太平洋科技要聞

首頁 > 科技要聞 > 科技> 正文

硅谷掀桌！DeepSeek遭OpenAI和Anthropic圍剿，美國網(wǎng)友都看不下去了

量子位整合編輯：太平洋科技發(fā)布于：2025-01-31 10:24

頂級“禮遇”。

一覺醒來，OpenAI和Claude母公司都對DeepSeek出手了。

據(jù)《金融時報》消息，OpenAI表示已經(jīng)發(fā)現(xiàn)證據(jù)，證明DeepSeek利用他們的模型進(jìn)行訓(xùn)練，這涉嫌侵犯知識產(chǎn)權(quán)。

具體來說，他們發(fā)現(xiàn)了DeepSeek“蒸餾”O(jiān)penAI模型的跡象。即使用更大模型的輸出來提高較小模型的性能，從而以較低成本在特定任務(wù)上取得類似結(jié)果。

微軟也開始調(diào)查DeepSeek是否使用OpenAI的API。

消息一出，最先迎來的是一波嘲諷。

紐約大學(xué)教授馬庫斯率先開噴：

OpenAI：我們需要免費用所有藝術(shù)家和作家的作品訓(xùn)練模型，這樣我們就可以省下錢去起訴DeepSeek公然偷我們東西啦！

知名技術(shù)媒體404 Media創(chuàng)始人及主編Jason也直接在文章里貼臉開大，暗諷OpenAI只許州官放火。

先容我笑一會兒哈哈哈哈哈哈。真是令人難以置信的諷刺啊，OpenAI一直以“未經(jīng)授權(quán)的方式”獲取大量數(shù)據(jù)，也違反了一些組織的條款規(guī)定，結(jié)果現(xiàn)在他們卻在指責(zé)自己的做法。

而另一邊，Claude母公司Anthropic創(chuàng)始人Dario Amodei洋洋灑灑發(fā)了一篇長文大談DeepSeek。

他表示，說DeepSeek構(gòu)成威脅太夸張了，“也就是我們7-10個月前的水準(zhǔn)”，Claude 3.5 Sonnet在許多內(nèi)部和外部評估中依舊遙遙領(lǐng)先。

不過為了保持領(lǐng)先，我建議我們是不是得設(shè)置更多掣肘？

好家伙，為了圍剿DeepSeek，競對OpenAI和Anthropic罕見都罕見聯(lián)手了。

相比之下，微軟的做法就耐人尋味了許多。

就在指控DeepSeek涉嫌侵權(quán)之后幾個小時后，微軟的AI平臺上接入了DeepSeek模型。

網(wǎng)友：俗話說，否認(rèn)是接受的第一步。

AI領(lǐng)域常見技術(shù)，但違反OpenAI條款

各方消息匯總來看，微軟和OpenAI對DeepSeek的質(zhì)疑還處于調(diào)查中。

根據(jù)微軟工作人員的說法，DeepSeek可能在去年秋天調(diào)用了OpenAI的API，這可能導(dǎo)致數(shù)據(jù)泄露。

按照OpenAI的服務(wù)條款規(guī)定，任何人都可以注冊使用OpenAI的API，但是不能使用輸出數(shù)據(jù)訓(xùn)練對OpenAI造成競爭威脅的模型。

OpenAI告訴《金融時報》，他們發(fā)現(xiàn)了一些模型蒸餾的證據(jù)，他們懷疑這是DeepSeek的所作所為。

目前，OpenAI拒絕進(jìn)一步置評，也不愿提供證據(jù)細(xì)節(jié)。

那么不妨先來看看，引發(fā)爭議的模型蒸餾是什么。

它是一種模型壓縮技術(shù)，通過將一個復(fù)雜的、計算開銷大的大模型（稱為教師模型）的知識“蒸餾”到一個更小、更高效的模型（稱為學(xué)生模型）。
這個過程的核心目標(biāo)是讓學(xué)生模型在輕量化的同時，盡量保留教師模型的性能。

在諾獎得主、深度學(xué)習(xí)之父Hinton的論文《Distilling the Knowledge in a Neural Network》中指出：

蒸餾對于將知識從集成或從大型高度正則化模型轉(zhuǎn)移到較小的蒸餾模型非常有效。

比如Together AI前段時間的工作，就是把Llama 3蒸餾到Mamba，實現(xiàn)推理速度最高提升1.6倍，性能還更強。

IBM對知識蒸餾的文章中也提到，大多數(shù)情況下最領(lǐng)先的LLM對計算、成本提出太高要求……知識蒸餾已經(jīng)成為一種重要手段，能將大模型的先進(jìn)能力移植到更小的（通常是）開源模型中。因此，它已經(jīng)成為生成式AI普惠化的一個重要工具。

