在欧洲，亲眼见证DeepSeek震撼

“一个巨大的变化，就是一个产品出现之后，它带来的是整个外部世界对中国看法的改变。”

“到了人工智能时代，这个情况发生了很大的逆转，为什么中文在人工智能中存在这样的一个技术优势呢？”

前段时间DeepSeek是火爆出圈了，不仅在科技界引起了广泛的震动，很多普通人现在也开始在使用DeepSeek，甚至有的政府机构也开始在应用上引入了DeepSeek。大家可能很好奇，为什么中国在人工智能时代会不断地有火爆的产品，中国的整个科创生态到底有什么样的优势？

在东方卫视3月11日播出的274期的《这就是中国》节目中，复旦大学中国研究院院长张维为教授和复旦大学中国研究院特邀研究员汪涛老师，对DeepSeek的火爆出圈进行了深入观察和分析。

汪涛:

我今天演讲的主题是——中文在人工智能时代的优势。DeepSeek之所以爆火，主要并不是它技术上获得了突破性的进展，而是其效率获得了数量级的提升，从而使得它在相同性能的情况下，成本可以下降将近二十多倍。

不同AI模型的Token输入/输出价格（美元/每百万Tokens），可以看到DeepSeek的价格远低于其他AI模型 Reddit

之所以如此，是因为研发团队几乎是将各种可能提升效率的技术都充分地进行了挖掘，比如说更多地采用底层编码的语言PTX。一般来说，越是底层的编程语言，它的效率就会越高，但是编程的难度也会越大。

另外，还有适当地降低精度，比如采用一个字节的8比特浮点运算，而不是32比特，从而能成倍地减少存储量和运算量，这在人工智能里面有一个专业的术语叫量化。

还有蒸馏的方法，同样可以极大地减少参数的数量，除此之外还有混合专家架构（MoE）、多头潜在注意力技术（MLA）等等。这些技术本身并不完全是DeepSeek独创的，原来在美国人工智能产业界的专业人员都知道这些技术，但为什么DeepSeek把这些技术充分利用了呢？

今天就谈一个大家比较容易理解，也非常有意思的话题：中文在人工智能时代的技术优势。DeepSeek充分利用了中文的优势，所以在它爆火之后，很多人开始关注到这个问题。

如果我们回顾一下两百多年来的历史，中文在现代科技中的作用，其实经历过一个变化的过程。

在中国古代的时期，中国对周边国家在文化上有压倒性的优势。其他地区对中国也有着非常仰慕的心态。但随着中国在近代的落后，尤其是甲午战争失败以后，导致很多中国知识阶层开始反思自身。首先反思的就是我们的文化，也包括我们自己的语言文字。这种反思很快就发展到了极端，甚至有人认为汉字阻碍了中国进入现代科技文明。也有人认为中国应当放弃中文这种象形文字形态，应该改成像拼音这样的字母文字。

随着以电子计算机为代表的信息技术出现以后，中文在计算机键盘输入上存在一定的困难。因为计算机键盘来自英文的打字机，所以输入英文当然是最简单方便的。因此，过去曾经认为中文阻碍了中国进入现代科技文明的观点和思潮，在信息技术时代又再一次沉渣泛起。但是， 二十世纪八十年代，中国科技界在汉字输入上做了大量的工作，在当时被称为叫“万码奔腾”。

这些汉字输入的工作在很大程度上降低了中文电脑输入的困难。其中比较著名和主流的有五笔字型输入法，也叫王码，是王永民先生发明的。那么另外一个常用的输入法是拼音输入法。虽然客观上说，直到今天中文还是比英文等字母文字的键盘输入稍微麻烦那么一点点。但是这些中文输入法，在很大程度上，已经有效解决了中文在计算机上的输入问题。在五笔字型输入法的基础上，充分采用词组输入以后，它的输入效率甚至还可以超过英文的输入。

到了人工智能时代，这个情况发生了很大的逆转，为什么中文在人工智能中存在技术优势呢？主要有以下这些原因：

首先，汉字非常规整，或者说非常整齐。无论是书写的大小尺寸还是发音的长短尺寸，都是一样的，非常整齐。这种规整对于计算机的处理而言，是非常方便的。比如要进行语音识别，中文每个字的发音都是声母加韵母，发音的长度一样，这样就会相对比较容易区分出一句话中，每一个字的发音。

