DeepSeek如何冲击开源AI生态格局

大约一年前，我写过一篇文章《本地 LLM 的崛起？》，反响很好。现在正是重新审视这个观点的绝佳时机——尤其是最近发生的一系列事件表明，开源 AI 正在超越专有模型。

第一章：AI、全球政治与控制权之争 🏛️🤖

从很多方面来看，如今的 AI 正受到类似当年洛斯阿拉莫斯原子弹计划的对待。如果你读过 Parmy Olson 的《Supremacy》，就会发现一种似曾相识的模式：一群研究人员坚信自己正在“拯救世界”，并以此为动力不断前进。

区别是什么？这一次，竞相制造下一颗原子弹的不是各国政府，而是企业。如果说互联网的历史教会了我们什么，那就是：金钱比其他任何东西都重要。💰

科技巨头正在争夺绝对控制权。想象一下，如果世界上只有美国拥有核武器，历史还会以相同的方式发展吗？现在，把这个问题套用到 AI 上。

任何技术的早期原型都很昂贵，也需要消耗大量资源。但最终，其他人会迎头赶上，让它变得更便宜、更高效。我们已经在太空探索领域见证过这一过程（🚀 SpaceX、ISRO），现在 AI 领域也在上演同样的故事——DeepSeek 正在证明，本地模型同样能够挑战行业巨头。而这一切才刚刚开始。

DeepSeek 的将军一击 ♟️

除非你这段时间一直处于昏迷状态，否则现在大概已经听说过 DeepSeek。但让美国股市蒸发 1 万亿美元的原因，并不只是它登上了 Apple Store 排行榜第一名。📉

真正的原因要重大得多：

DeepSeek 成了首个开源推理模型。🏆

我们见过美国封禁 TikTok，并将其称为“中国间谍应用”，但 DeepSeek 不一样。不信任它？那就在本地运行。

仍然担心它是中国的间谍工具？去读研究论文，然后训练你自己的模型。

真正令人震惊的是什么？OpenAI、Google 和 Microsoft 等公司已经在 AI 研发上投入了数十亿美元，但 DeepSeek 的成功证明：无需使用 NVIDIA 昂贵的芯片，只需不到 1,000 万美元，就能打造出最先进的 AI。这改变了一切。

OpenAI 已经指控 DeepSeek 使用其模型训练自己的 AI。这场风波才刚刚开始。未来几周，可以预见美国会尝试一切手段来贬低 DeepSeek 的成就。

但我们应该看到更大的图景：

开源 AI 社区对此欢欣鼓舞。Meta 的 Yann LeCun 等知名人士，以及 Linux Foundation 等组织，都公开赞扬了 AI 向去中心化发展的趋势。许多开发者和独立研究人员也纷纷涌入论坛和社交媒体，庆祝这股 AI 民主化的新潮流，以及它为全球协作带来的潜力。未来几个月，我们将看到更多高效、低成本且人人可用的模型——记住我的话。🔥

就在最近，Alibaba 又发布了一个强大的开源 LLM：🚀 Qwen 2.5 Max

Moonshot AI 也发布了：🌙 Kimi Ki 1.5

“本月底之前还会出现另一个 DeepSeek，今年美国乃至全球还会出现更多。”——Linux Foundation 执行董事 Jim Zemlin

这将成为新常态。开源 AI 不会消失。说实话，它本来就应该如此。🏆

革命并非即将到来……它已经发生了 🚀

本地 LLM 的崛起不可避免。政府和企业或许会尝试控制 AI，但开源社区已经证明：AI 属于每一个人。

争论的另一面

在 Parmy Olson 的《Supremacy》中，DeepMind 团队曾担心 Google 会将他们的 AI 技术用于美国军方。当时，整个公司爆发了抗议，该项目最终也被关闭。

时间来到今天：在以色列与加沙的冲突期间，有报道称 Google 曾向以色列军方提供 AI 支持。与此同时，AI 也被用于乌克兰与俄罗斯的冲突，双方都在利用 AI 驱动的战略。

现实已经非常清楚——没有什么能够阻止 AI 被用于战争。我们已经生活在那个未来之中。可以查看这段视频，进一步了解相关内容。

这也再次说明，类似的技术绝不能被某个国家或某支军事力量单独控制。开源 AI 能够确保知识与技术进步得到广泛传播，而不是被囤积起来，成为争夺地缘政治霸权的工具。

第二章：为什么运行在你自己硬件上的开源 AI 模型才是未来？💻🚀

隐私显然是选择在本地运行 AI 模型的一个原因，但说实话——每天都有数十亿用户主动在 Instagram、YouTube 和 TikTok 上分享自己的数据。因此可以认为，大多数人其实已经不再关心隐私了。

