中国人工智能公司深度求索（DeepSeek）在大模型上取得的成功，目前已经深深撼动了硅谷同行们的信心。

1月23日，在美国匿名职场论坛TeamBlind上，一名Meta公司员工发布涉深度求索的帖子“Meta生成式人工智能部门陷入恐慌”，引起广泛讨论。该员工在文中称，从深度求索发布DeepSeek-V3开始，就已经让Meta的Llama 4在各项测试中处于落后，“更糟糕的是，这家不知名中国公司仅为此花费了550万美元。”

550万美元是什么概念呢？“Meta生成式AI部门里的每位‘领导’的薪资都超过了这个数字”，该Meta员工称，“而我们却有几十位这样的领导，我根本无法想象该如何向公司高层证明部门目前高额成本的合理性。”

该员工透露，目前Meta的工程师们正在疯狂研究分析DeepSeek的成功，并试图从中复制任何能复制到的东西，这不是夸张。“然而，当DeepSeek-R1发布时，事情变得更加可怕了”，该员工表示虽然不能透露太具体，但有些事情很快将会公开。

最后，该员工反思称，Meta的生成式AI部门本应该是一个以工程为重点的小型组织，但因为很多人都想进来分一杯羹，人为膨胀了组织的规模，到最后人人都是输家。

目前不清楚该员工所指具体为何，是否暗示该公司生成式AI部门面临的调整或者其他情况的可能性，这还需要进一步观察，不过Meta在大模型中竞争中脚步放缓已是事实。

公开信息显示，帖子中提及的DeepSeek-V3于去年12月26日对外发布，该模型一经发布就站上了开源模型No.1的位置。根据当时深度求索公布的技术报告数据，Meta公司的Llama 3.1-405B仅在大规模多任务理解数据集MMLU-Pro一项，接近DeepSeek-V3水平，其余多项几乎都不及八成，甚至在算法类代码场景和工程类代码场景下，Llama 3.1-405B只有DeepSeek-V3的一半水平。

而4天前（1月20日），深度求索对外正式发布DeepSeek-R1，官方技术报告的测试所对照模型中，仅有OpenAI公司闭源的OpenAI o1 模型，以及DeepSeek-v3等自家模型。而在上一轮DeepSeek-V3测试中所对照的Meta、Anthropic等公司模型，此时早已不见踪影。

最重要的是，DeepSeek-R1以及深度求索同期提及的DeepSeek-R1-Zero模型，首次让整个行业清楚看到，大模型如何仅靠大规模强化学习（RL）驱动、在没有人类标注数据冷启动（SFT）的情况下，实现持续自我成长。简单说，DeepSeek-R1的意义就相当于让谷歌的围棋软件AlphaGo（阿法狗）从零开始自己与自己下棋，并通过试错自学达成如今的水平，但期间却不向AlphaGo提供任何人类大师的下棋思路信息。

而在成本方面，深度求索虽然未透露DeepSeek-R1 的训练花费，但DeepSeek-v3的总训练时长则为278.8万GPU小时（其中预训练占266.4万小时），使用2048块英伟达H800 GPU，耗时约两个月完成。与之相比，同样开源的Llama 3.1-405B却消耗了3080万GPU小时，成本是DeepSeek-V3的11倍。甚至OpenAI公司的 GPT-4o的模型训练成本也达到1亿美元，这与DeepSeek-V3训练花费的557万美元相差巨大，也让“花小钱办大事”成为深度求索的重要标签。

对此，在该Meta员工的帖子下边有一名三星员工评论称，特朗普日前宣布的“星球之门计划”预计投入总规模达到5000亿美元，“但如果当这些AI基础设施仅能与深度求索极小的成本相匹配时，投资人还能有多少耐心？这个5000亿美元的计划还没开始就将夭折。”

而谷歌公司的一名员工也评论称，深度求索很疯狂，不仅仅是Meta，面对这家中国公司时，OpenAI以及谷歌/Anthropic目前同样是“火烧屁股”。

不过这名谷歌员工也承认，对于行业来说是一件好事，“我们可以实时看到公开竞争对创新的推动作用”。