相比之下，英文单词的长度，从一个字母到十几个字母的都有，这样的字母文字，每个单词它发音的长度可能都是不一样的。像英文里面的“祝贺”，是“Congratulations”，这就有15个字母。我们可能会好奇，那最长的英文单词会有多少个字母呢？如果我们到网上去搜索的话，可能会发现很多不一样的答案。

还有一个问题是很多英文的句子，它的发音会有连读的情况，比如说"what’s your name"，那么这就更加难以区分出每个单词。虽然现在这些问题在人工智能的语音识别中都已经解决了，但是它解决的技术难度，确实要比中文困难很多，需要更大的运算量，而且几乎所有的字母文字都存在这个问题。

第二，汉字的信息密度一般比字母文字要高，这体现在很多方面。汉字是一个表意文字，内涵很丰富，可以用词组、成语等很少的汉字表达相当丰富的含义。尤其像文言文，它的信息密度就更高了。对于人工智能来说，最终它体现的是，相同含义的一段语言或文字，在计算机中需要有多少存储量和计算量。一般来说，中文的存储量和计算量都是最少的。如果我们对比一下相同内容的中英文，中文一般页数或者篇幅是最少的。

但我们要注意，这并不是完全绝对的，因为英文也有自身的优点，比如说它相对比较严谨，所以比较严谨的一些论文或法律文书里面，英文的信息密度与中文的差异就没有那么大了。但是由于绝大多数情况下，中文的信息密度的确是比较高的，所以在人工智能的训练中，相同内容的情况下，中文训练的存储量和计算量就会比较少。这是中文效率优势的第二个体现。

第三，是中文的稳定性。汉字是相对比较稳定的一种语言，我们今天使用的汉字与几千年前的甲骨文其实挺接近的。对于新出现的事物，汉字是通过常用的一些字去建立新的词组从而适应。并且，这样的词组天然地会存在有规律的分类特性，比如机器的“机”，可以组成拖拉机、播种机、飞机、纺织机、发动机、蒸汽机、计算机，如此之多的机器汉字都可以用“机”这个形成词组来表达。

汉字的稳定性对人工智能带来的好处是训练参数可以更少，有效的重复训练可以更多，那么准确性就会更高。

相比之下，英文每年都会增加大量的新词，常用的单词都可能会发生变化。当然我们提到中文在人工智能时代的技术优势，并不是要把它过度地拔高，只是从以上不同技术时代，中文技术优劣势的变化过程中，希望我们能更客观地看待我们中国自己的文化。在进入人工智能时代，我们更应该发挥中文的优势，使得中国在人工智能时代可以获得更快的发展，并且有更好的经济效益。

从我们长久以来对自己语言的态度变化中，可以获得一些启示：那就是如何用科学的态度去看待自己的文化。所谓利弊或优劣，它永远是相对特定的要求来说的。我们不能因为遇到了某种劣势就简单地去否定自己的文化，也不能遇到优势就自我膨胀。

科学的态度就是实事求是，如果它是劣势，我们就应该想办法改进，去消除或者减少这种劣势。如果是优势，我们就应该想办法去充分地开发利用它。因为即使是潜在的优势，如果不去充分地开发利用，它也不会自动地体现出来。谢谢大家。

【圆桌讨论】

主持人：刚才汪涛老师做了非常精彩的演讲。其实DeepSeek能够一下子火出圈，这让各行各界都为之震动。它可以说并不是“唯算力论”的，而是用种种方法提升了自己的效率。刚才汪涛老师在分析中提到，提升效率的种种途径当中非常重要的一条，同时也是不能忽视的一条——因为它用的是中文。所以这也是我们的一种文化自信。张老师您以前在联合国工作的时候，看各国文字的文件，是不是中文的文件特别薄一点？

张维为：那肯定的，最典型的就是《联合国宪章》，有六种官方语言版本，中文是最薄的。道理非常简单，因为中文核心汉字只有3500个左右，掌握后就可以阅读所有报刊，而读《纽约时报》至少需要掌握2万个英文单词，否则你会读得非常累。

另外这次DeepSeek的突破让我联想到我之前写过的一本教科书——《英汉同声传译》，至今仍然在使用。我举一个例子，比方说，一句很简单的话：你不去，我去。这五个字，你要翻成英文的话是：“You don’t go, I go”。这么翻译当然很简单粗暴，但实际上中文这五个字，还可以放在上下文里来理解的。比方说你可以理解成，“If you don’t go，I will go”，即如果你不去，我去。这是一种假设关系。也可能是一种让步关系，比方说，即使你不去，我也去。

