在这个AI技术日新月异的时代，我们眼看着它不仅在改变生活，更在改变着商业规则。

AI可不只是那些冰冷的算法，它现在能像人一样思考、推理，甚至在某些方面的表现超越了普通人。这告诉我们，传统的技术和创新模式已经不够用了，企业要想增长、要保持竞争力，就需要换个思路。AI正在重新定义我们理解和实践商业创新的方式。

最近，混沌君旁听了混沌学园的创始人李善友教授的重磅全新课程《认知型创新：从OpenAI到DeepSeek》。

这门课从企业创新的角度，讲述了全球两大顶尖AI公司——OpenAI和DeepSeek是如何一步步走到今天的，他们究竟走过了怎样的创新之路。这对于我们理解AI时代的技术创新和企业创新，提供了清晰且极具价值的路径。

教授深挖了OpenAI最初的愿景和它如何对抗巨头的思路，解密大语言模型是如何诞生的，尤其是AI能力如何从简单积累到惊人“涌现”。还解读了DeepSeek如何在资源有限的情况下，走出一条“低成本高性能”的独特道路；更探讨了AI时代下，企业应该怎样构建一个能不断“涌现”创新的组织模式，走向“技术领先”。

观看本课程和600+主题课

第一幕：OpenAI的横空出世

OpenAI的创立初心：反巨头霸权

OpenAI的故事得从2015年说起。那时候，埃隆·马斯克和萨姆·奥特曼就开始担忧：AI这种未来世界的“终极武器”，若落到少数科技巨头手里，对全人类将是巨大麻烦。马斯克亲历了谷歌收购DeepMind，深感AI力量集中的风险，于是他决定和奥特曼一起干件大事——成立OpenAI。

他们的初心是要搞一个开源、安全、普惠的人工智能。与其让几家大公司“圈地为王”，不如让AI技术像阳光空气一样，普照给所有人。为此，他们不惜代价从谷歌挖来核心科学家伊利亚·苏茨克维尔（Ilya Sutskever）。据传，就因为挖走伊利亚这事儿，马斯克跟谷歌创始人之间的友谊都断了。

图为伊利亚·苏茨克维尔（Ilya Sutskever）

OpenAI于是就带着“反巨头”使命诞生，最初是非盈利组织，为保证AI纯粹与开放。他们吸引顶尖科学家，共同探索通用人工智能（AGI）的可能性。

大语言模型的诞生逻辑：Transformer × Scaling Law

OpenAI能引爆大语言模型革命，并非偶然，而是源于对两大“秘密武器”的极致运用：Transformer架构和Scaling Law（尺度定律）。

先说Transformer。这是谷歌在2017年搞出来的，当时它像个低调“技术极客”，没人预料到它的巨大能量。打个比方，以前处理语言信息的模型，像“近视眼”，难以高效处理长文本。而Transformer引入“自注意力机制”，让模型处理每个词时，能“一眼扫尽”整个句子所有其他词，并判断词与词之间关系。这就像给模型装上“超广角透视眼”，其语言理解能力瞬间飙升，实现数据并行处理，训练速度大大提高，为大语言模型高速发展奠定基础。

Transformer架构介绍，图源自网络

紧接着，是真正让“大模型”概念深入人心的Scaling Law（尺度定律）。这项定律揭示了一个规律：大语言模型性能提升，并非玄学，而与模型规模（参数量）、训练数据量及计算资源投入之间，存在可预测的、几乎线性的关系。这意味着，只要持续投入更多计算资源，用更大模型、更多数据训练，模型性能就会稳步提升，甚至“涌现”出未曾预料的新能力。

只要算力足够大，数据足够多，神经网络就一定可以超越人类设计。这个思维影响了伊利亚。

OpenAI正是凭借对Scaling Law的“笃信”和伊利亚等人的坚决执行，才敢于进行前所未有的巨额投入，最终催生了震惊世界的颠覆性大语言模型。可以说，Scaling Law不仅是科学发现，更是指引AI前进的“信仰”。

从MP神经元到GPT的“涌现”之路

人类对机器智能的探索，是漫长而惊喜的旅程。早在上世纪40年代，科学家们就琢磨人脑思考方式，搞出了像MP神经元模型这样的早期理论，它像简陋的“电子脑细胞”，是构建人工神经网络的初步尝试。这些最初的尝试，虽笨拙，却为后来深度学习的参天大树打下根基。

