英伟达反击"大空头"言论；百度新设两大AI部门。 DeepSeek开源首个奥数金牌水平的模型 11月27日晚，DeepSeek悄悄地在Hugging Face 上开源了一个新模型：DeepSeek-Math-V2。这是一个数学 方面的模型，也是目前行业首个达到IMO（国际奥林匹克数学竞赛）金牌水平且开源的模型。在同步发 布的技术论文中，DeepSeek表示，Math-V2的部分性能优于谷歌旗下的Gemini DeepThink，并展示了模 型在IMO-ProofBench基准以及近期数学竞赛上的表现。 点评:行业头部厂商的模型已经又迭代了一轮，11月，先是OpenAI发布了GPT-5.1，几天后xAI发布Grok 4.1，就在上周谷歌发布了Gemini 3系列引爆AI圈，"也该轮到DeepSeek出牌了"。不过，更受外界关注的 仍然是，DeepSeek的旗舰模型到底什么时候更新，行业期待"鲸鱼"的下一个动作。 前OpenAI 联创：AI规模扩展时代已终结 11 月 26 日，Safe Superintelligence（SSI）CEO伊利亚·苏茨克维（Ilya Sutskever）访谈在AI圈刷屏，这 次访谈 ...

核心观点 - DeepSeek-R1 和 Grok-3 代表了AI发展的两种不同路径：前者通过算法创新和高效资源利用实现高性能，后者依赖大规模计算资源投入 [2][8] - 行业趋势正从“原始规模主导”转向“战略效率优先”，算法设计、混合专家模型（MoE）和强化学习成为关键杠杆 [8][10] - 未来AI发展将更注重投资回报率（ROI），平衡规模扩展与算法优化 [8][10] 模型性能与资源对比 - DeepSeek-R1 仅使用约2000块NVIDIA H800 GPU即达到全球前沿推理模型性能，展现高效训练能力 [2] - Grok-3 动用约20万块NVIDIA H100 GPU，性能略优于DeepSeek-R1、GPT-o1和Gemini 2，但资源消耗相差百倍 [2][8] - 两者性能相近，但资源投入差异显著，凸显算法创新可抗衡纯计算规模 [8] 发展路径差异 - Grok-3 采用“蛮力策略”，依赖数十亿美元GPU计算规模，边际性能提升显著但ROI递减 [8] - DeepSeek-R1 通过混合专家模型（MoE）、推理强化学习和高质量数据，以最小硬件代价实现顶尖性能 [8] - 行业可能从“规模法则”转向“算法突破+工程实用主义”的全局发展观 [10] 未来AI趋势 - 集中式训练项目（如Grok-3）成本过高，仅限少数巨头参与，中小机构需转向效率优化策略 [10] - 混合专家模型（MoE）、稀疏化、改进微调和强化学习将成为核心，降低资源消耗 [10] - 新数据训练与强基础模型结合（如RAG或定期微调），可避免持续大规模计算负担 [10]