openai和英伟达是什么关系 DeepSeek走红：不学OpenAI靠GPU堆砌效果,英伟达的天要塌了
DeepSeek走红:不学OpenAI靠GPU堆砌效果,英伟达的天要塌了
DeepSeek的走红主要源于其以极低成本训练出性能比肩OpenAI o1的大模型，并通过开源和低定价策略震动美国科技界，挑战了“GPU堆砌效果”的路径依赖，但并未直接导致英伟达市场崩溃，而是引发行业对算力效率和技术路线的重新思考。
DeepSeek的核心突破与行业影响技术突破：低成本实现高性能DeepSeek-R1在后训练阶段大规模使用强化学习技术，在极少标注数据下显著提升推理能力，数学、代码、自然语言推理等任务性能比肩OpenAI o1正式版。
通过超强训练稳定度、混合精度计算、多词预测、MOE混合专家等技术，将训练成本压缩至600万美元（训练660B模型），仅为行业平均水平的1/10至1/15。
开源660B模型（DeepSeek-R1-Zero和R1）及6个小模型（32B和70B对标OpenAI o1-mini），推动技术普惠。
定价策略：颠覆行业成本结构
API服务定价为每百万输入tokens 1元（缓存命中）/4元（缓存未命中），每百万输出tokens 16元，远低于OpenAI等美国企业的同类服务。
低定价策略迫使创业公司和个人开发者减少对OpenAI API的依赖，转向开源模型，可能冲击英伟达GPU的租赁和销售市场。
行业震动：挑战“GPU堆砌”模式
Meta的应对：扎克伯格宣布加速研发Llama 4，计划投资650亿美元扩建数据中心并部署130万枚GPU，以维持技术领先。
初创公司风险：依赖NVIDIA GPU的AI初创公司（如运营数据中心的Coreweave）可能因成本压力破产，导致二手GPU市场供应增加，进一步削弱英伟达的新订单需求。
技术路线反思：DeepSeek证明算法优化可大幅降低对算力的依赖，封锁芯片和算力壁垒的思路行不通，OpenAI和Meta等企业的“GPU堆砌”模式效果大打折扣。
对英伟达的潜在影响短期冲击：市场信心与估值压力
DeepSeek的崛起引发市场对英伟达股价支撑的怀疑，尤其是其GPU在AI训练中的垄断地位受到挑战。
若七巨头（如OpenAI、Meta）放缓或削减GPU订单，英伟达的未来收入可能受影响，但短期内其数据中心业务仍保持增长。
长期趋势：专用推理模型与生态竞争
DeepSeek可能刺激更多专用推理模型诞生，推动行业从“通用大模型”向“垂直场景优化”转型，减少对单一GPU供应商的依赖。
英伟达需通过技术创新（如CUDA生态、新一代架构）和多元化业务（如自动驾驶、Omniverse）巩固地位，而非仅依赖GPU销售。
中国AI发展的底层支撑人才红利与工程能力
中国拥有6000万工程师，超美德日韩印总和，为AI研发提供庞大人才库。
DeepSeek团队在训练稳定度、混合精度计算等工程优化上展现卓越能力，证明中国在AI底层技术上的潜力。
量化私募的跨界支持
DeepSeek创始人梁文锋的幻方量化早年布局AI算力，搭建“萤火一号”和“萤火二号”集群，为模型训练提供底层支撑。
中国股民对量化私募的支持间接助力AI发展，形成“金融-科技”协同效应。
总结DeepSeek的走红标志着AI行业从“算力竞赛”向“效率竞赛”的转折，其低成本、高性能、开源的策略对英伟达和美国科技巨头构成挑战，但并未直接导致英伟达市场崩溃。长期来看，行业将更注重算法优化和垂直场景落地，而中国的人才红利与工程能力将成为持续发展的关键。
什么是海外ai
海外AI（人工智能）通常被称为“Artificial Intelligence”或简称“AI”，这一术语在国际上通用，但不同国家或地区的AI技术和产业发展水平、应用场景等可能存在差异。
一、海外AI的技术与应用领域海外AI涵盖多种技术和应用方向，核心领域包括：
