在深圳大疆總部，1980年出生的汪濤與團(tuán)隊(duì)討論著下一代無人機(jī)技術(shù)；在杭州宇樹科技的實(shí)驗(yàn)室，1988年出生的王興興正在測試新一代四足機(jī)器人；在北京DeepSeek的辦公室，1990年出生的梁文鋒正在審視大語言模型的最新進(jìn)展。這些平均年齡不到40歲的創(chuàng)業(yè)者，不缺乏批判性思維，不缺乏創(chuàng)新精神，只是缺少實(shí)踐的環(huán)境。這一代年輕人，不可限量！

沒有人永遠(yuǎn)年輕，但總有人正年輕著。每一代年輕人都會(huì)帶來新的思想沖擊和技術(shù)革命。在這個(gè)變革加速的時(shí)代，保持年輕的心態(tài)比任何時(shí)候都更加重要。因?yàn)槲ㄓ心切┦冀K保持思想年輕的人，才能不被時(shí)代拋棄。2025年9月17日，DeepSeek團(tuán)隊(duì)共同完成、梁文鋒擔(dān)任通訊作者在Nature雜志發(fā)表題為DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning的研究論文，并登上封面。

這篇DeepSeek-R1論文首次公開只靠強(qiáng)化學(xué)習(xí)，就激發(fā)大模型推理能力的重要研究成果，啟發(fā)全球AI研究者。該模型還成為全球最受歡迎的開源推理模型，Hugging Face下載量超1090萬次。文章核心創(chuàng)新在于完全摒棄人工標(biāo)注的推理軌跡，僅依賴最終答案的正確性作為獎(jiǎng)勵(lì)信號(hào)，通過強(qiáng)化學(xué)習(xí)激勵(lì)模型自主演化出復(fù)雜的推理模式。與傳統(tǒng)的PPO相比，該方法使用的GRPO算法（Group Relative Policy Optimization）采用組內(nèi)相對(duì)優(yōu)勢，無需價(jià)值函數(shù)，簡化訓(xùn)練并提升穩(wěn)定性；并通過組內(nèi)獎(jiǎng)勵(lì)分布計(jì)算相對(duì)優(yōu)勢，避免獎(jiǎng)勵(lì)絕對(duì)值帶來的偏差。

DeepSeek-RI-Zero在數(shù)學(xué)、編程等可驗(yàn)證任務(wù)上表現(xiàn)顯著提升（如AIME準(zhǔn)確率從15.6%提升到77.9%）；DeepSeek-RI引入多階段訓(xùn)練（RL→拒絕采樣→SFT→二次RL），融合推理能力與人類偏好對(duì)齊，解決語言混合、可讀性差等問題。

文章在超過20個(gè)基準(zhǔn)測試（涵蓋數(shù)學(xué)、編程、STEM、通用問答等）上驗(yàn)證了DeepSeek-RI的優(yōu)勢：數(shù)學(xué)推理 AIME 2024上達(dá)到79.8%（零樣本），顯著超越人類平均水平；編程任務(wù)LiveCodeBench（65.9%）、Codeforces（96.3%百分位）；綜合能力 MMLU-Pro（84.0%）、AlpacaEval 2.0（87.6%）；安全性與GPT-4o相當(dāng)，結(jié)合風(fēng)險(xiǎn)控制系統(tǒng)后標(biāo)準(zhǔn)更高。此外，模型還展現(xiàn)出自主演化推理策略（如反思、驗(yàn)證、多路徑探索），并在訓(xùn)練過程中出現(xiàn)“頓悟時(shí)刻”（aha moment），表明RL能激發(fā)模型內(nèi)生推理結(jié)構(gòu)。

并且，DeepSeek團(tuán)隊(duì)還史無前例地把“低價(jià)+透明”寫進(jìn)了頂刊。在論文補(bǔ)充材料中，首次公開了R1模型僅用29.4萬美元（約合人民幣209萬元）的訓(xùn)練成本——使用H800芯片從V3-base版本訓(xùn)練至R1，成本僅為行業(yè)平均水平1/10。相比之下，諸如ChatGPT、谷歌Gemini等動(dòng)輒需要數(shù)千萬甚至上億美元投入，DeepSeek的成本控制堪稱奇跡。

據(jù)悉，DeepSeek正在研發(fā)一款具備自我進(jìn)化能力的Agent。這款產(chǎn)品無需復(fù)雜指令，可自主學(xué)習(xí)并執(zhí)行多步驟任務(wù)，還可從歷史操作中迭代優(yōu)化， 目標(biāo)直指“無需人類干預(yù)的通用智能體”。因此，梁文鋒團(tuán)隊(duì)的野心不在于發(fā)封面文章，而在于創(chuàng)造出能夠自主學(xué)習(xí)、不斷成長的AI新物種，從而徹底改變?nèi)藱C(jī)協(xié)作的范式。

這場好戲，剛剛開始。