DeepSeek的开始界面

主持人：或者只要你不去，我就去。

张维为：所以我在想，DeepSeek要把这些关联背景都考虑到，这就证明它的“智商”非常高，效率自然也更高。

主持人：它在给你回答的时候，其实已经把各种条件全部都思考过一遍了。

汪涛：它的概括性很强。

张维为：如果这种中文逻辑它都能够处理，那么它恐怕也是能够处理英文的，这是背后的逻辑，我觉得这是革命性的。

汪涛：英文的特点是严谨，除了张老师前面说的，英文里面还包括时态、单数、复数。所以英文在很多论文或法律文书中，确实是有它自身的优势，我们也要客观地看到这一点。

主持人：现在很多人使用DeepSeek，有个很有意思的现象，就是你用不同的句式，或者把某些关键词前后颠倒一下，搜到的答案也都是不一样的。

汪涛：是的，所以我们不能期望这种大模型的精确性非常高，这不仅是DeepSeek，其他所有大模型都是这种情况。比如说宏观的经济数据，或行政区域的一些数据，这些是可以的，但你要想得到一些实效性很强，精确性很高的数据，这就很难实现了，人工智能里面称之为“幻觉”。

主持人：如果有人想要试试看的话，可能会发现DeepSeek或者其他的通用大模型，会非常严肃地跟你胡说八道。

张维为：恐怕就是要通用大模型以外的垂直模型，各行各业、千行百业都要非常具体地做自己的模型。

汪涛：对，所以大家也要注意到一个问题，就是大语言模型和通用人工智能，这两个概念往往会被混在一起说，但其实这是有区别的。大语言模型不能完全说它就是通用人工智能，它的确比以前的应用扩展了很多，尤其是它作为一个生成式的人工智能，这最初就是从机器翻译技术里面过来的。因为它可以生成各种各样你想要的答案，所以感觉它的通用性会比过去强很多。但是真正你要在不同领域去应用的话，还是需要各个不同的人工智能技术。

张维为：这次春节年初二，我们去法国开会，一到那儿，就发觉大家都在谈DeepSeek，基本上都是西方的学者、官员，我们一起吃饭，大家都聊这个，这给他们带来了巨大的震撼。一方面他们觉得中国今天绝对是跟美国平起平坐的一个超级大国。

另外，他们说要搞欧洲的人工智能通用大模型，一个重要原因是要体现欧洲的价值观。你发现没有，大模型处理是有价值观的。在语言当中你输进去不同的语料，出来的东西也是不一样的，对不同问题的回答和描述也是不同的。

我想起德国哲学家维特根斯坦说过的名言：你讲这个语言，这个语言也讲你。（You speak a language，language also speaks about you.）你的整个文化背景都在你使用的语言里。你看我们前段时间去蒙古国访问，蒙古国盛产绵羊，相关的英文表述复杂得不得了：羊(sheep)，羊肉(mutton) ，羊毛(wool)，羊绒(cashmere)。

主持人：不认识这些单词的话，根本不知道它们其实都有关联。

张维为：中文一下就抓住，所以中文是寻求共性的语言。

汪涛：中文都带“羊”字。

主持人：就像张老师一直举例说，只要是三点水，在中文里头，它多少都是跟水有关系，如江、河、湖、海。

张维为：这是伟大的智慧，我们的祖先早就知道，想要治理这么大的国家，就一定要强调共性，一定要强调不同事物之间的共同之处，这对治国理政都有启发。

主持人：对，刚才张老师提到说DeepSeek引起了欧洲人的思考，而且他们还担心在价值观影响方面落后于其他国家。所以，我想问问汪老师，当我们讨论DeepSeek也好，包括今年火爆出圈的宇树科技，以及其他杭州“六小龙”成员等等，就他们给整个社会带来的震动，到底包括哪些内容？

汪涛：我觉得它最大的影响，就是彻底颠覆了我们过去的认知，即中国只能作为追随者。事实上DeepSeek走出的这一步说明，中国人是可以去引领一些技术发展方向的。这给大家的震撼非常强，尤其它在市场上、应用上带来的很多方面的影响也非常大。

杭州“六小龙”