大模型与AI建设：海外科技厂商依托技术积累，布局大模型与AI基础设施。业务分工涵盖模型训练与推理、云基础设施（以GPU为核心，搭配CPU、存储、网络等）、数据库构建与数据分析，以及AI与垂直行业的融合（如AI+后端工作流、AI+办公、AI+编程、AI+客户关系管理、AI+广告等）。例如，OpenAI的GPT系列模型推动了生成式AI的全球发展。多语言多模态大模型：部分海外产品支持多语言交互（如中文、英文、日语、韩语等）和多模态输入（语音、文字、触屏），并具备定制知识库和自然语言处理能力。典型案例包括OPE.AI模型，可应用于家庭服务、企业客服、餐饮、酒店等行业。AI数字人：基于计算机视觉和自然语言处理技术构建的虚拟个体，外观、声音和行为接近真实人类，具备自主思考和任务执行能力。其应用场景包括个人助理、电子商务推广，以及医疗、金融、教育等领域的专业咨询服务。二、海外AI的发展特点技术驱动：海外AI发展依赖算法创新、算力提升（如GPU集群）和大数据积累，科技巨头（如谷歌、微软、英伟达）在基础研究和技术落地中占据主导地位。产业融合：AI技术深度渗透至传统行业，例如通过AI优化供应链管理、提升医疗诊断效率、实现个性化教育推荐等。全球化与区域差异：虽然术语统一，但各国在政策支持、数据隐私法规、市场接受度等方面存在差异。例如，欧盟强调AI伦理与合规性，美国更注重技术创新与商业应用。三、典型案例与影响海外AI产品已广泛进入日常生活，如智能语音助手（Siri、Alexa）、推荐系统（Netflix、YouTube）、自动驾驶技术（特斯拉、Waymo）等。这些应用不仅提升了效率，也引发了对就业结构、数据安全等问题的讨论。
总体而言，海外AI以技术创新为核心，通过多领域融合推动产业升级，同时面临伦理、监管等挑战，其发展路径对全球AI生态具有重要参考价值。
AI大神谢赛宁否认是Sora发明者 称人到中年,还丢这么大人
AI大神谢赛宁否认是Sora发明者，称相关传闻为误解，并就Sora相关问题发表看法。具体内容如下：
否认发明者身份：有媒体称毕业于上海交大的谢赛宁是Sora发明者之一，对此谢赛宁发声明澄清，Sora是bill等人在OpenAI的呕心之作，自己跟其一点关系都没有。他表示标题党ai写稿胡乱挂钩、误导事实，希望大家不要误解误传，并希望早点将不实内容take it down。
指出Sora相关要素排序：
对于Sora这样的复杂系统，谢赛宁认为人才第一，数据第二，算力第三，其他都没有什么是不可替代的。
提出关于Sora在中国出现的思考：
谢赛宁提出Sora为什么没出现在中国，同时假设真的很快出现，询问中国有没有准备好。
思考如何保证知识和创意通畅准确传播，做到信息平权，又不被恶意利用变成谋利和操纵工具。他提到OpenAI有一整套的red teaming, safety guardrail的研究部署，欧美有逐渐成熟的监管体系，反问中国是否准备好了。
对Sora技术及影响的看法：
谢赛宁认为这件事跟技术成熟前生成点小打小闹的漂亮不是一个量级，真相捕捉和黑镜里讲的故事很有可能很快变成现实。
Sora负责人相关信息：
Sora的负责人主要有两位，Tim Brooks是DALL- E 3作者之一，GitHub 5.7k星项目InstructPix2Pix作者，2021- 2022年在英伟达实习时是视频生成研究的项目负责人。
William(Bill) Peebles推出Sora的技术基础之一DiT（扩散Transformer），2022年5月到Meta进行了为期半年的实习，和谢赛宁（Bill开始实习时还未离开Meta）合作发表了DiT模型，首次将Transformer与扩散模型结合到了一起。
Sora技术特点：
OpenAI科学家Tim Brooks表示，没通过人类预先设定，Sora就自己通过观察大量数据，自然而然学会了关于3D几何形状和一致性的知识。
文章到此结束，如果本次分享的openai和英伟达是什么关系和DeepSeek走红:不学OpenAI靠GPU堆砌效果,英伟达的天要塌了的问题解决了您的问题，那么我们由衷的感到高兴！