模塊一 初識(shí)DeepSeek

認(rèn)識(shí)AI

在討論DeepSeek之前，我們先來聊聊AI。AI已經(jīng)成為現(xiàn)在全世界最火的詞，沒有之一。很多人已經(jīng)或多或少地使用過AI。但是，到底什么是AI？AI從哪里來？AI能做什么？在本書的開頭，請?jiān)试S我用盡可能短的篇幅，幫你梳理AI的來龍去脈，同時(shí)也讓你對(duì)琳瑯滿目的AI產(chǎn)品有更深刻的認(rèn)知。

如果我們試圖用一個(gè)簡單的比喻來解釋人工智能（Artificial Intelligence，AI），可以說，AI就像一個(gè)擁有超強(qiáng)學(xué)習(xí)能力的“學(xué)生”，它通過我們提供給它的“教材”（數(shù)據(jù)），試圖理解這個(gè)世界的規(guī)律，并幫助我們解決問題。

以前，所有的計(jì)算機(jī)軟件（也包括手機(jī)App等）都需要我們明確地告訴它每一步怎么做，且只能執(zhí)行預(yù)先定義好的功能；而 AI 則能從大量數(shù)據(jù)中學(xué)到它應(yīng)該怎么做，并應(yīng)用在它從未遇到過的新問題上（見圖1-1）。

現(xiàn)在的AI不僅能看懂文字，聽懂聲音，甚至能“看圖說話”，還能根據(jù)你的指令生成新的內(nèi)容。AI早已不再只是科幻電影里的概念，而是正在成為我們生活中的一部分。今天，我們就從幾個(gè)維度來了解 AI 的基本概念、關(guān)鍵詞，以及它正在如何改變我們的生活。

什么是AI

AI的本質(zhì)，是讓機(jī)器具備某種“智能”。在傳統(tǒng)計(jì)算機(jī)的世界中，程序是由人類編寫的規(guī)則組成的，機(jī)器只會(huì)按照這些規(guī)則機(jī)械地工作。例如，你告訴它“如果溫度高于30攝氏度，就啟動(dòng)空調(diào)”，它就會(huì)嚴(yán)格執(zhí)行。但AI不一樣，它的“規(guī)則”不是由人類直接編寫的，而是通過數(shù)據(jù)訓(xùn)練出來的。你給它足夠多的例子，它會(huì)自己總結(jié)規(guī)律，甚至做出人類預(yù)料之外的推斷。

舉個(gè)例子，假如我們想教計(jì)算機(jī)識(shí)別一只貓。以前，你需要列出貓的所有特征，如耳朵尖、尾巴細(xì)長、毛發(fā)柔軟等。但在AI的世界里，你只需要展示大量貓的圖片，然后告訴AI“這些是貓”，它會(huì)自己學(xué)會(huì)什么樣的特征代表“貓”。這種能力讓 AI 比過去的程序更加靈活，也更加強(qiáng)大。更關(guān)鍵的是，讓AI更“通用”。人們開始?jí)粝耄灰讶澜绲闹R(shí)（數(shù)據(jù)）都“喂”給 AI，AI 就會(huì)自動(dòng)學(xué)會(huì)并理解整個(gè)世界的所有規(guī)律，并幫助我們解決任何問題。

AI的“大腦”——AI大模型

要理解今天的 AI 取得如此巨大進(jìn)步背后的原因，就必須提到一個(gè)重要概念：AI大模型。你可以把AI大模型理解為存儲(chǔ)知識(shí)和規(guī)律的“容器”。與過去針對(duì)特定問題的軟件工具不同，AI大模型是一種通用的、規(guī)模巨大的模型，也就是這個(gè)“容器”非常大。在這個(gè)“容器”中存儲(chǔ)了大量“參數(shù)”。一開始，這些參數(shù)沒有什么意義。但是當(dāng)人們訓(xùn)練模型（上文所說的“學(xué)習(xí)”）時(shí)，會(huì)輸入海量數(shù)據(jù)給它，這時(shí)模型的參數(shù)會(huì)被逐步調(diào)整，內(nèi)化它接觸到的數(shù)據(jù)的知識(shí)和規(guī)律。