张维为：因为这次在欧洲我也有这个感觉，为什么他们这么被震撼？因为他们一下就看到，美国对中国的科技封锁是没有用的。这开始变成一种共识：中国在遭到如此封锁的情况下，还可以做到这么好，做到世界一流。

这次德意志银行关于中国资产的报告中，核心概念开始改变，过去它们认为中国资产只是tradable，也就是可以买来作为交易的，短线的，或者小打小闹玩玩的；现在叫investable，就是可以投资的。这是认知方面的巨大变化。所以说一个超级产品出现之后，它带来的是整个外部世界对中国看法的改变。

我承认一些报告里边可能包含不良企图，甚至阴谋诡计，甚至不排斥服务于华尔街金融战的需要等等，但至少到现在为止，我们看到DeepSeek对西方带来震撼是非常深刻的。网上有人说，DeepSeek帮中国打赢了科技战，也在间接地帮中国打赢金融战。

汪涛：我以前有个观点叫“遏制背反定律”，就是遏制有多大，它的促进力就有多大。DeepSeek就是一个非常典型的例子，因为它如果不是在这种限制、封锁越来越严厉的情况下，它不会想到去大幅度地提升效率。因为没有芯片可用了，它只好去把效率极大地提升，无止境地去挖掘，挖掘到最后，我用现有的这些芯片就可以来玩大模型，这一定程度上也是被美国逼出来的一个创新。

那么DeepSeek一走通后，不仅让美国原来的封锁垮掉，而且让英伟达建立的整个体系，或者说它以前的商业逻辑，一下都垮掉了。

主持人：所以汪老师，您怎么来观察目前中国的科创生态？

汪涛：中国的整个产业链已经非常完善了，这一点就体现在刚才谈到的：我们一条路走不通，可以走另外一条路。过去无论是在芯片还是在人工智能上，要想提升运算速度，有很多条路径可以走，提升集成度也有很多条路径可以走，所以你用28纳米也可以做出跟14纳米集成度一样的芯片。只不过可能在别的方面损失一点，但实际上它是可以实现的。

主持人：效果一样就可以。

汪涛：那么像这一次DeepSeek为什么能够实现这么大的突破？事实上如此大程度的效率提升，它的潜力其实一直都存在，只不过过去都是沿着美国的路径设计的。因为整个技术发展的路径都是被这些西方核心芯片公司所引导的，比如在很多人的概念中，电脑久了以后运算速度会下降，但如果我们知道怎么配置，其实可以保持运算速度做到几乎不变。

所以，过去由美国的技术公司主导着技术发展的方向。但是现在美国制裁之后，逼着中国去找别的路径，最后我们发现其实能走的路很多，我们可以通过很多方法去提升效率。

中美科技公司的AI竞赛

张维为：对我们的启发就是，我们一定要有自己的话语，尤其不要总是跟随着美国的话语、华尔街的话语、资本力量的话语。为什么我们当时对美国的经济判断相对比较准确，对特朗普当选的预测也比较准确，一个重要原因是因为我们解构了它的话语，解构之后你就非常自信。美国经济情况不好，实际上科技情况也不是很好，所以这对我们很多媒体人、学者、一些科技工作者也是个教训，我们分析任何事情，要有独立自主的思考，现在到这个阶段了。

主持人：我觉得张老师这点说得特别对，就是要有自己的独立思考。其实在科技这一块，就像汪老师说的，因为以往所有的语言架构、语言体系都被设置好了，所以大家就是这么干的，大部分不会去思考。但是被逼地去思考了以后，发现全然不是如此。

汪涛：对，是这样的。

主持人：我再问一下张老师，您有没有观察过DeepSeek这个应用？您用下来感觉如何？

张维为：我真的问了一个问题，这个问题知道的人不多，它回答得还蛮有水平的。因为我研究“文明型国家”，我问它“文明型国家”跟“文明国家”有什么区别？它给了我一个很像样的回答，这是我没想到的，对这么一个比较小众的问题，一个定义方面的问题，它还拿出一个几百字的报告。

主持人：现在除了个人，有一些政府机构也在用 DeepSeek。您觉得在哪些内容领域可以使用？

汪涛：首先我们排除那些可靠性要求特别高的内容。比如说工业控制，不能轻易地使用，因为你出一次错，那造成的损失会很惨重。其次。军事情报不要去轻易用。因为大模型的这种“幻觉”，它在理论上是不可能消除的。所以它可以做参考，在其他一些对可靠性、精确度要求不那么高的领域，它确实应用可以更广。尤其是像文创，本身它就是描述一种感觉。

