2025年DeepSeek之火可以燎原报告-浙江大学（朱朝阳）
报告围绕浙江大学DeepSeek展开，探讨其成功因素、面临争议、应用方法及人工智能发展相关思考。
1. DeepSeek成功因素
语料优势：总语料规模达14.8万亿token，涵盖多领域，中文语料占3% ，含2.3亿字精校古典文献，通过独特分词算法增强对成语、典故理解；对比ChatGPT，中文语料占比高且质量优。
技术创新：在算力优化、算法革新、架构创新方面突破。打破CUDA标准库壁垒，为非英伟达芯片提供机会；采用思维链提升逻辑性能；运用知识蒸馏+MOE，证明小规模高质量数据优势。
2. DeepSeek争议探讨
知识蒸馏：技术将大型模型知识迁移到小型模型，存在是抄袭还是创新的争议。抄袭是对他人成果不恰当使用，创新则基于已有成果创造新事物，知识蒸馏在不同视角下有不同定性。
资源与效率：有人认为人工智能是吞噬资源的黑洞，如Grok3消耗大量GPU资源；也有人认为其能实现智能决策、提高效率且低能耗，像DeepSeek在资源利用上相对高效。
3. 人工智能发展思考
道与术关系：“道”是规律、本源，“术”是方法、技巧。人工智能发展需掌握规律，寻求合适方法，“道生一智能”，“智”是算法，“能”是能力扩展，还需考虑伦理安全。
伦理安全困境：人工智能面临诸多伦理问题，如电车困境、算法偏见、AIGC幻觉等，需要在发展中寻找平衡，解决这些问题。
4. DeepSeek私有化应用
增强本地能力方案：微调针对特定任务，依赖高质量标注数据；检索增强生成可动态检索知识，适合数据频繁更新场景；提示词工程通过设计提示引导模型输出。
部署与微调技术：介绍本地部署检索增强（RAG）的步骤，包括安装Ollama、Cherry Studio，下载相关模型并配置；还介绍LoRA、Backbone等微调技术及基于LLaMA - Factory的轻代码微调方法。
免责声明：我们尊重知识产权、数据隐私，只做内容的收集、整理及分享，报告内容来源于网络,报告版权归原撰写发布机构所有，通过公开合法渠道获得，如涉及侵权，请及时联系我们删除，如对报告内容存疑，请与撰写、发布机构联系