
导读:2023年,中国的大模型已经打成了一锅粥。百度、阿里、腾讯、字节,几乎所有互联网大厂都在往里面砸钱。偏偏就在这个时候,杭州冒出来一家后来让全世界都记住名字的公司。它没有搜索入口,没有电商平台,也没有短视频流量,背后甚至不是一家传统互联网公司,而是一家靠量化交易赚钱的私募基金。它的名字,叫Deep……
从量化交易走出来的大模型团队 #
2023年,中国的大模型已经打成了一锅粥。百度、阿里、腾讯、字节,几乎所有互联网大厂都在往里面砸钱。偏偏就在这个时候,杭州冒出来一家后来让全世界都记住名字的公司。它没有搜索入口,没有电商平台,也没有短视频流量,背后甚至不是一家传统互联网公司,而是一家靠量化交易赚钱的私募基金。它的名字,叫DeepSeek。
很多人第一次听说DeepSeek,是2025年R1爆火以后,以为它突然从地底下钻了出来。其实这家公司真正有意思的地方,恰恰在它爆火之前。DeepSeek背后的幻方量化,早在2015年就开始用数学模型、机器学习和计算机去做量化交易。对普通投资者来说,股票可能靠消息、情绪和经验判断;但对量化团队来说,每天面对的是海量行情数据、模型训练和策略迭代。换句话说,他们很早就明白一个道理:算力不是电脑配置,而是生产资料。
算力很早就是幻方的生产资料 #
我做服务器二十多年,对这一点特别有感触。真正愿意长期买大量服务器的人,通常不是因为喜欢硬件,而是因为他的业务本身就靠计算赚钱。量化就是最典型的一种。路透社后来梳理过幻方的算力积累:2020年,他们建成了大约1100张NVIDIA A100组成的第一套超算集群,投入约2亿元;2021年又完成第二套集群,规模达到大约1万张A100,投入约10亿元。那个时候ChatGPT还没出来,很多公司连“大模型”三个字都没开始天天挂在嘴边,他们已经把GPU堆成了一座算力工厂。
更关键的是,2022年美国开始限制A100等高端GPU向中国出口的时候,幻方的第二套集群已经在运行了。后来有人问,DeepSeek为什么能在大模型战争里突然跑得这么快?我的理解是,他们并不是到了2023年才开始准备,而是前几年做量化的时候,算法、工程和算力这三块底子已经搭起来了。一个团队如果天天跟上万张GPU打交道,对通信、调度、利用率、训练效率这些东西的理解,和普通的软件公司完全不是一回事。
算法、工程与集群经验汇到一起 #
2023年,梁文锋把这条路继续往前走,成立DeepSeek,把目标直接指向AGI,也就是通用人工智能。这里有个特别有意思的反差:别的大模型公司先讲产品、讲用户、讲商业化,DeepSeek早期更像一个研究实验室。它背后有幻方输血,所以不用一上来就急着卖会员、卖广告,反而可以把精力放到一个很“工程师”的问题上:同样的GPU,能不能把模型训练得更聪明一点?
于是从DeepSeek-Coder、DeepSeek-V2一路走到2024年底的DeepSeek-V3,它越来越像一个不按传统剧本出牌的选手。V3用了6710亿总参数,但每个Token只激活约370亿参数,还把MLA、MoE、FP8这些技术一起塞进训练体系里。对普通人来说,这些名字听起来像论文,但对我们做算力的人来说,它们其实在解决同一个问题:GPU太贵、太稀缺,那就想办法让每一张GPU多干一点活。
DeepSeek把效率带到竞争中心 #
所以DeepSeek的故事,从一开始就不是“一个炒股票的人突然想做AI”这么简单。量化给了它资金,更重要的是给了它对数据、算法和算力的长期理解。过去幻方拿GPU寻找金融市场里的规律,后来DeepSeek拿同一套工程思维,去寻找大模型的效率极限。看起来跨了一个行业,底层语言其实没有变,还是四个字:数据和计算。
可真正让这个低调团队从杭州冲上全球头条的,还在后面。2025年1月20日,DeepSeek-R1正式发布。几天以后,华尔街突然意识到一件可怕的事情:如果中国团队用更少的算力,也能做出很强的推理模型,那么美国科技巨头几千亿美元的数据中心投资,会不会花多了?1月27日,英伟达股价一天跌了将近17%,市值蒸发约5930亿美元。一个杭州团队,怎么会把全球最值钱的芯片公司吓成这样?这次市场震动把一个更关键的问题摆到台前:模型效率提高以后,GPU的价值究竟会下降,还是会进入更广阔的市场?
从模型发展回到算力建设 #
大模型部署不能只看参数规模,还要结合精度方式、上下文长度、并发用户、知识库容量、响应速度以及持续运行要求,综合评估GPU显存、CPU、内存、NVMe存储、高速网络和散热条件。不同单位的业务目标不同,适合的算力路径也不会完全相同。
如果你正在规划DeepSeek本地部署、企业知识库、GPU服务器或科研算力平台,可以查看网昱智算GPU服务器产品,也可以联系方案工程师沟通模型规模、并发量和现有机房条件。
资料参考 #
专题导航:下一篇:第2集



