BV1LMoRBRE2r · 请不要叫我梁同学1 00:00:00,000 --> 00:00:00,600 朋友们 2 00:00:00,600 --> 00:00:02,879 在中国的人工智能领域啊 3 00:00:02,879 --> 00:00:06,379 其实正在发生一场你可能还没太注意到的革命 4 00:00:06,379 --> 00:00:09,119 所以今天咱们就来聊聊这场变革的核心 5 00:00:09,119 --> 00:00:11,460 一家叫深度求索的公司 6 00:00:11,460 --> 00:00:13,220 还有他刚刚发布的一个 7 00:00:13,220 --> 00:00:16,250 可能要改变整个游戏规则的新模型 8 00:00:16,250 --> 00:00:18,910 要说这下一场人工智能革命啊 9 00:00:18,910 --> 00:00:21,089 可能真的跟你想的不太一样 10 00:00:21,089 --> 00:00:24,489 就在所有人的目光都还盯着硅谷的时候 11 00:00:24,489 --> 00:00:25,789 一场关于效率 12 00:00:25,789 --> 00:00:30,320 关于成本的技术风暴其实正在东方悄悄地上演 13 00:00:30,320 --> 00:00:34,799 就在不久前的2024年4月24日 14 00:00:34,799 --> 00:00:37,649 一个新的竞争者正式登场 15 00:00:37,649 --> 00:00:40,829 它的名字就叫deep seek v4 16 00:00:40,829 --> 00:00:41,890 说实话 17 00:00:41,890 --> 00:00:45,149 这个发布事件就是我们今天分析的核心 18 00:00:45,149 --> 00:00:49,270 因为它很可能会对全球人工智能的现有格局 19 00:00:49,270 --> 00:00:51,549 产生非常深远的影响 20 00:00:51,549 --> 00:00:54,750 喏这位来自中国的人工智能新选手 21 00:00:54,750 --> 00:00:56,310 他到底是什么来头 22 00:00:56,310 --> 00:00:59,460 咱们这就来深入地看一看TFCV4 23 00:00:59,460 --> 00:01:03,079 这次一亮相就直接拿出了两个版本 24 00:01:03,079 --> 00:01:06,228 首先是他的旗舰级选手V4pro 25 00:01:06,228 --> 00:01:09,569 参数量达到了惊人的1.6万亿 26 00:01:09,569 --> 00:01:14,069 然后呢还有一个更小更快的版本叫V4flash 27 00:01:14,069 --> 00:01:16,849 参数规模是2840亿 28 00:01:16,849 --> 00:01:20,109 你看这两种模型虽然设计目的不一样 29 00:01:20,109 --> 00:01:22,719 但毫无疑问都非常强大 30 00:01:22,719 --> 00:01:25,560 但是真正让整个行业都为之一振的 31 00:01:25,560 --> 00:01:27,959 其实还不仅仅是他这个参数规模 32 00:01:27,959 --> 00:01:31,019 而是它背后所代表的一场效率革命 33 00:01:31,019 --> 00:01:34,370 这才是deep sick v4真正厉害的地方 34 00:01:34,370 --> 00:01:36,560 那大家肯定会好奇了 35 00:01:36,560 --> 00:01:39,359 他们到底是怎么做到这么高效的呢 36 00:01:39,359 --> 00:01:42,219 这背后是不是有什么技术上的秘密 37 00:01:42,219 --> 00:01:46,530 来我们一起来探究一下他的秘密武器呀 38 00:01:46,530 --> 00:01:49,530 就藏在这几个关键技术里 39 00:01:49,530 --> 00:01:51,010 我们重点看第一个 40 00:01:51,010 --> 00:01:54,909 这个听起来有点复杂的混合注意力机制 41 00:01:54,909 --> 00:01:58,170 说白了它就是一种全新的方法 42 00:01:58,170 --> 00:02:02,010 能特别高效的去压缩人工智能的短期记忆 43 00:02:02,010 --> 00:02:04,870 也就是我们技术上常说的那个KV缓存 44 00:02:04,870 --> 00:02:06,769 正是这项核心技术 45 00:02:06,769 --> 00:02:09,349 让他在保持强大能力的同时 46 00:02:09,349 --> 00:02:13,120 把资源消耗给降到了一个难以置信的水平 47 00:02:13,120 --> 00:02:15,159 这张表格就非常直观了 48 00:02:15,159 --> 00:02:18,159 清楚地展示了这次的技术飞跃有多大 49 00:02:18,159 --> 00:02:19,400 你先看上下文 50 00:02:19,400 --> 00:02:19,939 长度 51 00:02:19,939 --> 00:02:22,840 直接从160000token跳到了100万 52 00:02:22,840 --> 00:02:24,439 但真正吓人的是 53 00:02:24,439 --> 00:02:25,969 下面这两行单 54 00:02:25,969 --> 00:02:28,990 令盘吹理的计算量和KV款纯占用 55 00:02:28,990 --> 00:02:31,319 这个降幅简直是断崖式的 