主持人：要天马行空，或者说多一点创意和创想。

汪涛：像是写报告、做PPT的话，它也可以让内容更加优化。甚至现在DeepSeek已经可以产出一些初步的、统计性的、宏观的地区经济分析，然后在他产出的基本报告上去加工，就能省很多事。

【观众提问】

观众：今天想请教几位老师的一个问题是：DeepSeek 的开源策略会如何推动中国在AI领域形成非对称技术竞争能力，突破美国的技术封锁？中国在今后是否会加大对开源社区的政策支持？

主持人：开源是一个关键词，汪涛老师您觉得我们怎么来理解开源的作用？

汪涛：其实不是说开源就一定会达到某种结果。比如在过去，个人计算机的时代下，微软的操作系统可以说处于统治地位，同时期还有Linux的操作系统，也是开源的，但是Linux的开源一直没能撼动微软公司在个人计算机操作系统的地位。

在大模型时代，事实上在DeepSeek之前也有开源的，像麦塔也开发过一个大模型就是开源的。但为什么DeepSeek的开源，实现了这么大的冲击？原因就是效率的提升，它不是说百分之几十的提升，甚至不是一倍的提升，而是数量级的提升。这带来的影响本身就非常震撼。所以不是说软件开源了，它的经济性就一定好。

DeepSeek同其他模型性能对比

主持人：如果免费但是很不好用，那也没有人来。

汪涛：或者是说效率的提升没有那么高，它的开源意义就没有那么大，因为价值没有那么大。但是DeepSeek对于效率的数量级提升，除了它自己的使用成本降低以外，底层的硬件成本同样是数量级的降低，这个价值就很大了。

除此之外，DeepSeek还有一个对中国很大的影响。我们都知道，人工智能的大模型目前还处于初级阶段，标准还未完全形成。过去为什么Linux很难撼动微软在操作系统的地位？因为标准已经被微软建立起来了，整个生态已经建立起来了。

DeepSeek在美国的人工智能生态环境还没完全建立起来的时候，突然之间得到了广泛应用，紧接着带来的影响，就是建立一个以中国人工智能大模型为标准的生态，这个影响是非常大的。

主持人：张老师说中国话语有一个非常重要的构成，就是标准的制定。如果DeepSeek在未来能够引领相关标准的制定，那这将是它最大的贡献。

张维为：有些东西只要眼光稍微长远一点，就能认识到形成生态最终可以带来的价值。而且据我知道，即使在开源里边，也并不都是一样的，它里边各种各样的源代码，有的属于训练的源代码，有的属于推理的源代码，并非都是开放的，所以还有很多细分的技术领域。

主持人：说到生态，我倒是想问汪老师一个问题，您觉得像DeepSeek这些公司的出现，它受益于我们在科创生态上哪些成就？接下来还会对整个科创生态带来什么影响？

汪涛：DeepSeek的开发主要是人工智能软件相关的开发，如果中国的人才积累没有达到现在非常雄厚的基础，那要开发是很难的。那么DeepSeek起来以后，它会连带影响其他生态的建立，比如人工智能的芯片。过去人们的概念中只有用英伟达的芯片，现在DeepSeek将效率提升后，我们可能没有那么依赖高性能的芯片，也可以带动中国人工智能芯片的爆炸性增长。对于下游环节的各种应用场景，这种生态的建立也是有很大作用的。

刚才张老师谈到说，欧洲也想建立基于它自身价值观的“DeepSeek”，所以这个影响是非常快的。

主持人：差不多去年的这个时候，我们讨论的是ChatGPT 4。当时我们还讨论它的文生视频。其实文生视频，张老师当时一直说这是一个概念，你可能做个短视频可以，但做长的就不行。因为我们也在节目里说过，这是非常耗电的，电力支撑很容易供应不上。但是刚才汪老师说因为DeepSeek它提供了效率，它不是“唯算力论”，而是数量级地降低了对算力的依赖，所以这也就意味着它将会数量级地降低对能源的依赖。

汪涛：这是很自然的。

主持人：这是非常了不起的。所以当我们做大型运算的时候，它对于周围的资源消耗会变得很划算。

汪涛：这个问题的出现是因为摩尔定律逐渐达到了极限。原来芯片不断在发展，我们对算力的需求也在不断增长，过去没有这个问题，现在为什么出现了这个问题？在摩尔定律还有效的时代，我提升几倍、十几倍的算力，它是可以保持功耗不变的。即使随着集成度的提升，在实现更高算力的情况下，它的功耗也一直维持在一个水平上。但是现在因为摩尔定律越来越接近极限，这就意味着伴随运算能力提升，功耗很难再降低了。