而当代的GPT（Generative Pre-trained Transformer）系列模型，是这条演进链上的最新奇迹。它们之所以轰动，核心在于一个神奇能力：“涌现”。这词儿听起来有点哲学，但很好理解。你可以想象，单个水分子没有“湿润”属性，但无数水分子聚集成河流，便能滋养万物——这就是“涌现”。

在GPT模型里，当参数量（模型“神经元”数量）和训练数据量达到巨大临界点时，这些模型就像突然“开了窍”，能力瞬间爆发，展现出单个部分不具备、甚至连科学家都难以预测的新功能。

这些能力并非预先编程设定，而是在海量训练中自发学习和领悟。这种“涌现”现象，使得大语言模型不再是只会“鹦鹉学舌”的工具，它们开始具备“智能”，成为可与人类协作的通用型助手。

ChatGPT的爆火与人机交互范式变革

如果说GPT模型诞生是AI技术大爆炸，那么2022年末OpenAI推出的ChatGPT爆火，则是一场真正意义上的全球“现象级”事件。

以前的AI工具，用起来很麻烦，你得学它的“行话”，敲特定指令。但ChatGPT不一样，你用最日常、最自然的口语输入，它就能理解你的意思，提供你想要的答案。无论是帮你写邮件、生成文案、解答科学问题，甚至是调试代码，ChatGPT都能给出令人惊艳的回答，有求必应。

所以，ChatGPT的“火”，绝不仅仅是技术厉害，它更深刻地引发了人机交互范式根本性变革。以前，我们与机器交流僵硬、刻板。但ChatGPT开启“对话式AI”时代。它让用户不再需要学习枯燥编程语言或复杂指令，而是可以像聊天一样，用最自然、最日常语言提问，AI就能理解并给出有意义、有逻辑的回复。

这极大降低了AI使用门槛，让曾经高高在上的技术，真正走入千家万户，深刻改变着人们的工作、学习和生活方式。

可以说，ChatGPT的成功，不仅为后续AI应用大爆发奠定用户基础，更重塑了我们对人机协作可能性边界的认知，让我们看到了无限可能的未来。

推理模型o1的登场：从系统1到系统2的认知跃迁

在ChatGPT掀起普及狂潮后，OpenAI并未止步，继续将目光投向更深层次智能——于是，迎来推理模型o1的登场。o1的出现，标志着人工智能认知能力的重要跃迁，它将AI思考模式从“系统1”推向“系统2”。

这个“双系统理论”源自心理学家丹尼尔·卡尼曼的《思考，快与慢》：系统1代表人类的直觉思维：快速、自动化、不费力。如看到2+2立刻得出4。

《思考，快与慢》书影

OpenAI的推理模型o1，正是朝着AI具备“系统2”能力方向迈进。它不再仅依赖海量数据模式匹配，而是能进行更复杂的多步推理、逻辑分析和深度问题解决。甚至在推理中自我纠正。这种能力提升，使AI展现出更接近人类高级认知功能的理解、分析和推理能力。

第二幕：DeepSeek的逆袭战略

“有限Scaling Law”：低成本高性能路线

在全球AI巨头大举投入、追求极致Scaling Law时，中国DeepSeek却走出截然不同的逆袭之路——他们玩儿的是“有限Scaling Law”，成功实践了低成本高性能战略。

这并非否定规模力量，而是在资源有限现实下，玩儿出效率最大化的智慧。

DeepSeek团队清楚，并非所有公司都像OpenAI那样拥有无限算力与资金。所以，他们目标明确：如何在更“经济”的投入下，达到甚至超越顶尖模型性能？

他们不光投入少，更重要的是“会玩儿”。

“有限Scaling Law”的核心，在于对模型架构和训练方法深度优化。他们更侧重数据高质量筛选与利用，而非盲目堆砌；更注重训练算法效率和收敛速度，而非简单延长训练时间；更关注模型推理阶段性能和能耗比，而非仅追求训练阶段的峰值数据。

有个小细节特别能体现他们的理念。DeepSeek CEO梁文锋常对团队说：“这行代码，能不能省五毛钱的电费？”