56 00:02:31,319 --> 00:02:32,120 V 4pro 57 00:02:32,120 --> 00:02:34,000 只需要它上一代V3.2 58 00:02:34,000 --> 00:02:37,400 不到13的计算量和仅仅10percent的内存 59 00:02:37,400 --> 00:02:38,699 这是什么概念啊 60 00:02:38,699 --> 00:02:41,060 这张图表就更生动了 61 00:02:41,060 --> 00:02:44,039 大家看代表V4的两条蓝线 62 00:02:44,039 --> 00:02:47,979 远远地跑在代表V3.2的灰色虚线下面 63 00:02:47,979 --> 00:02:51,800 这就意味着在处理同样长度的文本时 64 00:02:51,800 --> 00:02:55,479 新模型的计算量和内存占用都要低得多 65 00:02:55,479 --> 00:02:59,399 说白了就是用一小部分资源办了更大事 66 00:02:59,399 --> 00:03:02,859 为了让大家对这种效率有个更具体的感受 67 00:03:02,859 --> 00:03:04,639 我们再看这张图 68 00:03:04,639 --> 00:03:07,219 如果我们把V3.2的内存占用 69 00:03:07,219 --> 00:03:09,099 看作一个完整的大饼 70 00:03:09,099 --> 00:03:12,020 那么新模型V4flash的KV缓存 71 00:03:12,020 --> 00:03:13,740 只占了其中的七本书 72 00:03:13,740 --> 00:03:17,729 就算是更强的V4pro也只占了十本书 73 00:03:17,729 --> 00:03:19,189 这意味着什么呢 74 00:03:19,189 --> 00:03:22,349 意味着绝大部分的内存都被节省下来了 75 00:03:22,349 --> 00:03:24,270 这就为未来那些更广泛 76 00:03:24,270 --> 00:03:26,969 更复杂的应用打开了想象空间 77 00:03:26,969 --> 00:03:30,849 好技术上的突破最终还是要落到市场上来 78 00:03:30,849 --> 00:03:32,870 那接下来我们就得聊聊钱了 79 00:03:32,870 --> 00:03:35,909 看看deep sc v four的性价比到底怎么样 80 00:03:35,909 --> 00:03:37,770 首先咱们来看价格 81 00:03:37,770 --> 00:03:40,469 这张图表我觉得都不用我多说了 82 00:03:40,469 --> 00:03:41,569 一目了然 83 00:03:41,569 --> 00:03:42,930 Deep seek v four 84 00:03:42,930 --> 00:03:47,689 flash和v four pro的定价跟GBT4这种大模型一比 85 00:03:47,689 --> 00:03:49,519 简直就是白菜价 86 00:03:49,519 --> 00:03:51,519 这已经不只是便宜了 87 00:03:51,519 --> 00:03:55,459 这完全是在搞一场大规模的价格颠覆啊 88 00:03:55,459 --> 00:03:56,699 那问题来了 89 00:03:56,699 --> 00:03:57,859 价格这么低 90 00:03:57,859 --> 00:03:59,618 性能会不会打折扣呢 91 00:03:59,618 --> 00:04:02,569 我们马上来看这张性能排行榜 92 00:04:02,569 --> 00:04:03,530 你会发现 93 00:04:03,530 --> 00:04:07,620 deep seek v4pro在这项衡量智能体性能的测试里 94 00:04:07,620 --> 00:04:09,419 稳稳地排在第一梯队 95 00:04:09,419 --> 00:04:12,360 甚至超过了一些我们耳熟能详的模型 96 00:04:12,360 --> 00:04:14,569 这一点就非常关键了 97 00:04:14,569 --> 00:04:19,009 所以你看这么一套低价高能的组合拳打出来 98 00:04:19,009 --> 00:04:21,449 正在撼动整个市场 99 00:04:21,449 --> 00:04:24,990 本来就已经打得很激烈的KIMIQ文 100 00:04:24,990 --> 00:04:26,250 这些竞争对手 101 00:04:26,250 --> 00:04:30,240 现在又得面对一个更强大的搅局者了 102 00:04:30,240 --> 00:04:30,839 好的 103 00:04:30,839 --> 00:04:31,959 我们已经看到了 104 00:04:31,959 --> 00:04:35,038 deep sick在模型层面强大的竞争力 105 00:04:35,038 --> 00:04:36,978 但是一个模型的发布 106 00:04:36,978 --> 00:04:39,798 它的影响绝不只是模型本身 107 00:04:39,798 --> 00:04:42,879 他会怎么去撼动整个产业生态呢 108 00:04:42,879 --> 00:04:45,360 我们来看看高盛是怎么分析的 109 00:04:45,360 --> 00:04:48,240 他们关注的正是这种技术变化带来的 110 00:04:48,240 --> 00:04:50,240 更广泛的经济影响 111 00:04:50,240 --> 