在行業(yè)內(nèi)，一些開源模型的服務(wù)條款允許蒸餾。比如Llama，DeepSeek此前也在論文中表示使用了Llama。

而且關(guān)鍵是，DeepSeek R1并非只是簡單蒸餾模型，OpenAI首席科學(xué)家Mark Chen表示：

DeepSeek獨立發(fā)現(xiàn)了OpenAI在實現(xiàn)o1過程中所采用的一些核心理念。

同時他也認(rèn)可了DeepSeek在成本控制上的工作，并提到蒸餾技術(shù)的趨勢，表示OpenAI也在積極探索模型壓縮和優(yōu)化技術(shù)，降低成本。

所以總結(jié)一下，模型蒸餾技術(shù)在學(xué)術(shù)界、工業(yè)界都非常普遍且被認(rèn)可，但是違反OpenAI的服務(wù)條款。

這河貍嗎？不知道。

但問題是，OpenAI自己本身在合規(guī)性上也大有問題。

（眾所周知）OpenAI訓(xùn)練模型把互聯(lián)網(wǎng)上的數(shù)據(jù)扒了個干凈，這其中除了免費公開的知識內(nèi)容外，還包含大量有版權(quán)的文章作品。

2023年12月，《紐約時報》以侵犯知識產(chǎn)權(quán)為由，將微軟OpenAI一起告上法庭。目前這個官司還沒有最終判定結(jié)果，OpenAI這一年時間里就自己的行為向法院進(jìn)行多次解釋。

包括但不限于：

1、使用公開可獲得的互聯(lián)網(wǎng)資料訓(xùn)練AI模型是合理的，這在AI領(lǐng)域內(nèi)有諸多先例，我們認(rèn)為這對創(chuàng)作者是公平的，對于創(chuàng)新是必要的。

2、長期以來，版權(quán)著作被非商業(yè)性使用（比如訓(xùn)練大模型）是受到合理保護(hù)的。

3、大語言模型的關(guān)鍵是Scaling，這意味著任何單獨被盜的內(nèi)容都不足以支撐訓(xùn)練出一個大語言模型，這正是OpenAI模型為何領(lǐng)先。

也就是說，OpenAI本身都在違規(guī)使用《紐約時報》的數(shù)據(jù)訓(xùn)練閉源、商業(yè)化的大模型�，F(xiàn)在他們要以違規(guī)為由，調(diào)查打造系列開源模型的DeepSeek。

再退一步，OpenAI如今的成就也是建立在谷歌的基礎(chǔ)上（Transformer架構(gòu)由谷歌提出），谷歌的成就是站立在更早期的學(xué)術(shù)研究基礎(chǔ)上。

404 Media表示，這其實是人工智能領(lǐng)域發(fā)展的基本邏輯。

“DeepSeek模型只在成本上領(lǐng)先”

就在OpenAI挑起矛盾的同時，Anthropic也下場了。

創(chuàng)始人Dario Amodei在個人博客中表達(dá)了對DeepSeek的看法。

他表示并沒有把DeepSeek看做是競爭對手，認(rèn)為DS最新模型的水平和他們7-10個月前相當(dāng)，只是成本大幅降低。

（Claude 3.5）Sonnet的訓(xùn)練是在9-12個月前進(jìn)行的，而DeepSeek的模型于11月/12月進(jìn)行了訓(xùn)練，而Sonnet在許多內(nèi)部和外部Evals中仍然顯著領(lǐng)先。
因此，我認(rèn)為正確的說法是“DeepSeek生成了一種模型，用較低的成本（但沒有宣傳的那么低）實現(xiàn)了接近7至10個月以前的Claude的表現(xiàn)”。

同時他還認(rèn)為，DeepSeek整個公司的成本投入（非單個模型訓(xùn)練成本）和Anthropic的AI實驗室差不多。

奧特曼幾乎保持了同樣的口徑。

他承認(rèn)DeepSeek R1讓人印象深刻（尤其是成本），但OpenAI“很明顯會帶來更好的模型”。

這也是他的常規(guī)操作了，之前V3發(fā)布時，他就陰陽怪氣說：相對而言，復(fù)制確定有用的東西是很容易的。

那么DeepSeek R1的價值究竟幾何？

分析師郭明錤最新博客給出參考：

DeepSeek R1的出現(xiàn)，讓兩個趨勢更加值得關(guān)注——雖然沒有R1這兩個趨勢也依然存在，但R1加速了它們的發(fā)生。

一是在Scaling Law放緩的情況下，AI算力仍可透過優(yōu)化訓(xùn)練方式持續(xù)成長，并有利挖掘新應(yīng)用。

過去1-2年，投資者對AI服務(wù)器供應(yīng)鏈的投資邏輯，主要基于AI服務(wù)器的出貨量在Scaling Law依然有效的情況下可持續(xù)增長。

但Scaling law的邊際效益開始逐漸遞減，市場開始關(guān)注以DeepSeek為代表的通過Scaling law以外的方式顯著提升模型效益的路徑。

第二個趨勢是API/Token價格的顯著下滑，有利于加速AI應(yīng)用的多元化。

郭明錤認(rèn)為，目前從生成式AI趨勢中獲利的方式，主要還是“賣鏟子”和降低成本，而不是創(chuàng)造新業(yè)務(wù)或提升既有業(yè)務(wù)的附加值。