伯克利团队30美元复现DeepSeek核心技术 低成本AI训练突破引关注

土耳鸡烤鸡

TOP 2 1月30日消息：加州大学伯克利分校AI研究团队昨日宣布，在博士生潘佳怡带领下仅用30美元成功复现深度求索（DeepSeek）R1-Zero核心算法，并通过英国益智节目《倒计时》游戏验证，展现低成本实现高级语言模型的新路径。

研究团队以3亿参数小模型为基底，基于强化学习框架开发出自主验证与搜索能力。实验显示，模型最初仅会随机输出答案，但在《倒计时》游戏的算数挑战中逐渐演化出"验证-修正"策略：首先生成初步答案，通过多轮迭代修正直至找到正确解。在乘法运算测试中，模型甚至自发运用分配律拆解大数运算，展示出类人解题思维。

团队尝试不同参数规模后发现，5亿参数模型仅能输出单一答案，而1.5亿参数以上版本开始显现策略优化能力。当参数提升至3-7亿时，模型解题步骤显著精简。值得注意的是，整个训练过程仅消耗约30美元计算资源，相较OpenAI的o1接口成本降低27倍。

该成果引发业界对AI研发成本的热议。虽然机器学习专家Nathan Lambert质疑深度求索公布的500万美元训练成本未包含人力、基建等隐性支出，估算其年运营成本或达5-10亿美元，但伯克利团队的实践仍具里程碑意义——相较于美国同行年均百亿美元的AI投入，该研究为中小团队参与前沿探索提供了可行性范本。