那么，什么是AI大模型的參數(shù)？我用一個(gè)簡單的初中數(shù)學(xué)比喻來解釋。坐標(biāo)軸上的一條直線y=ax+b，只要知道了a和b的值，那么你就找到了這條直線的內(nèi)在規(guī)律，成為這條直線的“創(chuàng)造者”和“主宰者”——無論延伸到天涯海角，只要有人告訴你一個(gè)x，你就能知道對(duì)應(yīng)的y，如圖1-2所示。

此處a和b就是兩個(gè)參數(shù)。也就是說，只要兩個(gè)神奇的數(shù)字，就可以概括關(guān)于這條直線的一切秘密。如果你知道直線上的任意兩個(gè)點(diǎn)P和Q，就可以用這兩個(gè)點(diǎn)的坐標(biāo)“訓(xùn)練”這個(gè)模型，找出a和b的值，就完成了對(duì)這個(gè)直線規(guī)律的“學(xué)習(xí)”。

而 AI 大模型的參數(shù)其實(shí)也差不多，只不過它模擬的內(nèi)容更復(fù)雜，所以需要用更多參數(shù)來模擬（AI大模型的參數(shù)量動(dòng)輒十億、百億甚至千億個(gè)），而且模擬的方式也不是一條直線，而是非線性的方式。

如果AI是一名學(xué)生，那么AI大模型就是掌握了百科全書知識(shí)的“超級(jí)學(xué)霸”。它不是只會(huì)某一門科目，而是可以在數(shù)學(xué)、文學(xué)、音樂、編程等多個(gè)領(lǐng)域游刃有余。例如，DeepSeek-R1、OpenAI GPT系列都是AI大模型。

AI大模型的訓(xùn)練需要三個(gè)關(guān)鍵要素：海量的數(shù)據(jù)、強(qiáng)大的計(jì)算能力（算力）和合適的計(jì)算方式（算法）。數(shù)據(jù)是它學(xué)習(xí)的“教材”，算力則是它大腦運(yùn)行的“能量”，而算法決定了吸收知識(shí)和產(chǎn)生智能的效率。數(shù)據(jù)、算力和算法被稱為AI的“三要素”。

多模態(tài)模型：AI的“跨界能力”

AI在近些年的最先突破是從語言文字領(lǐng)域開始的，這些模型被稱為大語言模型（Large Language Model，LLM）。ChatGPT-3.5 就是大多數(shù)人最早了解到的大語言模型，它可以和人流暢地對(duì)話并解決各類問題。但是后來專家很快發(fā)現(xiàn)，同樣的算法可以很容易地應(yīng)用在非文字輸入中，如圖片、視頻、語音甚至音樂。今天，不少 AI 大模型都支持輸入不同類型的數(shù)據(jù)，這些模型被稱為多模態(tài)模型。所謂“多模態(tài)”，指的是AI能夠同時(shí)處理多種類型的數(shù)據(jù)，如文字、圖片、視頻、聲音等。

例如，當(dāng)你上傳一張照片并問AI“這是什么地方？”時(shí)，AI需要同時(shí)結(jié)合圖片和你的文字問題才能給出答案。這種能力就是多模態(tài)模型能力的體現(xiàn)。

多模態(tài)模型的出現(xiàn)，讓AI真正進(jìn)入了“懂你”的階段。它不僅能像人類一樣靈活地結(jié)合不同的信息來源，還能根據(jù)這些信息生成新的內(nèi)容。例如，你可以讓 AI 根據(jù)一段文字生成一幅畫，或者根據(jù)一組圖片生成一段描述性的文字。這種能力為AI的應(yīng)用開辟了廣闊的空間。

