差差差不多在线观看免费高清电视剧-凯发ag旗舰厅

#endtext .video-list .on{border-bottom: 8px solid #c4282b;}

近日，电视剧《甄嬛传》余莺儿（余答应）的扮演者女演员崔漫莉在直播间自曝，在浙江东阳市横店镇拍戏时曾酒后无证驾车，并肇事逃逸。该事件引发了网友热议。《甄嬛传》中的余莺儿2月12日，崔漫莉发短信告诉记者，她说的是她做梦的事情，乱吹牛的，“怎么可能是真实的事情，就是做梦梦到的事情”。据报道，浙江东阳警方针对崔漫莉所说情况已经开始介入调查，目前崔漫莉并不在东阳境内。2月13日，浙江东阳警方通报，针对网上流传“女演员崔某某自曝无证酒驾肇事逃逸”事件，经全面调查，其自曝内容系不实信息。经查，近期，崔某某（女，36岁）在网络平台直播时，为博取眼球、吸引粉丝，编造自己曾在横店拍戏时无证酒后驾车肇事逃逸的虚假事实，造成严重不良社会影响。目前，崔某某因虚构事实扰乱公共秩序，违反《中华人民共和国治安管理处罚法》相关规定，已被警方依法予以行政拘留。来源： 橙柿互动、“东阳公安”微信公众号关注福州晚报，获取更多资讯点亮和转发分享更多人↓↓

今（7）日，红星新闻记者获悉，知名导演陈福黔因病去世，享年81岁。陈福黔1944年出生的陈福黔，少年时曾到重庆生活，15岁时，他正式考进峨影厂高级演员训练班，随即来到成都生活。1978年，34岁的陈福黔凭借过硬的业务能力，考进中央戏剧学院导演系，在那里，他汲取了更多的艺术养分，并结识了李保田、鲍国安、许亚军等实力派演员。作为导演，陈福黔最出名的作品就是和老同学李保田一起合作的“王保长”系列，包括电视剧《王保长新篇》和《王保长新篇2死去生来》。他还执导了不少影视作品，《杨闇公》《江湖恩仇录》《绿茵姑娘》《山月儿》《华夏之灵》《都市俏辣妹》《鲜花盛开的村庄》《希望不流泪》等都出自他手。2006年9月8日，导演陈福黔（左）和王保长的扮演者李保田（右）在《王保长新篇2死去生来》新闻发布会上 资料图现在回看这些电视剧，可谓实力派戏骨云集，李保田、张国立、邓婕、“武松”祝延平、“祁厅长”许亚军、翁虹等，都拍过陈福黔导演的戏。张国立更是从1984年开始与陈福黔合作，拍摄了《密码没有泄露》《死刑已经判决》《带刺的玫瑰》《桃花曲》等多部作品。事实上，陈福黔去年年底还参演了女儿游晓锦执导的新版《傻儿师长》，在剧中出演钱老爷一角。红星新闻记者 邱峻峰 编辑 曾琦

2月8日，鞭牛士报道，张兰抖音直播间已被抖音屏蔽，目前已无法搜索。2月6日，张兰直播时突然直播被屏蔽。搜索汪小菲也无法搜索到。据分析，原因疑似和消费已经去世的大s有关。抖音方面刚刚发布公告，张兰·俏生活"等账号利用逝者恶意炒作营销，推荐不实视频，以获取商业利益，并屡次发布不实、侵权内容，进行违规炒作，处罚后未有改正。综合研判，根据《抖音社区自律公约》等相关规定，对"张兰·俏生活"、"张兰之箖玥甄选"、"汪小菲"予以无限期封禁。以下为全文：近期，徐熙媛（大s）女士逝世引发广泛关注，广大网友纷纷表达哀思悼念，希望逝者能够安息。但也有部分账号借机炒作，发布谣言，违背公序良俗和道德底线，不尊重逝者及家属，也伤害了公众感情。对此类行为，我们坚决予以打击，现对相关账号处理如下："我是夏小健"账号发布不实信息，误导公众，产生恶劣影响，根据《抖音社区自律公约》等相关规定，予以无限期封禁。"张兰·俏生活"等账号利用逝者恶意炒作营销，推荐不实视频，以获取商业利益，并屡次发布不实、侵权内容，进行违规炒作，处罚后未有改正。综合研判，根据《抖音社区自律公约》等相关规定，对"张兰·俏生活"、"张兰之箖玥甄选"、"汪小菲"予以无限期封禁。抖音将持续加大对各类侵权、无底线炒作行为的打击力度，维护风清气正的社区环境，也希望广大用户共同监督，如发现有违规账号和内容，可以在站内举报或发送详情至举报邮箱：feedback@douyin.com，我们将在第一时间核实处理。抖音安全中心2025年2月8日