你想想，这种抠细节、追求极致效率精神，是不是跟那种“只要有钱，大力出奇迹”的无限游戏完全不同？

最终，DeepSeek的R1模型以极低训练成本，展现出与OpenAI o1模型媲美的强大能力，甚至在某些指标上有所超越。

这无疑是对“有钱就能赢”单一路径的有力回应，证明创新在资源受限时，同样可迸发出惊人的能量。这个战略选择，也让更多中小型企业和研究机构看到参与大模型竞争的可能性。

架构创新：MLA + MoE 的软硬协同优化

DeepSeek能在有限成本下跑出高性能，除了理念上的“有限Scaling Law”，还得靠他们家在模型“骨架”上的大胆创新和软硬件的配合。这其中，MLA（Multi-Head Latent Attention 多头潜在注意力）和MoE（Mixture of Experts，混合专家模型）是两大秘密武器。

先说MLA。Transformer架构里的“自注意力机制”虽然厉害，但处理长文本时特别“吃内存”，就像你脑子一下子要记住一本书每一页每一个字，特别占内存。MLA技术就像给模型“大脑”安装高效“索引系统”和“压缩包”。它通过算法设计，让模型计算注意力时更高效利用内存。

打个比方，传统做法图书馆所有书都是大号精装本，特占地方。MLA能把普通书压缩成低精度的版本，只有关键工具书才精装。这样，模型处理长文本时，就不用把所有细节都精装到内存里，只需要提炼核心信息，于是节省内存占用，效率大大提升。

再来说说MoE（混合专家模型）。这个不是他们原创，但DeepSeek把它用活了。

传统模型训练，像培养“全能厨师”，什么菜都会做，训练难还特别贵。MoE思路完全不一样，它把大模型拆分成多个专家子网络。每个专家像只专注一道菜的“专业厨师”。当新任务进来时，模型像智能领班，只把任务分配给最擅长解决问题的“专家”厨师，而不是所有厨师都瞎忙活。

这样，每次计算时，只有少数相关的“专家”被激活，显著降低了模型的计算成本和推理延迟。就像餐馆有256个厨子，你点麻辣烤鱼和甜点，只需激活川菜专家、海鲜厨师和甜点师三四个，效率是不是高多了？

最关键的是，DeepSeek不光用了这些技术，他们还实现了软硬协同优化。这可不是简单软件优化，而是模型架构（软件）和底层计算硬件（如华为昇腾AI平台）的深度配合。他们像软件工程师和硬件工程师坐一桌，共同设计一套最匹配系统，最大限度发挥计算资源潜力。这种从“软件”到“硬件”的全栈优化思路。这才是DeepSeek突破资源瓶颈，实现低成本高性能的真正原因。

就拿DeepSeek V3模型来说，它参数高达6710亿，但每次计算只需激活37亿参数，这使得V3训练成本仅5557万美元——是同类型模型成本的十分之一。这种巨大的成本优势，让所有人都震惊了。

R1开源，推动全民AI认知突破

如果说DeepSeek V3模型让他们业界崭露头角，那么真正让DeepSeek名震天下的，是它在2025年1月20日发布的推理模型R1。V3相当于基础的归纳法，R1则是真正能“思考”的推理模型。

我们拿围棋AlphaGo和AlphaGo Zero做个类比。AlphaGo打败柯洁，因它背下人类围棋几千年棋谱，是在人类经验上学下棋。AlphaGo Zero则不同，不输入任何人类定式，只告知它基本规则，然后自己跟自己下棋，纯强化学习，“左手打右手”，把差的扔掉，好的继续优化。结果呢？AlphaGo Zero只训练三天，就完胜AlphaGo。

回到AI大模型，OpenAI的GPT模型，强化学习基于人类反馈（RLHF），就像刚开始的AlphaGo。而DeepSeek的R1，像AlphaGo Zero，用无需人类反馈的纯强化学习，让AI自己“试错”，好的留，差的扔，自己摸索最优解。

令人震惊的是，OpenAI的推理模型o1虽率先实现类似能力，但它保密、不开源、不写论文。然而，DeepSeek竟然成功复现了这种能力。这简直“惊天地泣鬼神”。

而且，R1模型在交互上，竟然还能展示完整推理过程。你问问题，它不仅给答案，还能把怎么一步步“思考”出来的过程展示给你。甚至有评论说，连奥特曼都对OpenAI o1不能展示完整推理过程感到后悔。