例如，OpenAI的GPT-4o模型、Kimi K1.5模型及通義發(fā)布的開源模型Qwen-VL系列都是多模態(tài)模型。

截至本書完稿時(shí)，雖然深度求索擁有DeepSeek-VL2等多模態(tài)模型，但性能最強(qiáng)的DeepSeek-V3模型和R1模型不是多模態(tài)模型，它們只能輸入和輸出文字。但是我相信很快，深度求索或者其他 AI 公司一定會(huì)推出有多模態(tài)能力的強(qiáng)大的新開源模型。這是因?yàn)椋嗄B(tài)模型的技術(shù)和大語言模型非常相似，并沒有太多的技術(shù)瓶頸。不過現(xiàn)階段，官方應(yīng)用及很多第三方AI應(yīng)用在 DeepSeek 模型外面套了一層功能，可以自動(dòng)把用戶上傳的圖片、文件等轉(zhuǎn)換成文字再發(fā)給 DeepSeek 處理。我還會(huì)在本書的后續(xù)章節(jié)教你如何通過大語言模型間接生成各種各樣的圖表。

文生圖、文生視頻：AI的創(chuàng)作天賦

說到AI的創(chuàng)作能力，就不得不提“文生圖”和“文生視頻”。它們是AI多模態(tài)能力的一種具體應(yīng)用，正在掀起內(nèi)容創(chuàng)作領(lǐng)域的革命。

所謂“文生圖”，顧名思義，就是通過文字描述生成圖片。例如，你對(duì)AI描述“一個(gè)在夕陽下的草原上奔跑的少年”，它就能生成一幅符合描述的畫面。這種技術(shù)不僅可以用于藝術(shù)創(chuàng)作，還可以在電商、廣告設(shè)計(jì)、建筑規(guī)劃、游戲開發(fā)等領(lǐng)域大顯身手。目前，較為先進(jìn)的文生圖服務(wù)包括Midjourney （見圖1-3）、Flux和國內(nèi)的即夢等。

“文生視頻”則更進(jìn)一步。它通過文字生成一段動(dòng)態(tài)的視頻內(nèi)容。例如，你輸入“一個(gè)機(jī)器人在未來城市中漫步”，AI就能生成一個(gè)逼真的短視頻。這種技術(shù)雖然還在發(fā)展階段，但已經(jīng)展現(xiàn)出巨大的潛力，尤其是在影視制作、虛擬現(xiàn)實(shí)和教育領(lǐng)域。

推理大模型與思維鏈

近一年來，AI大模型的一個(gè)顯著進(jìn)步是它從“會(huì)回答”進(jìn)化到了“會(huì)推理”。如果說此前的AI更像是一個(gè)充滿知識(shí)的“百科全書”，那么隨著推理能力的加入，AI逐漸變成了一位能夠進(jìn)行“深度思考”的“邏輯學(xué)家”。這種進(jìn)步，不僅讓 AI 能更好地回答復(fù)雜問題，還讓它在解決需要多步驟分析的問題時(shí)更加得心應(yīng)手。

在推理大模型出現(xiàn)之前，所有AI大模型都是非推理大模型。這些AI大模型的強(qiáng)項(xiàng)是基于“直覺”的記憶與匹配。例如，當(dāng)用戶提問“巴黎是哪個(gè)國家的首都？”時(shí)，模型會(huì)迅速從其龐大的參數(shù)中直接“檢索”并回答“法國”。但在現(xiàn)實(shí)中，很多問題的答案并不能通過簡單的記憶得出，而需要邏輯推導(dǎo)和多步驟的計(jì)算。例如，假如你問AI：“如果今天是周一，那么10天后是星期幾？”這個(gè)問題的答案顯然不能直接從記憶中檢索到，而需要進(jìn)行多步計(jì)算：先加10天，再根據(jù)一周有7 天進(jìn)行取余運(yùn)算，最終得出答案為“星期四”。

