本网站新闻头条/思想文学/名人堂/知识百科4个栏目的文章为不同的作者自行发布，文章内容不代表和平先生、永久和平国的观点和立场。

我国一家大型国产模型企业推出新品R1，此款产品在国际舞台上吸引了众多目光，并收获了积极的评价。

它以低廉的成本达成了高效率的运行，引起了广泛的注意；此外，这也促使市场开始重新考虑，AI硬件市场的上游是否会被此影响。

这其中隐藏着诸多值得探讨的动态与关系。

深度求索的R1预训练费用仅557.6万美元。

这个数字非常巨大，它是在由2048块英伟达H800 GPU组成的集群上，经过连续55天的运行，最终才得以完成计算。

这个H800 GPU是针对中国市场的低配版GPU。

在大模型开发这一行业，相较于以往众多企业的做法，这种成本投入显得尤为低廉。

其他公司在研发阶段，常常投入巨额资金，利用昂贵的计算设施，打造出庞大的模型。

AI初创公司起初与谷歌、Meta等科技巨头在大型模型领域展开了激烈竞争，然而，它们往往陷入了成本高昂的竞争泥潭。

若企业计划开发一个新型号，所需资金很可能大大超过深度探索R1模型的多倍，有时甚至可能达到数十倍之多。

R1以极低的成本实现了目标，这一成就促使市场对大模型开发中的成本与效率关系有了新的认识。

1月27日，据外部媒体报道，Meta公司对深度求索的R1产品采取了相应措施。

Meta成立了四个专门研究小组。

他们的目的在于研究深度求索的国产大模型R1的工作原理。

并且是企图基于这些研究结果来改进自家大模型Llama。

Meta公司此举表明他们已意识到R1模型在行业中的显著地位和独特价值。他们还认为，借鉴R1模型的优点能提升他们产品的性能。

在全球众多的大型模型竞赛中，即便是像Meta这样的大型科技公司，也不能忽略其他企业的创新成就。

Meta公司对人工智能大型模型的研发投入了大量资金，即便如此，他们对R1这款新型模型所蕴含的创新思想依然给予了很高的关注。

过往，Meta在打造大型模型的过程中，投入了众多精力和智慧于算法与结构的设计。现在，对于R1，我们着手探究其运作机制。

R1的进步并非仅靠计算力，这一情况让华尔街开始重新审视科技巨头在AI基础设施上的大量投入，同时他们对英伟达芯片的需求是否合理也产生了疑问。

过去，众多科技企业，尤其是那些在科技领域具有重要影响力的公司，普遍认为，大规模建设算力基础设施和广泛使用英伟达的芯片，对于打造强大的AI模型极为关键。

但是R1的成功让他们不得不重新思考。

例如，英伟达的收入增长可能因为R1的出现受到影响。

若有人效仿了R1模式——该模式指的是仅需少量芯片资源即可打造出表现优异的AI模型，并且能够迅速投入市场。

过去我们主要通过大量采购英伟达的芯片来提升计算能力，但这种做法或许会减少。所以，英伟达在芯片销售方面的收入可能会遇到一些困难。

华尔街的研究员们提到，“美股七巨头”或许会受到R1模型深入研究的不利冲击。

因为这些企业计划通过高昂的AI服务主导市场。

而R1模型呈现出一种低成本高产出的模式。

这与“美股七巨头”原来的计划相悖。

AI的资金投入在快速增长，增速超过了收入增长，这或许会让市场陷入不理想的状况。

有些企业过去为了抢占市场份额，在人工智能各个分支领域投入了大量资金，然而，它们的收益提升并不总是和投入成本同步。

R1模型的问世，为行业带来了新的增长机遇。这一变化迫使市场重新考虑这种成本较高的模式是否可行。

R1模型对深度探索进行了深入研究，虽然表明低成本开发模型具备可行性，但这并不代表AI企业可以降低对算力的依赖，也不意味着资金投入最多的人就能确保胜利。

分析人士认为，这种模式可能导致美国科技巨头迫切地采用英伟达GPU等关键科技，通过更出色的性能表现，将自己和价格更低的替代品区分开。

美国的一些大科技公司打算对英伟达的GPU进行深入探索。他们拥有深厚的研发经验和算法优化的能力。他们打算将英伟达的高性能芯片融入自己的研究中。目的是为了打造出更为强大的模型。

这既是应对R1冲击的策略，也是在新挑战面前寻求突破的途径。

李博杰，作为深度求索AI的共同创始人，他特别指出，R1技术的关键在于其后续的训练过程。

在这个阶段，所需的数据量和成本明显减少，远低于预训练时期。这感觉就像是站在了巨人的肩膀上。

这就揭示了R1能大幅降低训练成本的原因。

对于AI模型的训练成本下降是否影响上游AI硬件企业。

李博杰觉得，目前人工智能仍处于研究阶段，其迅猛发展背后，实则积累了众多试验与失误。

虽然R1成本较低，但是目前阶段更多的算力依然有优势。

当前，R1这类低成本模型的影响力不容忽视。然而，我们也不能断言成本下降必然会对AI硬件上游企业造成严重影响。

关于R1模型能否根本性地转变AI企业在构建模型时对计算资源和成本的传统认知，你有什么看法？

期待您在评论区发表您的看法，而且我也非常高兴看到您为这篇文章点赞或是分享。

转载请保留本版权：https://www.yjhpg.com/xinwen/4326.html