奥数竞赛中，DeepSeek R1和OpenAI o1准确率几乎不相上下，证明R1在纯逻辑推理、数学和编程上的强大能力。

2025年1月26日，DeepSeek甚至登上美国免费应用榜单第一。微软CEO公开场合提DeepSeek，第二天英伟达市值就下跌17%！这足以说明R1的出现，对整个AI生态产生了巨大震动。

刘嘉教授曾打比方：“这就像从尼安德特人到现代智人这么重要。” 它实现从归纳法到演绎法认知跃迁，人类文明史上只有古希腊发生过，才有了科学革命。

现在，AI正进入此阶段，R1，就是智能时代的“核武器”，目前只有中美两国拥有。

AI时代组织的构建：以“涌现”为关键词的AI Lab范式

在AI浪潮冲击下，传统组织模式面临重构需求。DeepSeek则描绘了一种以“涌现”为关键词的AI Lab范式，更能适应AI时代创新节奏。

传统的研发机构往往层级分明，任务自上而下分配。但在AI大模型研发中，创新不可预测，需要高度灵活性和自发性。DeepSeek AI Lab组织范式，正是为了激发这种“涌现”创新力。这种范式：

开放协作与资源共享：DeepSeek允许研发资源（特别是宝贵的GPU算力）对全员开放。研究人员可根据项目需求，自由调用计算资源，不受限于审批流程。这种高度资源共享，极大激发研究人员积极性、自主性，让他们能更快速进行实验和迭代。

动态团队构成：项目团队非固定，根据研究方向动态调整。员工可根据兴趣专长，自发成立小组，共同推进特定项目。这种灵活团队模式，打破部门壁垒，促进跨学科合作与知识流动。

自组织管理：管理提供创新“涌现”环境，非简单命令控制。团队成员拥有自主权与责任感，主动发现问题，提出解决方案。管理者提供支持，扫清障碍，确保信息透明。梁文锋本人就保持着极高专注力，他不见外人，大量时间招聘，亲自把关人才，甚至亲自写代码、写论文。他们的HR团队也极其朴素，没有那种大公司的“高大上”气质。

这种以“涌现”为关键词的AI Lab范式，本质在于激发个体创新潜能，并将其汇聚成组织集体智慧。它强调信任、自由、赋能，鼓励试错、快速迭代，从而在不确定性极强的AI研发领域，实现持续技术突破和创新。这对于希望在AI时代保持竞争力的创业者而言，提供了极具参考价值的组织构建思路。

有一个非常经典的例子可以体现这种“涌现”。DeepSeek的MLA架构创新是怎么诞生的？据说源于某个研究员的个人兴趣，他在总结主流注意力机制架构演化规律后，突然灵感迸发，设计出新替代方案。这个方案不是梁文锋想的，也不是小组攻关的，就是一个年轻人“顿悟”出来的。

再比如，北大在读博士（博三）王培懿，加入DeepSeek时并没有强化学习经验，但在数学研究中独立推导出了一个统一公式，解决了各种训练方法问题，这也是一个“顿悟时刻”。正是这个公式，让R1 Zero变成了今天的R1。

DeepSeek V2论文有150位作者，甚至包含数据标注人员名字，梁文锋本人也在其中。这种团队协作模式，体现人与人之间的平等交互，没有严格的KPI和OKR束缚。

但程序员为了1%性能突破，可不眠不休工作一月，不害怕困难。因为这能激发天赋和成就感。这种组织，就是为了让创新能够自然地“涌现”出来。

对于技术创新驱动的创业者而言，DeepSeek的组织模式提供了新思路。传统的金字塔管理、KPI考核，在AI这种高度不确定和需要灵感“涌现”的领域，反而可能成为创新的桎梏。

如果你也是技术出身的创业者，你可能更应该相信你的团队，尤其是那些对技术本身充满热情、有好奇心的年轻人。给他们足够的自由和资源，让他们在“无人区”里探索，而不是把他们框死在既定任务里。

梁文锋的做法是：招来合适的人，交给他重要的事儿，然后就放手让他自己想办法，自己发挥。

还有就是拥抱“非标准”人才。不要只盯着大厂出来的大咖，那些有潜力的应届生、博士生，他们可能技能多于经验，但对研究的渴望远超金钱。他们比较纯粹，这样的年轻人正是你打造“涌现型组织”的基石。

