王砚（Frank Wang），Salesforce AI研究院首席研究工程师，拥有近 20 年软件工程经验，前沿AI研究与产品开发领导者，在AI、移动及Web 技术领域拥有多项专利和奖项。曾在Salesforce牵头AI计划（Atlas），专注于定制 LLM、AI Agent、RAG及知识智能；领导 Salesforce Industries低代码平台及行业专属移动应用开发；Vlocity 创始员工兼移动工程负责人（公司后被 Salesforce 收购）。
内容提要
00:00:00 - 介绍嘉宾王砚，他是一位硅谷的工程师，目前从事AI领域的工作。本次对话的核心围绕中国AI公司DeepSeek的影响展开，特别是其最新发布的AI模型R1对市场带来的冲击。主持人指出，DeepSeek的发布导致美股科技板块剧烈震荡，包括英伟达、台积电等巨头的股价大跌，投资者开始重新审视AI领域的竞争格局。嘉宾介绍了DeepSeek的技术定位，其模型对标的是OpenAI的GPT-4o，但在推理能力和成本方面具有显著优势。
00:06:30 - 讨论DeepSeek的技术架构及训练成本的低廉性。嘉宾指出，DeepSeek R1的训练费用仅为550万美元，而GPT-4o的训练成本远高于此，这一巨大差异引发了市场广泛关注。进一步探讨DeepSeek如何在有限的硬件资源下实现高效训练，包括CEO梁万峰提前囤积A100 GPU，以绕过美国的芯片出口限制。市场对DeepSeek的低成本高性能模型感到震惊，尤其是它的计算需求仅使用较低端的H800芯片，却能达到令人惊讶的推理效果。这一现实让市场重新思考AI训练的成本结构，并质疑现有企业在AI研发上的高额投入是否必要。
00:13:00 - 讨论DeepSeek的影响是否被市场过度解读，以及美国科技行业的应对方式。嘉宾认为，市场的恐慌情绪虽然有一定道理，但可能被夸大。美国科技界过去一直忽视中国在AI领域的快速发展，而DeepSeek的出现像是一次“惊醒时刻”（Sputnik Moment），促使硅谷重新审视全球竞争格局。主持人提到，川普在相关言论中表示，AI成本降低并非坏事，同时也敦促美国科技企业不要过度自满，而是要增强竞争力。嘉宾还探讨了AI的发展模式，强调创新往往是被限制所驱动的，DeepSeek的成功正是因为其在有限资源下找到了一种不同的方法。
00:19:30 - 深入探讨DeepSeek采用的训练策略，特别是其如何利用强化学习（Reinforcement Learning）来降低人工标注数据的成本。嘉宾解释，DeepSeek放弃了传统的监督学习（Supervised Learning）模式，而是采用了一种更高效的自监督学习方法，使得训练数据的需求大幅减少，同时保持模型的高质量。与之相比，Scale AI等公司依赖人工数据标注的商业模式可能会受到冲击，AI训练行业的生态正在发生变化。此外，讨论了AI学习机制与人类学习的相似性，例如儿童如何通过反馈机制学会走路，并类比AI如何在强化学习过程中自我优化。
00:26:00 - 讨论AI技术的普及对硅谷科技从业者的影响，以及未来职业发展的方向。嘉宾认为，尽管DeepSeek的出现引发市场震动，但从长远来看，这对整个行业是有益的。许多科技公司已开始研究如何在DeepSeek的基础上进行优化和创新，AI技术的门槛降低反而有助于推动更广泛的应用。讨论AI在企业中的应用，强调未来软件行业的模式将因AI的进步而发生重大变化，例如智能体（AI Agent）的发展，使得许多重复性任务可以被自动化完成。此外，探讨AI如何影响教育领域，认为未来学习的核心不是掌握某个特定技能，而是培养分析问题和提出正确问题的能力。
00:33:30 - 讨论AI竞争的地缘政治影响，特别是DeepSeek如何被视为中国在科技竞赛中的一次重大突破。主持人提到，许多西方媒体将其形容为“AI版的斯普特尼克时刻”，即类似于冷战时期苏联发射人造卫星对美国的冲击。这种竞争促使各国政府加大对AI的投资，中国计划投资1万亿人民币，而美国则宣布了一项5000亿美元的AI投资计划。嘉宾分析，美国科技界对中国AI的发展仍存在偏见，但这次事件可能会促使美国重新调整AI政策，加强创新和产业支持。同时，讨论了AI技术封锁的有效性，嘉宾认为，知识的传播和市场的驱动力决定了技术最终难以被封锁，全球AI竞争的核心仍然是人才和创新能力。最后，嘉宾总结认为，AI技术的发展不仅是经济和科技竞争，更涉及人类社会如何定义“真、善、美”，AI的发展方向最终将取决于人类的价值观和选择。