DeepSeek引发的AI发展路径思考

李国杰

doi:10.3981/j.issn.1000-7857.2025.02.00183

科技导报 >

2025 , Vol. 43 >Issue 3: 14 - 19

DOI: https://doi.org/10.3981/j.issn.1000-7857.2025.02.00183

科技评论

DeepSeek引发的AI发展路径思考

李国杰

展开

中国科学院计算技术研究所, 北京 100190

李国杰，研究员，中国工程院院士，研究方向为计算机体系结构、并行算法、人工智能、大数据、计算机网络、信息技术发展战略等，电子信箱：lig@ict.ac.cn

收稿日期: 2025-02-03

网络出版日期: 2025-03-07

版权

收起

Thoughts on the DeepSeek triggered path of AI development

Guojie LI

Expand

Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China

Received date: 2025-02-03

Online published: 2025-03-07

Copyright

Fold

摘要

阐述了因DeepSeek横空出世引发的关于AI发展路径的思考。首先解释了为什么DeepSeek会引起全球性的科技震撼，接着讨论了“规模法则”（Scaling Law）是否已遇到天花板、发展“通用人工智能”（AGI）应选择什么道路、发展人工智能应该追求高算力还是高算效（高能效）、“开源”为什么有这么大的威力等问题。最后对中国在人工智能领域的实力提升和如何实现人工智能自立自强提出建议。

关键词： DeepSeek; 通用人工智能; 规模定律; 开源大模型; 低成本

本文引用格式

李国杰 . DeepSeek引发的AI发展路径思考[J]. 科技导报, 2025 , 43(3) : 14 -19 . DOI: 10.3981/j.issn.1000-7857.2025.02.00183

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	DeepSeek-AI , Liu A X , Feng B , et al. DeepSeek-V3 technical report[J]. Computer Science, 2024, DOI

2	DeepSeek-AI , Guo D Y , Yang D J , et al. DeepSeek-R1: Incentivizing reasoning capability in LLMs via reinforcement learning[J]. Computer Science, 2025, DOI

3	Kaplan J , McCandlish S , Henighan T , et al. Scaling laws for neural language models[J]. Computer Science, 2020, DOI

4	Sutton R. The bitter lesson[EB/OL]. (2019-03-13) [2025-02-06]. http://www.incompleteideas.net/IncIdeas/BitterLesson.html.

5	Hinton. 放弃永生的凡人计算[EB/OL]. (2023-06-11) [2025-02-06]. https://cloud.tencent.com/developer/news/1099853.

6	Muennighoff N , Yang Z T , Shi W J , et al. S1: Simple test-time scaling[J]. Computer Science, 2025, DOI

7	Stanford HAI. Artificial Intelligence Index Report 2024[R/OL]. [2025-02-06]. https://aiindex.stanford.edu/report.

Options

文章导航

摘要

本文引用格式

参考文献

联系我们

访问统计

模态框（Modal）标题

摘要

本文引用格式

参考文献

联系我们

访问统计