DeepSeek梁文锋推8万亿参数模型 AI规模竞赛再升温

近日，国内AI领军企业DeepSeek创始人梁文锋在投资者会议上透露，公司将启动8万亿参数超大模型的研发计划，标志着AI领域新一轮规模竞赛的开启。这一规划直接对标字节跳动正在预训练的最高可达10万亿参数新模型以及美国闭源模型Anthropic的旗舰产品Mythos 5（约8万亿参数）。值得注意的是，DeepSeek此前以高效训练著称——其V3模型仅用278.8万H800 GPU小时便完成训练，成本仅为557.6万美元。然而，随着公司融资进展和上市筹备工作的推进，DeepSeek开始调整战略方向，将更多资源投入到模型规模扩展中。

DeepSeek的8万亿参数规划并非孤例。字节跳动、阿里云等国内头部AI实验室也在同步推进超大模型研发，其中字节跳动的新模型可能达到10万亿参数，阿里云下一代模型则瞄准5万亿至10万亿参数区间。这些动向表明，尽管过去两年行业更关注模型效率和小模型发展，但参数规模再次成为衡量AI能力的重要指标。

然而，单纯扩大模型规模并非没有挑战。随着模型参数迈向10万亿级，如何有效利用算力成为关键问题。华为副董事长汪涛在昇腾960超节点发布会上指出，当模型规模扩大到十万卡级别时，通信、同步和数据搬运的成本会显著增加，传统集群架构下的MFU（模型浮点算力利用率）往往难以超过30%。为此，华为推出了采用NPO光互联技术的昇腾960超节点，旨在解决大规模AI计算中的通信瓶颈问题。

DeepSeek的8万亿参数规划，正是在这样的背景下提出的。公司表示，通过优化训练流程和引入新的MoE（混合专家）架构，DeepSeek-V3已经实现了充分验证。未来，DeepSeek将继续探索如何在保持训练效率的同时，实现更大规模的模型扩展。

这场围绕超大模型参数的竞赛，不仅反映了AI技术的发展趋势，也揭示了产业生态的变化。在资本加持和上市预期的推动下，AI公司开始重新审视规模与效率的关系，试图在激烈的市场竞争中占据更有利的位置。