00:04:53,620 这一句话直接点明了核心观点 112 00:04:53,620 --> 00:04:55,339 高盛的研究报告说 113 00:04:55,339 --> 00:04:58,160 他们继续把云计算和数据中心 114 00:04:58,160 --> 00:05:00,980 看作是首选的投资子行业 115 00:05:00,980 --> 00:05:01,579 诶 116 00:05:01,579 --> 00:05:02,699 为什么呢 117 00:05:02,699 --> 00:05:06,120 一个模型发布怎么就利好云计算了 118 00:05:06,120 --> 00:05:08,769 这张人工智能技术站的图 119 00:05:08,769 --> 00:05:10,649 可以帮我们理清这个思路 120 00:05:10,649 --> 00:05:12,410 你看deep cv4 121 00:05:12,410 --> 00:05:16,120 这样的创新是发生在最顶层的模型层 122 00:05:16,120 --> 00:05:19,600 但是当模型变得又好又便宜的时候 123 00:05:19,600 --> 00:05:22,110 就会催生出海量的应用 124 00:05:22,110 --> 00:05:25,910 而所有这些应用都需要底层的基础建设 125 00:05:25,910 --> 00:05:27,839 侍从来提供算力 126 00:05:27,839 --> 00:05:29,980 所以顶层易创新 127 00:05:29,980 --> 00:05:34,240 就会极大地推动底层算力需求的爆发式增长 128 00:05:34,240 --> 00:05:37,939 我们来把这个投资逻辑啊再梳理一遍 129 00:05:37,939 --> 00:05:43,110 首先更高效的AI模型会带来更广泛的应用 130 00:05:43,110 --> 00:05:47,310 然后呢海量的应用会创造出对AI token 131 00:05:47,310 --> 00:05:50,418 也就是模型使用量的巨大需求 132 00:05:50,418 --> 00:05:54,678 而这种需求对于那些提供底层计算能力的公司 133 00:05:54,678 --> 00:05:57,579 比如说云计算和数据中心服务商 134 00:05:57,579 --> 00:05:59,720 就是一个巨大的增长机会 135 00:05:59,720 --> 00:06:01,779 高盛的报告里也特别提到了 136 00:06:01,779 --> 00:06:04,990 几家在这个领域值得关注的关键公司 137 00:06:04,990 --> 00:06:08,449 那么在这场如此激烈的人工智能竞赛里 138 00:06:08,449 --> 00:06:11,158 到底谁会成为最终的赢家呢 139 00:06:11,158 --> 00:06:14,870 目前来看哈市场上主要有两类玩家 140 00:06:14,870 --> 00:06:18,649 一类呢就像deep sick和mini max这样的独立公司 141 00:06:18,649 --> 00:06:20,649 他们的优势就是效率高 142 00:06:20,649 --> 00:06:22,579 决策快船小好掉头 143 00:06:22,579 --> 00:06:25,100 另一类就是像阿里巴巴和腾讯 144 00:06:25,100 --> 00:06:26,500 这样的互联网巨头 145 00:06:26,500 --> 00:06:29,000 他们有庞大的现金流和基础设施 146 00:06:29,000 --> 00:06:32,079 能够牢牢抓住云计算带来的机会 147 00:06:32,079 --> 00:06:36,459 这两股力量之间正在激烈的竞争与合作 148 00:06:36,459 --> 00:06:40,120 而且这还不只是中国内部的竞争 149 00:06:40,120 --> 00:06:43,769 我们来看看open router这个平台上的数据 150 00:06:43,769 --> 00:06:46,310 这可是衡量全球开发者 151 00:06:46,310 --> 00:06:49,279 API使用量的一个重要风向标 152 00:06:49,279 --> 00:06:53,298 大家看这些用红色标记出来的中国模型 153 00:06:53,298 --> 00:06:56,738 在全球token使用量排行榜上的名次 154 00:06:56,738 --> 00:06:58,619 正在不断的往上爬 155 00:06:58,619 --> 00:06:59,750 这说明什么 156 00:06:59,750 --> 00:07:04,430 说明他们的全球影响力正在肉眼可见的增加 157 00:07:04,430 --> 00:07:07,970 那么让我们回到最初的那个问题 158 00:07:07,970 --> 00:07:11,428 在这场全球性的人工智能竞赛中 159 00:07:11,428 --> 00:07:14,869 最后胜出的到底是技术最复杂的 160 00:07:14,869 --> 00:07:17,819 还是成本效率最高的技术呢 161 00:07:17,819 --> 00:07:20,259 deep sick v4的横空出世 162 00:07:20,259 --> 00:07:23,100 无疑为这个问题增添了新的变数 163 00:07:23,100 --> 00:07:26,420 也让这场比赛的未来变得更有意思了 164 00:07:26,420 --> 00:07:28,680 值得我们持续关注
评论采集失败
采集完成，该视频无弹幕