但这并不是本地 AI 代表未来的唯一原因。下面来看看几个关键因素。

1. 成本因素 💰

根据这篇文章，以下是 ChatGPT 最常见的使用场景：

• 📚 作业辅助
• 💬 个人建议与沟通
• 🌍 旅行与生活方式
• 🔞 性相关内容（尝试失败 🤦‍♂️）

除了最后一项（编程），你真的需要用最先进的推理模型来完成这些任务吗？当然不需要。

与其为昂贵的 AI 订阅付费，不如使用 Jan AI 等工具，在本地运行更小的模型——完全免费！

如果你的目的只是用 AI 满足性幻想，看在上帝的分上，至少也该使用一个专门为此微调过的模型。😂

节省 AI 编程助手的费用 🧑‍💻

在编程方面，DeepSeek R1 现在已经可以在本地运行，足以成为 GitHub Copilot 或 Cursor 的可靠替代品。这意味着你可以取消订阅，同时继续获得顶级的 AI 辅助。

🚀 可以查看这篇 Dev.to 文章，了解如何在 Visual Studio Code 中完成配置——或者，如果你喜欢冒险，也可以在 5 分钟内构建自己的 AI 插件！

2. 环境影响 🌱⚡

你知道吗？ChatGPT 单次查询消耗的能源，是本地 LLM 生成一次回答所需能源的 10～100 倍。这是因为云端 AI 模型依赖全天候运行的庞大计算集群。

相比之下，在笔记本电脑上运行一个经过量化的 7B LLM，只会消耗 20～50W 的功率——大致相当于浏览网页。

为了更直观地理解这种差异，下面进行并列比较：

🔋 能耗

🌍 哪一种方式更可持续？

可以在这里进一步了解 AI 对环境的影响。

所以下次当你只是想让云端 LLM 扮演中世纪骑士，或者写一首关于前任的诗时，或许应该三思。😏

3. 速度与延迟 🚀

本地 AI 模型最大的优势之一就是速度。当你在自己的硬件上运行 LLM 时，几乎可以立即得到响应，因为：

• ✅ 没有网络延迟——数据无需在本地与远程服务器之间来回传输。
• ✅ 可以绕过 API 限制——没有速率限制，也不会被限流。
• ✅ AI 能以硬件允许的最快速度响应——无需等待拥堵的云端服务器。

直接构建运行在消费级硬件上的小型应用，而不是依赖 Cloud APIs，速度更快，成本也更低。

综合成本节省、隐私和可持续性等因素，在自己的硬件上运行本地 AI 已经不只是一种极客式的替代方案——它就是未来。

我知道这令人兴奋，但很多人会指出，硬件要求仍然是一项瓶颈——这一点我并不否认。并不是每个人都买得起能够离线运行这些模型的高端 GPU。但硬件正在快速发展，很快，这将不再是一个限制。

以 Apple 新款 Mac Mini M4 为例，它以相对合理的价格提供了一颗具备出色 AI 能力的芯片。与此同时，NVIDIA 也在努力让自己的芯片变得更加高效、更容易获得，因为它知道 AI 的未来不仅存在于数据中心，也存在于人们日常使用的设备之中。

很快，AI 将不再只是你通过 Cloud API 访问的某种服务——它会被嵌入普通的笔记本电脑、手机，甚至 IoT 设备中。另一方面，LLM 也在针对今天的硬件进行越来越深入的优化，让我们无需超级计算机也能运行强大的 AI。

DeepSeek 的故事证明，未来并不属于某个占据统治地位的单一 AI，也不属于一个无所不能的 AGI（Artificial General Intelligence，通用人工智能）。相反，未来属于相互协作的专用模型——你可以针对具体任务挑选最合适的模型，并在其之上构建应用。

我们正在进入多模态 AI 系统的时代。应用会组合多个专业化 AI 模型，创造出远比单一、庞大的 AI 更加强大的能力。

除此之外，我们还看到了以下趋势：

• 端侧 AI 加速 🚀——智能手机、游戏主机和边缘设备正在集成专用 NPU（Neural Processing Units，神经网络处理器），以极低的功耗在本地运行 AI。
• 开源硬件计划 🏗️——RISC-V AI 芯片等项目正在推动价格合理的开放式 AI 处理单元，从而摆脱对专有芯片的依赖。
• Federated AI 🌍——让 AI 模型在多个去中心化设备上共同训练，在保护隐私的同时提升效率。
• 节能型 AI ⚡——专为最低硬件配置设计的低功耗 AI 模型正在兴起，同时还能实现最先进的性能。
• AI 压缩与量化 📉——这些技术可以显著减小模型体积和计算需求，让普通日常设备也能使用高质量 AI。
• 社区驱动的创新 🤝——开源开发者不断改进并分享模型，确保任何一家企业都无法垄断 AI。

下一篇文章即将探讨：

• 🔥 如何开始使用本地 AI 模型
• 💡 如何利用离线模型构思你自己的开源 AI 项目

这难道不令人兴奋吗？你怎么看本地 AI？欢迎在评论区讨论！🌟 你会尝试使用本地 AI 模型吗？脑海中有没有什么有趣的想法？在下方留言吧——我洗耳恭听！

如果你想讨论项目创意、需要一些指导，或者只是想聊聊 AI，可以在 Twitter 上联系我：@sarthology。让我们一起打造一些很酷的东西！🚀

如果你还想采取进一步行动，可以考虑屏蔽此人和／或举报滥用行为。