中國新創公司 DeepSeek 近來宣布，將在「開源週」釋出五組已投入實際生產環境的程式碼庫，這項舉動不僅延續其開放權重模型的精神，更進一步向外界揭示運行背後的基礎架構與核心技術。
作為一家在短時間內迅速竄起的 AI 業者，DeepSeek 先前就已經靠著競爭力堅強、且可供免費下載使用的推理模型 R1 震撼市場，這回更透過公開程式碼，展現其對開源的堅定立場。
延伸閱讀
DeepSeek AI是什麼？超低成本AI模型震撼全球
DeepSeek 開源程式碼釋出
DeepSeek 此次計畫在社群平台上，分五天逐步公開幾個曾在生產環境內被完整測試和部署的程式碼庫。公司方強調：「每一行程式碼都是推動 AI 進步的動力。」類似的表態在過去 AI 生態中並不多見，尤其若和 OpenAI、Google 等大型 AI 企業的封閉策略相比，DeepSeek 的開放透明已成為特色。
其實，DeepSeek 年初就已因釋出可下載的開放權重模型。
所謂的開放權重，是指模型中神經網路參數可供外部開發者自行微調與再訓練，這對中小型團隊或研究者來說，意義相當重大：僅需較低的運算成本，就能蒐集這些權重並進一步發揮。像是 Stanford、Berkeley 等學術機構，也透過類似方式，極短時間內就複製或改良超大型語言模型。如今 DeepSeek 更準備釋出底層程式碼，勢必加劇跟其他未開源模型的競爭格局。
同樣值得關注的是，有不少業者乃至專家都在密切觀察 DeepSeek 的訓練程式碼是否也將曝光。因為唯有連訓練步驟與使用的資料資訊都一併公開，才算真正符合開放原始碼的正式定義。
未來若 DeepSeek 真能完整分享，包括其近期推出的演算法「Native Sparse Attention（NSA）」如何讓長上下文應用更有效率，對於 AI 研究員而言，無疑將是一大助力。
AI 蒸餾技術崛起
在 DeepSeek 身上，我們也能看到另一個衝擊市場的重點技術：蒸餾（distillation）。這種方法可讓較小的模型向大型語言模型模型學習，精準萃取知識並自我訓練；最終得到的「學生模型」在推理能力上可逼近原先的模型，但運算成本與所需資源卻低很多。
類似的趨勢也不只在中國發酵。許多全球 AI 實驗室如今都在實踐蒸餾技術，強調「研發者不一定要擁有龐大的硬體資源，也能追上第一梯隊」。國際企業如 Hugging Face、Databricks都已將蒸餾流程整合進自家 AI 模型訓練管線中。對於整個產業來說，這意味未來的競爭核心，或許在於誰能最快整合新穎演算法、誰能率先提升效率，而非單純比拼算力或預算多寡。
中國仍面臨晶片與數據挑戰？
DeepSeek 的崛起，更在中國國內激起了一股「人工智慧的民族自信」的聲浪。中國國營媒體對此多所贊揚，認為這是對美國先前多輪晶片與技術制裁的一種科技突圍。然而，已有學者與觀察家點出，此刻確實值得肯定 DeepSeek 帶來的創新突破，但若因一家公司成功就高漲民族情緒，反而可能忽視中國其他持續努力的領域。
包括香港中文大學（深圳）公共政策學院院長鄭永年在內的學者提醒，中國在網路資料的全球連通度與跨平台整合上，其實仍有不少制度性障礙。此外，國內對生成式 AI 的法規監管相對嚴格，各種審查流程導致部分研發者和人才外流。
未來若想在全球 AI 競賽中與美國、甚至歐洲、印度等其他地區抗衡，該如何平衡安全監管與技術創新，亦考驗北京政策布局。若能適度放寬或簡化審核流程，同時鼓勵更多企業參與開源，才可能在軟體層面持續創造領先。
總而言之，接下來市場將持續關注 DeepSeek 下一步是否會公開訓練程式碼與數據細節，以及全球其他競爭者又將如何快速跟進，AI 競賽只會更加白熱化。
