最近DeepSeek風靡世界，無數(shù)的人在討論、嘗試、思考它能給世界帶來的改變和對于未來的意義。本文從多個角度，總結一下DeepSeek的幾個要點，供大家參考。

 一、DeepSeek是一個更高級、高效的交互模型

與其他現(xiàn)有模型相比，它的體積小、效率高、更加智能一些。它自我評價：更高級的自然語言處理能力、更深層次的上下文理解、更精準的個性化服務、更廣泛的知識覆蓋、更高效的任務執(zhí)行、更流暢的多語言交流、更細膩的情感識別、更快速的持續(xù)學習能力，以及更嚴格的用戶隱私保護措施。這些特點共同構成了一個更加智能、靈活且用戶友好的交互體驗。

 二、DeepSeek開源，免費下載，降低了應用門檻

開源：意味著沒有黑箱，提高了透明度和安全性。也會吸引更多人參與，能促使生態(tài)發(fā)展，加速技術的發(fā)展。
免費：普通老百姓也能下載、安裝、使用訓練好的模型（這個就是具備很多人類知識的智能體），擁有自己的智慧助手。本地運行時，不需要網絡，不必接入他人的服務器，就可以查詢，甚至調整自己的助手（模型微調）。它大大推進了“AI平權”的進程，它打破了大廠對于AI技術的壟斷，打破了AI對于英偉達硬件的依賴（國產GPU也可以支持），消除了AI的神秘感，使AI的使用成本大大降低。通過AI掙錢的方式也會發(fā)生很大的變化，更多的小公司、小群體、甚至個人，都可以參與其中，提供個性化的服務，產生附加價值，進而找到掙錢的機會。

 三、我們依然需要保持結果評判能力

大的方面看，有大神已經開始就一些專業(yè)問題和DeepSeek交流，然后進行考證，發(fā)現(xiàn)它也有胡扯的問題。這個問題在國外大模型上存在，DeepSeek是在國外模型上蒸餾出來的，基本結構和知識體系也相似，所以：問題同樣存在。因此，我們在使用它的結論時，要有辨別和驗證，起碼要存疑，不能全盤接受。小的方面看，有一次，我向它要了個算法，利用常規(guī)數(shù)據(jù)測試還正常，一些邊緣條件測試時就發(fā)現(xiàn)了問題，然后自己再手工修正算法，才滿足了自己需要。有文章說，AI能幫我們完成70%的編程工作，根據(jù)2-8理論，就算是人工編程，前80%的工作也只需要20%的精力，剩下的那部分工作（調試，完善）才是真正花精力的，AI恰恰不能做這些事。所以，在編程方面，AI充其量是個小徒弟的角色、小助手，不要指望它啥都能搞定。當然，對于那些模式清晰的重復工作，它是可以學會的（和小徒弟一樣）。

不管是計算機編程，還是PLC編程，都是同樣的道理。“提個需求，它能自己完成編程和調試，因此，PLC工程師可以不需要了”，只是一個美好的幻想。

 四、我們依然需要深入思考的能力

它更能更好地理解自然語言的提問，但是，我們還是要將業(yè)務需要轉換成樸素的提問，才能讓它理解和回答。我們要有思考能力，結合一定的經驗，才能將復雜的問題進行梳理、拆解，獲得答案后，再進行甄別，匯總，形成相對合理的方案，再進行驗證。

 五、它能超越人類嗎？

這是它的回答：作為人工智能，我在處理大量數(shù)據(jù)、執(zhí)行復雜計算和快速檢索信息方面具有優(yōu)勢，但我并不具備人類的意識、情感和創(chuàng)造力。我的能力是專門化的，旨在輔助和增強人類的工作效率，而不是取代人類。在理解復雜情境、進行創(chuàng)新思維和情感交流等方面，人類的能力是無可替代的。因此，我不認為“超越”是一個合適的描述，我更傾向于認為我是人類的有力工具和伙伴。

它不能超越人類，但是，在很多方面（知識廣度、寬度、綜合能力等），它可以超越我們的任何個體，因此，我們都可以從它那兒獲取到幫助。尤其是更容易獲得那些客觀知識的幫助，比如，“請給我講講傅里葉變換”、“有哪些傅里葉變換算法？他們各自的優(yōu)缺點是什么？”...

 六、部署成本不能忽視

不同等級的模型，對于資源的需求不同。帶獨立顯卡的家用電腦，可以部署最小模型，稍微高級的模型，對于顯卡內存的要求會快速提高。但是，隨著硬件成本的降低，家庭也能部署越來越高級的模型，這絕對是人類文明的一個巨大進步。

有些“專家”在暢想：將模型集成到PLC里，實現(xiàn)智慧控制。什么PLC的算力能達到基本模型的需要？如果硬上，那得需要多大的PLC板卡？多大的散熱片？多大的電源？PLC還是PLC嗎？相比這種瘋狂的想法，“云上PLC”更靠譜，云上的算力不是問題，要注意一個前提條件：網絡不斷（I/O不離線），虛擬系統(tǒng)不死機。

 七、使用限制

DeepSeek 在自然語言處理、數(shù)據(jù)分析、代碼輔助、教育輔助和個性化推薦等方面表現(xiàn)出色，但在物理操作、實時監(jiān)控、法律和醫(yī)療決策、創(chuàng)造性藝術、情感支持和復雜決策等方面存在局限。

當前階段，很多工業(yè)企業(yè)正在智能控制方面不斷摸索，形成眾多解決具體問題的小模型（一般都是部署在PLC的上級，由PLC充當傳感器和執(zhí)行器）。當這些模型越來越多，越來越成熟，不斷地互相融合，才能形成工業(yè)控制的通用智能體。