一个来自广东湛江的80后，带着139名程序员，用不到30万美元的训练成本，做出了让整个硅谷都震惊的AI模型。

9月17日，国际顶级学术期刊《Nature》封面刊登了一篇特殊的论文，DeepSeek-R1的研究成果。这标志着什么？

这是全球首个通过权威学术期刊同行评审的大型语言模型，也是中国AI公司首次登上Nature封面的历史性时刻。

论文的通讯作者，正是DeepSeek创始人梁文锋，这个1985年出生的广东小伙，用一种全新的方式重新定义了AI训练的游戏规则。

打破"烧钱定律"，纯强化学习的革命性突破

在AI圈，有个不成文的"烧钱定律"，训练一个顶级大模型，动辄需要上亿美元，OpenAI训练GPT-4花了超过1亿美元，谷歌、Meta也都是几千万美元级别的投入。

但梁文锋和他的团队彻底颠覆了这套逻辑。

DeepSeek-R1的训练成本仅为29.4万美元，即使加上基础模型的约600万美元成本，总投入也远低于竞争对手，更关键的是，这个成本创造出了性能媲美OpenAI o1的推理能力。

秘密武器是什么？纯强化学习。

传统训练方法需要大量人工专家来标注推理步骤，就像请数学家逐步教AI解题，这不仅成本高昂，还给AI设定了"天花板"，模型很难超越人类的思维局限。

DeepSeek团队采用了截然不同的路径：只对最终答案给奖励，让AI自己探索解题过程。

这种"散养式"训练让模型展现出惊人的自我进化能力，它会自发延长思考时间，学会自我反思和验证，甚至出现"等等，让我重新考虑一下"的顿悟时刻。

在数学竞赛AIME 2024中，DeepSeek-R1-Zero的准确率从15.6%飙升至77.9%，使用自洽解码技术后更达到86.7%，远超人类选手平均水平。

从"技术竞赛"到"科学纪律"

更重要的突破在于DeepSeek开创的"程序价值"。

R1被认为是首个经历同行评审过程的主流LLM，这意味着什么？它将AI研发从"黑箱魔术"升级为"可验证科学"。

以往大模型公司只会展示结果，核心技术秘而不宣，DeepSeek却毫无保留地公开了所有训练细节，从学习率、采样温度到"每道题尝试16个答案"等具体参数，甚至连解决"中英夹杂"问题的"语言一致性奖励"计算公式都完整披露。

Hugging Face机器学习工程师Lewis Tunstall表示，R1是首个经历同行评审的大型语言模型，这是一个非常值得欢迎的先例，这种透明化让全球研究者都能学习和验证，为行业树立了开放与规范的新标杆。

DeepSeek还在论文中直接回应了外界的"蒸馏"质疑，明确表示R1并非通过模仿其他AI模型的输出来训练，而是基于互联网数据的纯正"血统"。

这种程序价值的意义远超技术本身，它将LLM研发纳入独立的同行评审体系，是从"技术竞赛"迈向"科学纪律"的关键一步。

梁文锋团队的成功更显得传奇。

DeepSeek研发团队只有139人，而OpenAI拥有1200名研究人员，这种"以小博大"的背后，是完全不同的人才理念和工作模式。

在北京融科资讯中心的办公室里，DeepSeek实行着近乎"理想化"的工作环境：没有KPI、不用打卡、以兴趣为导向。

梁文锋被员工形容为"极致的80后技术理想主义者"，每天就是"看论文、写代码、参与小组讨论"。

这个从广东湛江走出的小伙子，17岁考入浙江大学，从量化交易起家，一路低调前行，他说过：中国AI不可能永远跟随。

如今这句话正在成为现实。

值得一提的是，在Hugging Face上，R1已成为最受欢迎的开源模型，下载量超过1090万次。这个数字背后，是全球开发者对中国技术创新的认可。

DeepSeek-R1的成功证明了一个重要观点：技术创新不是靠砸钱就能解决的，关键在于找到正确的方法论。

梁文锋团队使用的GRPO(组相对策略优化)算法，巧妙地避开了传统PPO算法的高资源消耗问题，从基础的DeepSeek-V3 Base，到纯强化学习的R1-Zero，再到多阶段优化的最终版本R1，整个研发过程展现了扎实的工程能力和清晰的技术路线图。

结语

DeepSeek-R1登上Nature封面，不仅是中国AI的高光时刻，更是全球AI发展的重要里程碑。

它证明了开放、透明的研发模式能够推动整个行业的进步，也显示了中国技术团队正在从跟随者转变为引领者。

梁文锋的故事告诉我们：真正的技术突破，往往来自于对本质的深度思考，而非简单的资源堆砌，在AI这条赛道上，中国正在书写属于自己的传奇。

信源：

证券时报网 2025-09-18 DeepSeek，打破历史！中国AI的“Nature时刻”