這種人，在專業(yè)領(lǐng)域內(nèi)就是無(wú)敵的存在。

如果你看過(guò)《思考快與慢》，可能更容易理解。人類有兩種思考系統(tǒng)，系統(tǒng)1是快思考，系統(tǒng)2是慢思考。人類通過(guò)長(zhǎng)期訓(xùn)練，某些系統(tǒng)2的行為可以逐漸變得自動(dòng)化，接近系統(tǒng)1的運(yùn)作方式。復(fù)雜決策的瞬時(shí)響應(yīng)，才是DeepSeek為應(yīng)用場(chǎng)景帶來(lái)的最本質(zhì)改變。

二、數(shù)據(jù)服務(wù)

復(fù)雜場(chǎng)景、垂直領(lǐng)域、高質(zhì)量的專業(yè)數(shù)據(jù)，比以往更加稀缺。

GPT-4o發(fā)布的時(shí)候，我拋出過(guò)這個(gè)觀點(diǎn)：

后來(lái)Ilya等大佬也發(fā)表了類似的觀點(diǎn)，證明我的猜測(cè)，確實(shí)通用的訓(xùn)練數(shù)據(jù)已接近耗盡。SFT本身有局限，如果要進(jìn)一步突破上限，強(qiáng)化學(xué)習(xí)是為數(shù)不多的選項(xiàng)。

DeepSeek – R1證明僅用強(qiáng)化學(xué)習(xí)就可以很好地完成post – train，這樣所需的標(biāo)注數(shù)據(jù)規(guī)模就會(huì)下降。下降不代表沒(méi)有，如果想要大模型解決更復(fù)雜的推理場(chǎng)景，就必須對(duì)數(shù)據(jù)結(jié)構(gòu)、標(biāo)注質(zhì)量提高要求 —— 也就是提升評(píng)測(cè)標(biāo)準(zhǔn)。

提升哪些標(biāo)準(zhǔn)？一個(gè)是專業(yè)化，一個(gè)是擬人化。

專業(yè)化，要到什么程度？我認(rèn)為不久的將來(lái)，各行業(yè)的業(yè)務(wù)專家、Leader們都要到親自到一線實(shí)操貢獻(xiàn)數(shù)據(jù)，萃取他們的認(rèn)知復(fù)刻到大模型。通用場(chǎng)景數(shù)據(jù)、中低端數(shù)據(jù)外包服務(wù)將不再重要，開(kāi)發(fā)者并不缺這類數(shù)據(jù)，可以通過(guò)導(dǎo)師模型來(lái)合成數(shù)據(jù)訓(xùn)練小參數(shù)模型。

高質(zhì)量的專家數(shù)據(jù)將變得尤為重要，并且是經(jīng)過(guò)設(shè)計(jì)、篩選、標(biāo)注、核驗(yàn)、優(yōu)化過(guò)的專家數(shù)據(jù)。

擬人化，要到什么程度？每一輪對(duì)話都像真人，而不像念稿?！跋裾嫒恕边@三個(gè)字的標(biāo)準(zhǔn)可以無(wú)限高，AGI也是像真人，像馬斯克、王陽(yáng)明一樣也是像真人。到底什么樣的數(shù)據(jù)，才能訓(xùn)練出像真人的模型？只靠微信、抖音里的那種內(nèi)容數(shù)據(jù)來(lái)堆量，是沒(méi)用的。如果有用，互聯(lián)網(wǎng)大廠們的大模型性能早就可以一騎絕塵，但實(shí)際上并沒(méi)有?，F(xiàn)在一騎絕塵的是DeepSeek，AI六小虎也沒(méi)有在模型水平上被大廠甩開(kāi)質(zhì)的差距。

現(xiàn)在主流的訓(xùn)練數(shù)據(jù)混合式是：人工數(shù)據(jù) + 合成數(shù)據(jù)，合成數(shù)據(jù)的質(zhì)量不如人類專家。所以專家們，該下場(chǎng)造數(shù)據(jù)了。

我認(rèn)為2025年是AI數(shù)據(jù)領(lǐng)域的分水嶺，勞動(dòng)密集型的數(shù)據(jù)生意將逐漸被淘汰，轉(zhuǎn)向?qū)＜颐芗偷母哔|(zhì)量數(shù)據(jù)服務(wù)。這也是為什么Scale AI創(chuàng)始人被DeepSeek刺激，呼吁限制中國(guó)AI發(fā)展，實(shí)際上是未來(lái)Scale AI的生意更難做，真的很焦慮。

三、研發(fā)成本

頭部AI公司的算力成本、團(tuán)隊(duì)規(guī)模會(huì)大幅控制，但人才密度會(huì)上升。

算力成本：DeepSeek展現(xiàn)出低成本、高ROI的模型讓更多玩家看到應(yīng)用場(chǎng)景落地的可能性，應(yīng)用端玩家會(huì)更多，資金投入會(huì)更堅(jiān)決。

DeepSeek刺激中美AI軍備競(jìng)賽加劇，英偉達(dá)斷供問(wèn)題更嚴(yán)重。國(guó)產(chǎn)替代芯片需求就更加迫切，準(zhǔn)確的說(shuō)市場(chǎng)更加渴望低成本的高端芯片，這對(duì)國(guó)運(yùn)來(lái)說(shuō)是利好。

人力成本：經(jīng)過(guò)DeepSeek的祛魅，AI大廠組織精簡(jiǎn)拐點(diǎn)已至。我想強(qiáng)調(diào)，不僅是硅谷，國(guó)內(nèi)大廠也絕對(duì)跑不掉。

同時(shí)，更低成本、更高效率的大模型研發(fā)機(jī)會(huì)，將刺激更多新老軟件公司加速布局AI，所以AI人才將呈現(xiàn)結(jié)構(gòu)化的流動(dòng)趨勢(shì)。好的AI公司比以往更缺頂尖人才，100個(gè)臭皮匠不如1個(gè)諸葛亮，包括算法、工程和產(chǎn)品。

就像炒房、炒股，21年以來(lái)房?jī)r(jià)暴跌，一線城市的豪宅明顯比剛需抗跌，豪宅自有其獨(dú)立的價(jià)值邏輯。為什么炒股大家都愛(ài)龍頭？表面看是人性使然，更本質(zhì)的邏輯在于：龍頭漲得最早，漲得最多，死得最晚。

所以，未來(lái)優(yōu)秀AI公司的人才密度一定會(huì)提升，將涌現(xiàn)出更多小而美的組織用實(shí)力證明自己。