DeepSeek 完成近 1000 亿人民币融资，杨博士说AI 解读通用模型吃掉垂类的趋势

以下是视频口播的自动转写，可能有错字。

刚看到一则新闻，deepseek 完成了一轮接近1000亿人民币的融资。这金额呢，换成美元也达到150亿美元。虽然跟 OpenAI 和 anthropic 的史上的融资规模还有一些差距，当然也在差不多一个数量级了，绝对是国产的最大的一轮 ai 公司的融资。

之所以基础模型公司融这么多钱呢，其实有一个很重要的范式的变化。就原来呢大家认为很多的垂类的模型，或者垂类的 agent，甚至垂类的应用呢，是有门槛的。那现在看来呢，通用模型是要吃掉一切。很多应用呢，即使是有流水，但没有毛利。即使在一定时间内有一定的市场声浪，但并没法建立长期的壁垒。

在 ai 时代呢，其实一个大的新的认知的范式就是模型级产品，而通用模型呢，又可以吃掉所有纯类模型。类似的案例我们已经看到了，比如说 gpt 的新的数学模型，在两周时间内解决了722道世界级的数学难题。诺贝尔奖获得者王红刚证明的三维挂骨问题呢，那据说 gpt 直接推出了四维挂骨问题的解法。

讨论圈的说法是经典数学的证明稀缺的时代已经结束了，反而呢他推荐数学2.0的时代呢需要以实验数学为主。所以呢纯数字世界的。游戏，从编程到数学，甚至到一些设计，都已经被 ai 所覆盖了。这个就有点像10年前，阿尔法狗第四打败李世石之后，未来的人类玩家再也没有赢过 ai。

未来的人类数学家和人类的工程师，大概率呢，更多是给些灵感，而具体的前沿的探索，都由 ai 来操作。那从数字世界走向物理世界呢，其实并不是一个不可逾越的鸿沟。在很多的场景里，ai 也在大规模的赶超人类的头部玩家。比如说3d设计，原先呢我们看到 gp 的 astral，虽然使用 blender 很熟练，但是一些细节问题上往往呢是差强人意。

但是在配合了一些3d设计的细节的工具之后呢，基本上通用模型已经可以超越3d模型。比如说，a whole lot 3d，把这个呢作为一个 skill 给到 astral，可以发现通用模型呢已经完全覆盖了3d的垂类模型的能力。类似的，在巨生智能的场景里，原先的巨生智能的大脑是用 vla 来实现，比如说，0.5。

但是呢，vla 相当于从零开始搭建一个巨生大脑，这个 space 太大了，难度也很大，而且很缺数据。现在在大圆模型加上 vlm，就是所谓的多模态大圆模型的基础上，再加上类似 jeff 的决策模型已经可以覆盖原先的 vla 80%的策略工作，只有20%的非常基础的反射弧的工作才由 vla 完成。

所以呢，llm 加 vla 相当于一个大脑、小脑和反射弧的关系。astral 加上 pi 0.5完全可以替代目前市场上最先进的 vla 模型。包括 world models 世界模型的一些因果关系呢，其实也在大语言模型的内部找到了一些线索。

曾经 anthropic 通过 jacobianspace 看到了在模型做决策过程中，它的 hidden space，它的内部的信息中呢，已经做了对于世界理解的一些推理和判断。所以呢，yann lecun 提出的世界模型呢，其实在大语言文本模型中呢，可能已经包含了。

在这样的前提下呢，因为通用模型有可能要吃掉所有垂类模型，而模型呢本身又要吃掉所有应用，这也是为什么模型公司，尤其头部的模型公司融资规模很大的原因。当市场上是否一定最终会只剩下两三个通用模型公司呢？我觉得也不一定，因为 ai 呢，就从过去一年的发展的态势来看，还是有一定的空间，像百花齐放的态势去发展。

大参数模型呢，其实并不是 agi 的唯一路线。如果大参数模型是 agi 唯一路线的话，那肯定有最多。资金的公司能投入更多的算力，能接受更大规模的，对你的亏损。这样的话，最后的玩家可能是融资规模最大的，或者资金储备最多的。比如说 OpenAI，比如说 anthropic，比如说 deepseek。

但今年以来呢，其实每个季度呢，大家能看到在 transformer 以外呢，都会有新的范式。新的范式呢，其实给市场带来了很多新的变数。首先呢，是今年年初的 opencloud，它在模型之上呢，引入了 memory 到 md，habit 到 md，soul 到 md，分别对应着记忆、心跳、主动性和人格。

这样呢已经形成了一个新的范式。现在的新的系统，单一模型是完全不够的，honest 已经成为了接近一半的智能。今年下半年以来呢，codex 开源了自己的 codex honest，把前后端的能力解耦，其中呢提出了一份核心概念叫 app server，让核心的智能能力作为后端，而前端的能力可以有多种不同的变化。

在对应着 deepseek 推出的 plugin，机插机用的插件的模式呢，其实已经形成了一种在模型之外的新的范式。今年6月份以来呢，其实很多的路由跟 mass 公司呢，提出了群体智能的概念，英文呢叫 test time scaling。比如说 open router 的 fusion，比如说 hermes 的 mixture of agents，moa。

最后呢，gpt 呢也推出了它的 soul ultra 模型。这些呢都证明了其实在单模型之上的群体智能也。也是一个可以左右未来的智能终局的很重要的因素。今年8月份呢，anthropic 推出了一个新的概念，叫做模型硬件标准，model hardware standard，让虚拟智能呢走向了物理智能。

这样的话，模型不仅要跟虚拟的哈利斯结合，也要跟物理世界的哈利斯形成联动。而物理世界哈利斯的这个模块呢，目前仍然有很大的研究空间。9月份，type c 公司呢推出了自己的角色模型 jeff。目前呢可以看到，jeff 这样的角色模型的能力已经在替代整个的 honest agent look 中的部分大圆模型 llm 的能力。

而这个呢，对于未来的 ai 的发展具备非常深远的影响。因为如果市场上单纯的只比拼大圆模型能力的话，完全是一个成本游戏。而如果 jeff 角色模型替代大圆模型，推理的成本得到了大规模的优化，让更多的玩家可以参与。最后呢是9月份以来市场上最火的方向，就是 isi 和 tdt，recursive self improvement 以及 test time training。

模型呢在测试时完成训练，相当于出厂的模型只是一个干细胞，而最终分化成为的一个有特殊能力的组织呢，是在使用中不断的优化。所以呢可以看出啊，今年以来呢，每个季度至少有一到两个大的新的技术的迭代。而这些迭代呢，都不是依赖模型的参数的堆叠。模型本身呢，也并不是唯一的智能提升的瓶颈。

尤其是决策模型在推理成本上的优化和 isi 在训练成本的优化，给未来的 agi 路线呢，带来了很多新的变数。让融资最多的模型公司，并不一定会成为最终唯一的赢家。如果模型参数量的叠加和推理的大幅亏损，并不是一个默认的发展方向的话，类似海外的 OpenAI、anthropic，包括国内的 deepseek，虽然融资金额巨大，也并不会完全垄断整个的模型市场。

新的玩家依然有机会重新定义 agi，未来的 ai 市场依然扑朔迷离。从虚拟世界到物理世界，从大圆模型到角色模型，新的玩家依然有巨大的想象力，整个的 agi 路线也存在巨大的变数。