因此，现在我们可以看到很多给最初计算机降温的技术，甚至水冷技术、液冷的技术都用上了。这就意味着，算力的增长必然带来功耗的同步增长，或者说虽然没有完全同步，但是影响会很大。

DeepSeek的出现给了我们另外一个方向：我们不用单纯地去追求算力，而应该降低对算力的需求，这也是一个节省能源的方法。不仅仅DeepSeek可以这么干，大模型、人工智能也可以这么干，因为我研究生时候的课题，是在个人计算机上面实现过去巨型机的卫星云图处理。当时我们就采用了各种各样降低算力需求的方法，过去我们也听到说中国研究原子弹，那时候没有高性能计算机，是由算盘打出来的。

如果算法完全一样，那用算盘也能把原子弹“打”出来，未来事实上也是这样的。芯片提升是一个路径，但我们现在提供了另外一条路径，只是说在过去摩尔定律成立的时代，我们把这些方法都忘了。因为既然芯片算力可以那么快增长，为什么要去省算力呢？

主持人：最后发现算力不仅本身有瓶颈，而且还要制约你。

汪涛：所以未来这可能在很多领域都会出现，甚至在一些对算力需求很大的领域。那么怎么降低算力的一些技术发展？这就成为了一个方向。

主持人：我觉得汪老师的观点给了我们一个启发，就是您说的从节约能耗、从对自然环境友好、从“双碳”目标的实现来说，咱也得换条路走，因为那种高能耗的路是不能走下去的。好，我们再来看这边还有哪位朋友要参与讨论，欢迎提问。

观众：两位老师好。主持人好，我是陈希赟，来自上海，我是一名硕士二年级的在校学生。考虑到最近DeepSeek 和宇树科技都特别火，我想了解一下国家在相关方面的一些前沿布局是什么？以及我作为一个即将毕业参加秋招的学生，我也想了解一下，我可以重点关注什么行业和领域？

汪涛：应该说DeepSeek这种人工智能大模型对于文创领域是非常好的一个工具，也是很重要的一个应用领域。需要认识到，它并不能完全替代人力，所以不要指望人工智能这样的工具可以完全做到跟人一样，甚至完全替代掉人来做事。但是它会提供一些很好的基础工作，你在这个上面去进行一些加工，会有很好的应用。

涉及到就业的问题就相对比较复杂一些。但不管怎么样，最重要的是你的能力，比如说我在大学的专业是电子测量，但是后来我们一个班的很少有人专门做这个工作，但是你掌握的工具，它的应用面是很广的，就你可以去做很多别的工作，根据市场的变化，可以很容易去适应。

主持人 ：我前两天跟一个大学教授有个对话，他都是要求他的学生交读书笔记的，但是最近他发现，这些学生交上来的读书笔记有很浓的DeepSeek痕迹，所以他说他打算改一个方式，跟自己的硕士博士生面对面地让他们谈谈读某本书的感受。所以我就在想，可能DeepSeek可以帮助大家初步地做些什么，但是最后的成果你应该远远超出它，这样才是一个好的作品。

张维为：反正我觉得DeepSeek也好，或者人工智能发展，机器人发展也好，某种意义上是革命性的，许多现有的工作可能会因此消失，但同时也会相应创造一些新的工作机遇，天无绝人之路。

2025年2月10日，杭州云深处科技的工作人员在动态展示“绝影”系列机器人。新华社

主持人：刚才我们也聊到人工智能可能在未来生活当中的一些应用。但回过头来讲，我们今天的话题从DeepSeek火出圈开始，到汪老师解释为什么它可以不要“唯算力论”来提高自己的效率。我想，包括DeepSeek在内的很多科技公司的成功，一方面在于我们这些年，其实在科创生态上始终努力地布局，另一方面在于许许多多该领域从业者的心血努力。

另外，我们也可以看到像这样的一些公司的崛起和发展，毫无疑问还会继续重塑我们中国的整个科创生态，带来许许多多新的局面，也让我们一起期待。谢谢演播室的两位嘉宾，谢谢大家一起来参与讨论，再见。