北京时间2月17日，在京举行的“优秀运动员终身保障公益项目”首批保单发放仪式上，全红婵、刘洋等奥运健儿领取终身保障保单。该公益项目由安踏集团和中华全国体育基金会联合发起，130名在2024年巴黎奥运会获得奖牌的运动员成为该项目首批受益对象。全红婵 、陈芋汐、黄雅琼 、邹敬园、王昶、梁伟铿等20名优秀运动员代表现场获颁终身保障保单。孙颖莎、樊振东、王楚钦等其余运动员的保单发放仪式也将根据国家队和运动员安排陆续完成。该公益项目旨在为运动员提供终身保障规划，完善运动员保障体系，激励奥运健儿为国争光。根据规划，在巴黎奥运会获得奖牌的运动员在年满60岁后，可终身按月领取保障金，标准为金牌6000元/月、银牌5000元/月、铜牌4000元/月。据介绍，安踏2023年底捐资1亿元成立“奥运领奖台公益基金”，此次从中拨款4千万元，为巴黎及未来两届奥运会（2026年米兰冬奥会、2028年洛杉矶奥运会）的优秀运动员购买终身保障。

近日，一则“男子为买大g出售近5斤黄金”的消息在网络上掀起了热议狂潮。据知情人士透露，该男子为了实现自己的“大g梦”，毅然决然地将多年积攒的近5斤黄金变现。这一行为究竟是追逐梦想的勇敢之举，还是冲动之下的不智之选？背后又反映了怎样的社会现象和消费观念呢？事件详情：梦想与财富的艰难抉择这位来自浙江杭州的李先生，是一位80后企业家。他对奔驰g级越野车的喜爱由来已久，奔驰g级那硬朗的线条、强大的越野性能和独特的气质，让他心驰神往。然而，购买一辆奔驰g级车并非易事，尽管他事业有成，但要拿出足够的现金购车仍有压力。李先生手中的近5斤黄金，是他多年来投资和收藏的成果。这些黄金原本是他资产配置中的重要部分，也是他为未来可能出现的风险和不确定性所做的储备。但面对心中炽热的“大g梦”，经过深思熟虑，他最终还是决定出售黄金来筹集购车款。在黄金回收市场，李先生经过多番比较和选择，找到了一家信誉良好的回收公司。经过称重、鉴定等一系列严格流程后，他的黄金成功变现。所得款项足以让他实现“大g梦”，他如愿以偿地将一辆奔驰g级越野车开回了家。 不同视角下的解读- 从个人梦想角度：对于李先生来说，奔驰g级车不仅仅是一辆交通工具，更是他的梦想象征，是他对生活品质和个人成就的一种追求。他用行动诠释了“梦想还是要有的，万一实现了呢”这句话的真谛，为了梦想敢于付出，敢于做出大胆的决定。这种对梦想的执着和追求，在一定程度上值得我们尊重和敬佩。- 从财务规划角度：从理财的角度来看，李先生的行为引发了诸多担忧。黄金作为一种传统的保值资产，具有较高的投资价值和稳定性。在全球经济形势复杂多变的当下，黄金的避险功能愈发重要。而奔驰g级车作为一种奢侈品，属于消耗品，从购买的那一刻起就开始贬值。李先生出售近5斤黄金购买大g，意味着他放弃了黄金可能带来的长期保值和增值收益，也削弱了自己应对未来财务风险的能力。- 从消费心理角度：这一事件也反映出当下部分人群的消费心理。