对话中国工程院院士：DeepSeek，究竟厉害在哪里？

今日，中国工程院院士、清华大学计算机系教授郑纬民及多位AI圈人士在与新浪科技沟通中，指出了DeepSeek其成功出圈的关键所在。

目前，业界对于DeepSeek的喜爱与赞美，主要集中在三个方面。第一，在技术层面，DeepSeek背后的DeepSeek-V3及公司新近推出的DeepSeek-R1两款模型，分别实现了比肩OpenAI 4o和o1模型的能力。第二，DeepSeek研发的这两款模型成本更低，仅为OpenAI 4o和o1模型的十分之一左右。第三，DeepSeek把这一两大模型的技术都开源了，这让更多的AI团队，能够基于最先进同时成本最低的模型，开发更多的AI原生应用。

那么，DeepSeek是如何实现模型成本的降低的呢？

郑纬民指出，“DeepSeek自研的MLA架构和DeepSeek MOE架构，为其自身的模型训练成本下降，起到了关键作用。”他指出，“MLA主要通过改造注意力算子压缩了KV Cache大小，实现了在同样容量下可以存储更多的KV Cache，该架构和DeepSeek-V3模型中FFN 层的改造相配合，实现了一个非常大的稀疏MoE 层，这成为DeepSeek训练成本低最关键的原因。”

就技术层面而言，KV Cache是一种优化技术，常被用于存储人工智能模型运行时产生的token的键值对（即key- value数值），以提高计算效率。具体而言，在模型运算过程中，KV cache会在模型运算过程中充当一个内存库的角色，以存储模型之前处理过的token键值，通过模型运算计算出注意力分数，有效控制被存储token的输入输出，通过“以存换算”避免了多数大模型运算每次都是从第一个token开始运算的重复计算，提升了算力使用效率。

此外，据郑纬民透露，DeepSeek还解决了“非常大同时非常稀疏的MoE模型”使用的性能难题，而这也成了“DeepSeek训练成本低最关键的原因”。

目前，通过MoE混合专家模型提升AI大模型的专业认知能力正成为业界公认的有效手段，而且一个大模型的专家模型数量越多，模型就越稀疏，效率也越高，但专家模型变多可能导致最终生成的结果不太准确。

据郑纬民介绍，“DeepSeek比较厉害的是训练MoE的能力，成为公开MoE模型训练中第一个能训练成功这么大MoE的企业。”新浪科技了解到，为保证大规模MoE专家模型的均衡运行，DeepSeek使用了先进的、不需要辅助损失函数的、专家加载均衡技术，保证每个token下，少量专家网络参数被真正激活的情况下，不同的专家网络能够以更均衡的频率被激活，防止专家网络激活扎堆。

此外，DeepSeek还充分利用专家网络被稀疏激活的设计，限制了每个token被发送往GPU集群节点（node）的数量，这使得GPU之间通信开销稳定在较低的水位。