BAT为何未能做出DeepSeek？
大厂在AI领域的前期投入与期待
BAT等大厂的投入情况
BAT等国内互联网大厂在大模型赛道上投入了大量的人力、物力。它们在人工智能领域布局已久，拥有众多资源。例如百度在AI领域的研发投入持续多年，腾讯和阿里也各自利用自身的优势领域，如腾讯的社交与游戏生态、阿里的电商和云计算场景，试图在AI发展中占据一席之地。这些大厂都期望能在AI领域尽快追上OpenAI等国际领先者，与硅谷在AI方面一较高下，市场也对它们抱有很高的期待。
市场对大厂的期待落空
尽管大厂投入众多，但最终在大模型领域取得突破性成果的却是DeepSeek。虽然大厂也推出了不少产品，像文心一言、通义千问等，但这些产品在影响力方面，与DeepSeek相比都稍逊一筹。市场原本期待大厂能在AI领域有更大的创新和突破，然而结果却不尽如人意。
DeepSeek的成功基石：深耕AI领域
早期布局与发展历程
DeepSeek的成功并非偶然，其背后有着多年的积累。它由幻方量化孕育而生，创始人梁文锋早在大学时期就对人工智能充满信心。幻方量化在2015年成立后，便在AI领域积极探索。从2016年第一份由深度学习生成的交易仓位上线，到2017年全面应用深度学习技术进行交易，再到后续将AI确定为主要发展方向、改变组织架构成立幻方AI、自主研发AI集群等一系列举措，不断在技术和基建上稳步发展。
技术储备与硬件支持
在技术储备方面，幻方量化一直积极推进。其研发的“萤火一号”与“萤火二号”AI集群，特别是“萤火二号”投资达10亿元，极大提升了算力支持。幻方也招募了不少算法科学家。在硬件方面，幻方量化拥有大量高性能GPU芯片，这为DeepSeek的发展奠定了坚实的基础。相比之下，大厂在这方面的优势并不明显。
DeepSeek的创新模式：反套路而行
团队组建理念的差异
DeepSeek的团队组建与大厂有很大不同。大厂通常倾向于到海外挖掘技术大牛，快速组建团队。而DeepSeek的团队多由本土Top高校的应届毕业生组成，他们选人的标准是热爱和好奇心，不看重经验资历。这种团队组建方式为DeepSeek带来了新鲜的活力和创新思维。
工作机制的独特之处
DeepSeek的工作机制也与众不同。他们不前置分工，而是自然分工。团队成员遇到问题会自主拉人讨论，当一个想法有潜力时，会自上而下调配资源。成员可以随时调用训练集群的卡无需审批，还能灵活调用其他人。这种工作机制打破了传统大厂那种层级分明、跨部门协作困难的模式，有利于创新的产生。
BAT未做出DeepSeek的原因剖析
组织惯性的束缚
BAT等大厂的组织架构往往已经形成了一种惯性。它们的AI战略依附于现有业务体系，这种体系在长期发展过程中形成了固定的运作模式。例如腾讯的AI服务于社交与游戏生态，阿里的AI嵌入电商和云计算场景，这使得它们在探索新的AI模式时受到限制，难以跳出既有框架进行创新。
商业化压力的影响
大厂面临着巨大的商业化压力。它们在投入AI研发时，往往希望能够快速实现商业变现。这种商业化的考量使得它们在技术创新时更倾向于优化现有的业务模式，以获取短期的收益。而这种追求短期利益的做法，可能会阻碍对新的、更具颠覆性的AI技术的探索。
技术路径的局限
大厂在技术路径上也存在一定的局限性。由于已经在特定的技术方向上投入了大量资源，它们更倾向于沿着现有的技术路径进行优化和发展。这种对既有技术路径的依赖，使得它们难以像DeepSeek那样大胆地尝试新的技术方向，从而在大模型的创新方面落后于DeepSeek。
相关问答
DeepSeek成功的主要因素有哪些？
DeepSeek成功主要源于多年在AI领域的深耕积累，有强大的技术储备和硬件支持，还有其独特的创新模式，如团队组建和工作机制的创新。
BAT在AI研发中有哪些优势？
BAT在AI研发中的优势包括拥有大量的资源，如人力、物力等，在各自的业务领域有深厚的根基，像腾讯的社交与游戏生态、阿里的电商和云计算场景可作为AI发展的依托。
为什么说DeepSeek的团队组建方式有利于创新？
DeepSeek的团队多由本土高校应届毕业生组成，他们因热爱和好奇心加入。这种方式带来新鲜思维，不像大厂依赖海外经验人士，更易突破常规，产生新想法。
BAT的商业化压力如何影响其AI创新？
BAT的商业化压力促使它们追求短期收益，在AI研发中倾向于优化现有业务模式来快速变现，这限制了对颠覆性AI技术的探索，阻碍了创新。
幻方量化对DeepSeek的发展有何重要意义？
幻方量化为DeepSeek提供了孕育环境，在技术研发、硬件储备等多方面奠定基础，如自主研发AI集群提升算力，招募算法科学家等。
DeepSeek的工作机制在创新方面有何优势？
DeepSeek的工作机制不前置分工，自然分工使成员自主讨论问题，有想法可随时调用资源，这种灵活性有利于激发创新思维，突破传统模式限制。
