关于 DeepSeek 的一些个人思考

关于DeepSeek的一些个人思考

在现阶段，提升模型能力，换句话说，AI（Artificial Intelligence）中的“智能”（intelligence）是第一优先级，甚至可以说，是唯一优先级。

“多模态”、“tts（AI语音）”是否是模型能力？个人观点，是模型能力，但并不能算是模型的“智能”。人的深度思考就是仅凭语言符号系统来进行的。在模型的思考深度还没有追上甚至超越人类之前，优先级上应让位于模型“智能”的建设。 ·多模态：本质是模型对物理世界的感知延伸，属于信息输入端的扩展（如视觉/听觉信号处理）。 ·tts：本质是和人类交互的效率工具，其价值依附于底层智能水平，如同"优质喇叭无法提升音乐创作能力"。

模型能力的提升带来用户体验的差距，尤其是一旦模型出现了“智能代际”（推理类大模型 vs 非推理类大模型），再强的产品运营手段都难以弥补底层能力鸿沟带给用户的体验差距。

这次DeepSeek就是最好的例子：豆包用了一年的时间+大量的营销投入DAU达到2000万，而DS只用了21天。当然，DeepSeek达到2000万也是各类因素叠加导致的结果，是类似于“黑神话悟空”的成功。 ·国内势能： ”国产”长期落后，一下子突破来到了“世界领先”位置的自豪感。 ·国外影响：① 第一个“推理LLM”开源在国外技术社区引起的轰动，OpenAI为了短暂的商业价值，而把自己的成果秘而不宣，最后DS抢先公布，青史留名；② 美国进一步宣传中国AI威胁论，进一步帮助DS宣传，快速提升知名度。

产品经理在这样的趋势中能些做什么？ ① 做能做的一切事情，帮助模型提升“智能”。 ② 和算法深度对齐，预判下一代模型的突破方向，并提前规划产品框架，制定好最能影响用户体验的核心功能。

举个例子，DS这次可以说最show off的能力就是面向用户完整的展示了模型的“推理过程”（long CoT），而O1发布时则对这部分做了简化处理（为了避免真实的long CoT被获取），导致只看output并没有那么的出彩。所以对推理模型“认知可视化设计”，就是最影响用户体验的核心功能。

假设说，下个模型能力的关键节点是类似于OpenAI发布的“Deep Research”，是在推理能力后，模型的“长时间推理”（几秒→几小时）+ “执行能力”（使用工具+信息收集），那么①完整展示模型的“执行规划”，②预计每个步骤的“执行时长”，以及③执行时的思考过程，可能比“加载圈圈转几个小时，转完后直接生成一份调研报告”的体验要好太多太多。

最后放一个DeepSeek的总结：DeepSeek的案例印证了AI竞争的终极法则——智能即护城河。在通往AGI的路径上，所有技术决策都应服务于一个根本问题——如何让模型更接近"思考者"而非"应答器"。这要求从业者保持战略定力，警惕过早陷入"感知增强陷阱"，在智能高原真正到来前，所有交互优化都只是锦上添花。