心理学家指出，这种行为与“即时满足”心理密切相关。在面对自己极度渴望的事物时，人们往往会选择追求短期的快乐和满足，而忽视了长期的利益和风险。此外，社交媒体的普及也加剧了这种消费心理的蔓延。人们在社交平台上看到他人的奢华生活，容易产生“攀比心理”，进而推动自己做出超出经济能力的消费决策。事件引发的社会热议消息一经传出，网友们的观点呈现出明显的两极分化。一部分网友对李先生的行为表示羡慕和敬佩，认为他有魄力、有勇气去追求自己的梦想，是一个真正的“追梦人”。他们觉得人生短暂，应该及时行乐，花自己的钱实现梦想无可厚非。然而，更多的网友则对李先生的做法表示担忧和不解。他们认为李先生的行为过于冲动，出售黄金买豪车是一种不理智的消费行为，是对自己和家庭财务的不负责任。毕竟黄金是硬通货，而豪车的贬值速度很快，从投资和理财的角度来看，这样做显然是得不偿失。专家观点：理性看待梦想与消费经济学家王教授分析称，李先生的行为反映了当下部分高净值人群的消费心理，是一种“梦想变现”的行为。这种行为不仅满足了物质需求，更满足了心理需求，是一种典型的“情感消费”。但他也指出，在追求梦想和满足情感需求的同时，人们应该保持理性，充分考虑自己的财务状况和未来的发展规划。理财专家张女士则强调，财富管理是一门重要的学问。在进行重大消费决策时，人们应该对自己的资产进行合理配置，充分评估各种资产的风险和收益特性。对于奢侈品消费，应该建立在自身经济实力和财务规划的基础之上，避免过度消费导致财务危机。类似案例及启示在现实生活中，类似为了追求梦想或满足某种消费欲望而做出重大财务决策的案例并不少见。比如，有人为了购买限量版的奢侈品包包，不惜花费数月甚至数年的积蓄；有人为了追求高端的数码产品，频繁更换最新款，导致自己陷入经济困境。这些案例都给我们带来了深刻的启示。在追求梦想和享受生活的过程中，我们不能忽视财务规划和风险控制。梦想固然重要，但我们也要为自己的未来负责，确保在实现梦想的同时，不会给自己和家人带来不必要的经济压力和风险。总之，“男子为买大g出售近5斤黄金”这一事件不仅仅是一个简单的消费行为，它背后反映出的个人梦想追求、财务规划、消费心理和社会价值观等问题，值得我们每个人深入思考。希望我们都能从这一事件中吸取经验教训，在追求梦想的道路上，保持理性和冷静，实现梦想与现实的平衡。

红星资本局2月10日消息，今日晚间，在比亚迪（002594.sz）智能化战略发布会上，比亚迪王朝和海洋网首批21款智驾版车型上市，搭载“天神之眼”高阶智驾系统，定价基本不变，“加配不加价”。比亚迪王朝智驾版定价比亚迪海洋网智驾版定价据介绍，比亚迪多款智驾版新车的起售价在10万元以下。第二代秦plus dm-i、海豹05dm-i和海鸥的智驾版车型起售价分别为7.98万元、7.98万元和6.98万元。红星新闻记者 吴丹若 深圳摄影报道编辑 余冬梅