“我们希望培养出自己的团队。” 这是梁文锋的野心，也是你可以学习的培养团队的策略。

确保内部透明与资源共享。你的计算资源（比如GPU算力），能不能对团队成员没有限制？当他们有想法时，能不能随时调用训练集群，无需审批？这种内部的“开源”和自由度，能够极大激发员工的创造力。

请记住，组织的本质是人与人之间的交互模式。在AI时代，你需要打造的，是一个能够让每个个体的“心流”与组织的“涌现”融为一体的组织。

DeepSeek的崛起：打破中国创新者的“思想钢印”

我们要问了：DeepSeek的成就，为何是由看似“名不见经传”的梁文锋创造的，而不是那些大厂——腾讯、阿里，字节，或者“六小虎”们？

要知道，大厂肩负着市值压力，而“六小虎”们则面临估值重担。过去，所有企业都有一种根深蒂固的惯性，一条“看不见的绳子”牵引着他们：必须尽快实现商业化、产品化、应用化，追求用户增长和营收。因为有融资、有市值，就必然有KPI。

那么，这些巨头为何未能自主创新呢？核心原因就在于一个“看不见的假设”——必须快速商业化、快速赚钱。在这种心态下，企业不敢直面最核心的问题，不敢进行长期的基础投入。

但更深层次的原因是：两代互联网创业者，从内心深处，就不相信中国企业有能力做基础研究。无论是第一代的BAT，还是第二代的头部企业，他们嘴上说在做，但内心深处，即使是中国最顶尖的几家大厂，也不敢真正相信自己能做出原创性的基础研究。

请问，在DeepSeek之前，有哪家中国大厂曾公开宣称：“我中国的模型要做世界第一，我要引领世界”？没有。

我们一直活在一种《三体》式的思维定势中——美国人负责原创，中国人负责应用和商业化。这便是两代中国互联网创业者集体潜意识中的“思想钢印”。

梁文锋用行动证明了中国公司在AI基础研究和模型创新方面同样具备全球领先的实力。这种转变，并非仅仅是追赶，而是真正意义上的“技术领先”。

在过去30年的IT革命中，中国几乎没有真正参与核心技术革命，我们习惯了摩尔定律从天而降，默认可以等18个月再跟上。这种心态，其实是一种极大的自我矮化。

但梁文锋和DeepSeek站了出来，用实际行动说：“我们不这样！” 他们相信技术进步是西方科技社区几代人持续努力的结果，我们中国人也应该参与其中，而不是仅仅做受益者。这种理念上的转变，是DeepSeek在AI基础研究领域取得突破的关键动力。

对技术创新驱动的创业者来说，DeepSeek的理念是振聋发聩的。它呼吁我们打破“思想钢印”。

你是否也活在“美国做原创，中国做应用”的思维定势里？梁文锋用实践证明，这种思想钢印是可以被打破的。中国人第三代创业者也到了必须做，而且可以做，有能力做原创创新的时候了。这个时候到了，不是你也是他。

所以，要敢于挑战基础研究的“无人区”。不要只盯着眼前的商业化和利润，真正的颠覆性创新往往需要长期的投入和对未知的好奇心。创新不仅仅是商业驱动的，它需要好奇心和创造的野心。我们只是被习惯束缚住了，这就是你内心那根“看不见的马绳”。

梁文锋的行为很多时候对一个创业者的身份来说是“疯狂”的——在2021年最糟糕的年份，他还投入巨资建设算力集群，这绝非投机者能做出的决策，而是信仰者。

“我不是因为今天AI火了，我今天做AI的，我是一直有这个梦想的。” 这种纯粹的初心，才是支撑人穿越低谷、走向成功的真正动力。

DeepSeek创始人梁文锋

结语：

“认知型创新”精髓就在于对技术本质的深刻理解与战略性重构。DeepSeek的出现，为中国AI产业注入了强大信心动力，更点亮了中国在AI时代成为世界基座的希望，这在工业革命以来是前所未有的。

转念就是改命。如果我们这一代创业者能够打破内心的思想钢印，敢于在基础研究领域迈出那一步，那将是中国创新史上的一个重要转折点。

所以，我们要永远相信中国，永远相信创新者。

“混沌会员”，每年50场主题必修课，已有600+主题课。

“混沌会员”正式价1498元/年，现月卡仅需99元，即可观看本文相关的完整课程，以及月卡体验期内，600+主题课都可全部收听！