非推理大模型也能解決很多復(fù)雜的理工科問題，而且速度很快。尤其是對(duì)于大模型見過的題目類型，現(xiàn)在的非推理大模型也能取得相當(dāng)不錯(cuò)的結(jié)果。

但是對(duì)于嶄新的過于復(fù)雜或反常識(shí)的問題，非推理大模型的正確率會(huì)存在瓶頸。畢竟，非推理大模型（也稱為通用大模型）對(duì)于任何問題的回答速度幾乎都是一致的。正如本書前文所述，詢問“你好嗎？”和“如何計(jì)算宇宙飛船的太陽能板所需的面積？”的回答速度是接近的，這顯然是不太科學(xué)的。為了能夠讓AI大模型學(xué)會(huì)在遇到復(fù)雜問題時(shí)拿出“草稿紙”，研究人員研發(fā)了一種更加“會(huì)推理”的 AI 大模型——推理大模型（Reasoning Large Model）。

推理大模型通過訓(xùn)練，逐漸掌握了如何將問題拆解為多個(gè)步驟，逐步分析并得出答案。它們更側(cè)重于捕捉和模擬“邏輯鏈條”，使AI在處理復(fù)雜問題時(shí)更接近人類的思維方式。

為了更好理解，我們可以借鑒心理學(xué)中的“雙系統(tǒng)理論”——系統(tǒng)1和系統(tǒng)2思維。這個(gè)理論由心理學(xué)家丹尼爾·卡尼曼提出，用于描述人類思維的兩種不同模式。系統(tǒng)1（System 1）代表快速、直覺和無意識(shí)的思維，而系統(tǒng)2（System 2）則代表慢速、邏輯和有意識(shí)的推理。AI的發(fā)展正在模擬這兩種思維方式，以實(shí)現(xiàn)更為全面和智能的表現(xiàn)。

小時(shí)候做數(shù)學(xué)題時(shí)，老師總是會(huì)要求你寫出詳細(xì)的解題步驟，而不是只寫出答案。類似地，在AI推理領(lǐng)域，研究人員發(fā)現(xiàn)，僅僅生成最終答案并不足夠。為了讓AI更準(zhǔn)確地回答復(fù)雜問題，研究人員引入了一個(gè)關(guān)鍵概念——思維鏈（Chain of Thought，CoT）。

思維鏈可以理解為 AI 在回答問題時(shí)的“解題步驟”，即從問題到答案的推導(dǎo)過程。通過讓 AI 生成和呈現(xiàn)這些推理步驟，它不僅能更準(zhǔn)確地解決復(fù)雜問題，還能讓人類用戶清楚地看到AI的思考脈絡(luò)（見圖1-4）。

例如，假設(shè)你問AI一個(gè)問題：

一個(gè)果籃里有10個(gè)蘋果，拿走3個(gè)后又放回2個(gè)，現(xiàn)在果籃里有幾個(gè)蘋果？

非推理大模型可能直接給出一個(gè)答案，如“9 個(gè)”。但推理大模型會(huì)通過思維鏈提供完整的推導(dǎo)過程：

籃子里最開始有10個(gè)蘋果。

拿走了3個(gè)蘋果后，籃子里還剩下10-3=7個(gè)蘋果。

然后又放回了2個(gè)蘋果，籃子里最終有7+2=9個(gè)蘋果。

答案：9個(gè)蘋果。

通過這種方式，AI不僅給出了答案，還展示了它的思考過程，這讓它的回答更透明可信，也便于人類用戶檢查和驗(yàn)證。

這種看似簡單的改進(jìn)帶來了兩個(gè)顯著的優(yōu)勢：

提高準(zhǔn)確性：思維鏈讓AI在回答復(fù)雜問題時(shí)少犯“跳步”錯(cuò)誤，也就是直接跳到錯(cuò)誤答案的情況，讓每個(gè)結(jié)論都有依據(jù)。DeepSeek-R1還發(fā)展出了頓悟時(shí)刻（Aha Moment），即可以在解決問題的過程中隨時(shí)發(fā)現(xiàn)問題并改用其他的方式繼續(xù)解決。

