AI人才有多火？據大陸媒體報導，小米創辦人雷軍親自出馬挖角，以年薪人民幣千萬元（約合新台幣4,500萬元）聘用「95後」AI「天才少女」羅福莉。證券時報指出，小雷軍高薪招攬DeepSeek開源大模型DeepSeek-V2的關鍵開發者之一的羅福莉，領導小米AI大模型團隊。

公開資料顯示，羅福莉大學就讀於北京師範大學電腦系，研究所畢業於北京大學計算語言學所。2019年，在北大讀碩士的她在人工智慧領域頂尖國際會議ACL發表八篇論文，登上了《知乎》熱搜。羅福莉用本人知乎帳號回應稱，「這次投稿ACL是我近一年的產出，所以我認為自己是付出了足夠的努力的，當然也可能也有運氣成分加持。」

碩士畢業後，羅福莉先進入阿里達摩院，從事預訓練語言模型相關的工作，負責阿里達摩院AliceMind開源項目，主導開發了多語言預訓練模型VECO。2022年，羅福莉加入幻方量化從事深度學習相關策略建模與演算法研究，後來跳槽到DeepSeek擔任深度學習研究員，參與研發MoE大模型DeepSeek-V2。

今年5月，在DeepSeek-V2發布後，羅福莉在《知乎》撰文，發表對DeepSeek-V2的看法。她表示，「單論DeepSeek-V2模型的中文水平，是真實處在國內外閉源模型的第一梯隊」，「外加1元/百萬輸入Tokens的價格，只有GPT4價格的1/100，性價比之王」。

事實上，羅福莉被重金招入小米，是小米全面發力AI大模型的其中一項措施。 2023年4月，小米正式組建了AI實驗室大模型團隊，並表示將不斷挖掘AI相關的用戶場景，發揮自身技術優勢，並以開放的態度與合作夥伴開拓更多機會。

今年11月，小米成立了專門的AI平台部，小米的元老級技術工程師張鐸為負責人。張鐸本碩畢業於北京清華計算機系，曾被雷軍公開稱讚是「小米的大神」，送以「鐸神」的稱號。

小米集團總裁盧偉冰透露，預計2024年小米研發費用將達人民幣240億元，2025年更是將攀升至300億元（約合新台幣1,350億元）。預計自2022年至2026年的五年內，小米的研發投入將超過人民幣1,000億元，主要聚焦於AI、OS、晶片三大底層技術的研發。

雷軍曾在公開演講中表示，小米做大模型的想法和許多公司不太一樣，選擇主力突破的是輕量化和本地部署。對於小米這樣無論在手機或造車上都講究「性價比」的公司而言，如何在燒錢的大模型業務中平衡成本，無疑是雷軍考慮的核心問題。而這，或許也是擁有DeepSeek-V2研發背景的羅福莉被雷軍看中的原因。

稀疏門控專家（MoE）架構 使用了 MoE（Mixture of Experts）技術，有效提高了模型的計算效率。在保證精度的前提下，實現了更低的運行成本。

高效訓練與優化 模型採用了一系列前沿技術，如基於大規模數據的多輪優化、增強式學習等，顯著提升了模型的泛化能力和性能。

3. 成本與性價比:DeepSeek-V2 的運行成本僅為 1元/百萬 Tokens，相較於 OpenAI 的 GPT-4（約 100 元/百萬 Tokens）大幅降低。這樣的性價比來源於以下幾個方面：

架構優化：MoE 技術讓模型的資源利用更加精確和高效。

本地化設計：針對中國市場進行深度優化，減少了不必要的資源消耗。

4. 應用場景

DeepSeek-V2 的技術與經濟特性，使其適用於多樣化的應用場景：

企業應用：提供客服自動化、數據分析、內容生成等解決方案。

教育與科研：用於多語言學習輔助、知識挖掘。

消費級產品：嵌入手機助手、智能家居等設備中，提供低成本、高效的本地化服務。

5. 優勢與挑戰

優勢：技術領先，中文能力出色。

性價比極高，適合大規模部署。

符合本地市場需求，商業化潛力巨大。

挑戰：與國際巨頭（如 OpenAI、Google）的閉源模型競爭，仍需不斷提升技術深度。

如何在性價比和模型性能之間保持長期平衡，考驗團隊的研發能力。

總結:DeepSeek-V2 以其高性價比和出色的中文處理能力，成為中國生成式 AI 技術的重要代表。在國內外 AI 市場競爭日益激烈的情況下，這款模型有望通過創新技術和本地化應用，贏得更多市場機會。ChatGPT 說：DeepSeek-V2：深入解析

1. 背景與定位:DeepSeek-V2 是由中國 AI 團隊 DeepSeek 開發的一款大規模生成式預訓練模型，其專注於多模態、跨語言和大規模生成應用。這款模型的研發背景展示了中國在大模型領域的快速崛起，也表明本地化技術的高度競爭力。

2. 技術特性:中文語言處理的卓越表現 DeepSeek-V2 專注於提升中文自然語言處理（NLP）能力，特別是在生成、理解和推理等方面，達到了國際領先水平。其設計充分考慮了中文的語法結構與語意特點。

• 高效訓練與優化 模型採用了一系列前沿技術，如基於大規模數據的多輪優化、增強式學習等，顯著提升了模型的泛化能力和性能。

3. 成本與性價比

DeepSeek-V2 的運行成本僅為 1元/百萬 Tokens，相較於 OpenAI 的 GPT-4（約 100 元/百萬 Tokens）大幅降低。這樣的性價比來源於以下幾個方面：

• 架構優化：MoE 技術讓模型的資源利用更加精確和高效。
• 本地化設計：針對中國市場進行深度優化，減少了不必要的資源消耗。

4. 應用場景

DeepSeek-V2 的技術與經濟特性，使其適用於多樣化的應用場景：

• 企業應用：提供客服自動化、數據分析、內容生成等解決方案。
• 教育與科研：用於多語言學習輔助、知識挖掘。
• 消費級產品：嵌入手機助手、智能家居等設備中，提供低成本、高效的本地化服務。

5. 優勢與挑戰

• 優勢：
  • 技術領先，中文能力出色。
  • 性價比極高，適合大規模部署。
  • 符合本地市場需求，商業化潛力巨大。

• 挑戰：
  • 與國際巨頭（如 OpenAI、Google）的閉源模型競爭，仍需不斷提升技術深度。
  • 如何在性價比和模型性能之間保持長期平衡，考驗團隊的研發能力。

總結