不是技術(shù)上，而是在思想上：
AI炒股很難賺錢(qián) 對(duì)于一個(gè)脫胎于量化基金的團(tuán)隊(duì)，能夠在前沿AI領(lǐng)域大放異彩，很多股民的第一反應(yīng)是：面對(duì)這樣的對(duì)手，我們還有什么賺錢(qián)機(jī)會(huì)？ 但其實(shí)，一家量化基金巨頭，決定轉(zhuǎn)戰(zhàn)AI大模型，也可以理解為AI炒股面臨瓶頸的表現(xiàn)。 幻方從2023年開(kāi)始加大對(duì)AI大模型研發(fā)的投入，一方面應(yīng)該是受到2022年底發(fā)布的ChatGPT的激勵(lì)，另一方面也很可能和2021年以來(lái)，基金表現(xiàn)欠佳有關(guān)。 恰恰因?yàn)槭橇炕?/span> DeepSeek橫空出世之后，很多人驚異于一家量化基金，竟然能夠做出挑戰(zhàn)頭部AI大廠的成績(jī)。 但實(shí)際上，量化機(jī)構(gòu)做AI，有著獨(dú)特優(yōu)勢(shì)。 AI研發(fā)的核心難點(diǎn)在效率，而量化基金的核心技術(shù)能力之一，恰恰就是效率。 如果你看過(guò)劉易斯的《高頻交易員》一書(shū)就會(huì)知道，量化基金為了節(jié)約千分之四秒的時(shí)間，可以重鋪一條1300多公里的光纜通訊線。 而在量化基金之中，幻方又是很早就開(kāi)始加大對(duì)AI驅(qū)動(dòng)策略的研究投入。 據(jù)報(bào)道，幻方2019年就購(gòu)入了1100塊GPU，2021年又購(gòu)入1萬(wàn)片A100。 幻方對(duì)于如何優(yōu)化AI訓(xùn)練和推理算法，從來(lái)都不陌生。 梁文鋒本身又是電子工程出身，相對(duì)于單純理論學(xué)科出身的人，更多了一份兼通軟硬件的優(yōu)勢(shì)。 這次DeepSeek所發(fā)表的論文，也是罕見(jiàn)地（相對(duì)AI論文而言）專門(mén)針對(duì)硬件設(shè)計(jì)，進(jìn)行了討論和建議。 從量化投資轉(zhuǎn)戰(zhàn)到AI大模型，很多技術(shù)可以說(shuō)是順滑平移。 由此而言，這次DeepSeek以量化基金背景的脫穎而出，又可以說(shuō)是情理之中。 沒(méi)轉(zhuǎn)化為投資收益優(yōu)勢(shì) 但是，從投資結(jié)果來(lái)看，盡管幻方肯定是屬于國(guó)內(nèi)頭部量化機(jī)構(gòu)，但相對(duì)其他沒(méi)有那么多AI投入的量化機(jī)構(gòu)來(lái)說(shuō)，并沒(méi)有表現(xiàn)出絕對(duì)的收益優(yōu)勢(shì)。 從媒體披露的收益走勢(shì)來(lái)看，幻方基金2016年以來(lái)的表現(xiàn)，確實(shí)是遠(yuǎn)遠(yuǎn)跑贏大盤(pán)。但這些超額收益，主要是在2021年之前創(chuàng)造。  在2021年期間，基金表現(xiàn)出現(xiàn)大幅回撤，甚至導(dǎo)致幻方量化公開(kāi)表示道歉。 在這之后，基金的表現(xiàn)也是波動(dòng)較大。 雖然還是戰(zhàn)勝大盤(pán)，但也僅僅是基本持平。 難點(diǎn)在數(shù)據(jù) 目前備受矚目的這些AI成果，都是基于神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)技術(shù)。 但深度學(xué)習(xí)的核心技術(shù)，已經(jīng)存在了30多年，為什么要到最近10多年里，才能夠大放異彩呢？ 原因在于算力和數(shù)據(jù)的提升。 OpenAI的GPT-3，用了500Gb的文本訓(xùn)練數(shù)據(jù)，而GPT-4更是用了數(shù)萬(wàn)億的標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練。 但在股票市場(chǎng)，如何有5000個(gè)股票，一年交易250天，要交易100年，才會(huì)有1.25億條日交易數(shù)據(jù)。 只有當(dāng)我們把交易數(shù)據(jù)進(jìn)一步細(xì)化到分鐘、秒鐘，甚至單筆時(shí)，才能夠讓交易數(shù)據(jù)量大幅增加，可能滿足到AI訓(xùn)練的需要。 但這時(shí)馬上就會(huì)遇到市場(chǎng)容量的問(wèn)題。 交易時(shí)間跨度越短，交易額就越小，所能夠容納的交易資金量也就越少。 結(jié)論：交易頻率越低，AI優(yōu)勢(shì)越小 如果你是要盯著股票行情實(shí)時(shí)看盤(pán)，高頻交易的話，你的對(duì)手就可能是越來(lái)越聰明的AI對(duì)手，你的賺錢(qián)機(jī)會(huì)就可能越來(lái)越少。 但如果你的投資周期較長(zhǎng)，是以月、以年來(lái)計(jì)算的話，那你就不必為遇到AI對(duì)手而擔(dān)心。 至少以現(xiàn)有的AI技術(shù)，很難有足夠的數(shù)據(jù)訓(xùn)練出值得你害怕的AI對(duì)手。 |
|
|