增強(qiáng)可解釋性：用戶可以輕松理解 AI 是如何得出某個(gè)結(jié)論的，從而對(duì)AI的回答更有信心。

如今，思維鏈已經(jīng)成為推動(dòng) AI 推理能力進(jìn)步的重要技術(shù)之一。通過引入思維鏈訓(xùn)練，大模型在處理數(shù)學(xué)、邏輯推理甚至哲學(xué)問題時(shí)展現(xiàn)出了更高的準(zhǔn)確性和靈活性。

盡管思維鏈給AI帶來了顯著的推理能力，但它也存在一些局限性。當(dāng)前的大模型在面對(duì)極度復(fù)雜或跨領(lǐng)域的推理問題時(shí)，仍然會(huì)犯錯(cuò)誤。未來，隨著AI大模型的不斷改進(jìn)，“推理大模型+思維鏈”的能力有望進(jìn)一步提升。

2025年2月底，隨著Claude 3.7 Sonnet模型的發(fā)布，一種新的AI系統(tǒng)形式——混合推理模型（或稱為自動(dòng)路由模型）正式問世。據(jù)稱，GPT-5 系列也將采用這種模式。在這種模式下，同一個(gè)模型將同時(shí)支持思維鏈輸出（推理模式）和普通輸出（非推理模式）。系統(tǒng)會(huì)根據(jù)用戶的需求，自動(dòng)判斷是否采用思維鏈輸出，以減少用戶手工選擇的復(fù)雜性。

AI智能體

如果說AI大模型是人工智能的“大腦”，那么AI智能體（AI Agent）就是人工智能的“軀干”。

AI大模型本身不能執(zhí)行任何具體操作，也無法調(diào)用外部工具，只能輸出文字、圖片等信息，具體執(zhí)行操作還是得人來。但是，AI 智能體可以把 AI和外部數(shù)據(jù)及一些具體操作的調(diào)用結(jié)合起來。例如，你讓 DeepSeek 分析明天適不適合到北京旅游，沒有智能體的時(shí)候是很困難的，因?yàn)?DeepSeek 完全不清楚明天北京的天氣怎么樣。但是如果有了智能體，DeepSeek 就可以利用智能體平臺(tái)調(diào)用外部的天氣預(yù)報(bào)工具，查詢北京的天氣。

如果再進(jìn)一步，能做的就不僅僅是查詢天氣了。理論上，我們可以利用AI智能體，直接讓AI幫我們點(diǎn)外賣、操作PPT，甚至開發(fā)一個(gè)游戲。OpenAI、Anthropic等公司都已經(jīng)推出了能使用AI操作計(jì)算機(jī)的功能。2025年3月，旨在實(shí)現(xiàn)通用AI智能體的Manus產(chǎn)品推出，Manus能夠根據(jù)人的指令自主規(guī)劃 AI 的任務(wù)，自行在云端調(diào)用各種軟件并直接給出成品，如執(zhí)行數(shù)據(jù)分析、名片制作、游戲開發(fā)等，一夜之間吸引了不少眼球。但是我們要記住的是，歸根結(jié)底，AI智能體只能幫你做工作流的規(guī)劃，但工作流的每一步還是要底下的AI大模型去做，所以AI智能體是AI人機(jī)協(xié)作的“加速器”，它并不能提升 AI 的智能，更多是方便了用戶的使用。當(dāng)然，AI大模型的能力不斷提升，AI智能體的能力也會(huì)越來越強(qiáng)。圖1-5展示了AI智能體簡化版工作流程圖。實(shí)際的工作要更加復(fù)雜，包括長期記憶、多次反復(fù)調(diào)用，甚至多個(gè)AI大模型的聯(lián)合工作等。