深入探讨DeepSeek的安全性与创新

关键要点

• DeepSeek 是一款引起广泛讨论的中国AI模型，面临有关安全性、成本和创新的重要问题。
• 该模型以低成本训练的方式引发了人们对国家安全的担忧。
• 采用开源模型的策略使其降低了开支，但同时引来了潜在的安全隐患。

在最近几天，DeepSeek 成为技术界关注的焦点。这款中国AI模型不仅引发了对其低成本训练方式的质疑，也引发了关于国家安全和AI领域影响的重要讨论。

节约成本还是走在前沿？

DeepSeek并不是从零开始开发自己的模型，而是利用现有的开源模型，特别是Meta的Llama和Qwen。这一做法大大降低了他们的训练成本。值得注意的是，Meta在Llama3-70B上的700百万美元投资让DeepSeek的600万美元训练费用主要是对现有模型的优化，而不是真正的独立训练。

有关DeepSeek通过抓取OpenAIAPI获取训练数据的传言进一步复杂了形势。此外，他们使用FP8精度，即8位浮点表示法，代替32位，从而将内存需求减少了四倍。这虽然降低了成本，但仍需显著的投资来运行这些模型，特别是在昂贵的Nvidia硬件上（旗舰模型的费用预计在10万美元以上），因此运营成本仍然是个重要因素。

DeepSeek与国家安全：不可忽视的风险？

由于DeepSeek的中国背景，潜在的数据影响和国家安全风险引发了人们的关注，并与TikTok进行了比较。

需要考虑的几个关键问题包括：

如何应对担忧而不抑制创新？

DeepSeek的涌现加剧了中美之间AI竞争。然而，与主要针对消费者的TikTok不同，AI模型能够渗透到企业、政府和国防部门。此举对国家安全提出了更直接、强大的挑战，可能会动摇西方在AI领域的主导地位，并加速监管行动。

针对这一威胁，值得考虑几种解决机制：

• 互联网防火墙和应用商店禁令 ：类似TikTok的禁令，封锁DeepSeek在主要市场的API和网络访问。
• 国家安全管控 ：禁止AI公司在敏感应用中整合中国开发的模型。
• 数据本地化规则 ：限制使用不透明数据集训练的AI模型在企业或政府设置中的应用。
• 透明度要求 ：政府可强制要求AI提供商披露他们的模型是如何训练和依赖的数据。
• AI网络安全监管 ：鉴于DeepSeek的外部端点