星舰第7次试飞 筷子回收成功

“贝努（bennu）”在2182年与地球相撞的几率为2700分之一，导致全球冬季和干旱。在2182年9月24日，一颗相对较大的太空岩石有0.037%的几率撞击地球表面。尽管撞击的可能性很小，但“贝努（bennu）”仍然是我们太阳系中已知的最具潜在危险的小行星之一，我们需要为可能发生的事情做好准备。一项史无前例的研究模拟了“贝努”不太可能造成的影响将在全球范围内造成的破坏，导致冬季的突然来临和全球粮食短缺。韩国的一组研究人员绘制了一些场景，表明地球上的气候和生命将如何受到像贝努这样的中型小行星的影响。研究小组发现，这样的影响会造成持续三到四年的大规模破坏。在研究小组描述的最严重的情况下，数亿吨的尘埃将大大减少到达地球表面的阳光，导致全球气温下降，并影响地球上植物的生长。研究人员在《科学进展》杂志上发表了他们的研究，这是第一个模拟小行星撞击后地球气候的研究。“贝努（bennu）”是一颗相对较小的近地小行星，每6年左右就会近距离掠过地球一次。科学家们认为，这块太空岩石可能是在大约7亿到20亿年前从一颗更大的富含碳的小行星上分离出来的，并逐渐向地球靠近。这颗小行星是美国宇航局一项历史性任务osiris-rex的目标，该任务于2020年10月获取了贝努的样本，并于2023年9月将其降落在地球上。这次任务使科学家们能够近距离探测这块古老的岩石，揭示出贝努包含了一些生命的关键组成部分。“贝努”的撞击将是非常具有破坏性的，但地球已经经历过更糟糕的情况。大约6600万年前，一颗大约6英里宽（10公里宽）的小行星撞击了地球，杀死了包括恐龙在内的大部分早期居民。与直径约0.3英里（0.5公里）的“贝努”相比，这颗杀死恐龙的小行星体积巨大。像贝奴这样的中型小行星在太阳系中更为常见。韩国釜山国立大学ibs气候物理中心（iccp）主任、该研究的合著者阿克塞尔·蒂默曼（axel timmermann）在一份电子邮件声明中说：“平均而言，中等大小的小行星大约每10 - 20万年撞击地球一次。”“这意味着我们早期的人类祖先可能经历过一些行星移动事件，这些事件对人类进化甚至我们自己的基因构成都有潜在的影响。”为了确定157年后“贝努”撞击地球的影响，研究作者模拟了一颗中等大小的小行星撞击地球的理想场景 —— 这里的“理想”是一个统计术语，因为这种场景显然与理想相距甚远。研究小组得出结论，这次碰撞将向高层大气注入1亿到4亿吨灰尘，影响全球气候、大气化学、陆地植物的光合作用以及海洋中的浮游生物。如果发生类似贝努的小行星碰撞，最具戏剧性的结果将是大量的尘埃笼罩大气层，导致来自太阳的光线变暗。（另一个研究小组对希克苏鲁伯小行星撞击造成恐龙灭绝的后果提出了类似的假设。）根据这项研究，太阳变暗可能导致全球表面降温高达7华氏度（4摄氏度），降雨量减少15%，臭氧层严重消耗约32%。“冬季的突然影响将为植物生长提供不利的气候条件，导致陆地和海洋生态系统的光合作用最初减少20-30%，”iccp研究员、该研究的主要作者戴兰在一份声明中说。“这可能会对全球粮食安全造成巨大破坏。”不过，也不全是坏消息。在海洋表面之下，来自小行星的铁可能会在撞击后进入平流层，并在地球的部分海洋中沉淀，引发前所未有的富含硅酸盐的藻类大量繁殖。根据这项研究，海洋中的浮游生物也会在撞击后大约六个月恢复，而陆地植物则需要两到三年，而且它们的生长速度将比小行星撞击前提高到更高的水平。蒂默曼说：“我们能够追踪到这种对尘埃中铁浓度的意外反应。”“模拟的过度浮游植物和浮游动物繁殖可能是生物圈的福音，可能有助于缓解与陆地生产力长期下降有关的粮食不安全问题。”尽管贝努撞击地球的可能性不大，但研究人员决心将地球的命运牢牢掌握在地球人的手中。美国宇航局于2022年9月成功进行的双小行星重定向测试（dart）证明了人类改变小行星轨道的能力，这是证明我们有能力保护地球免受来自太空的岩石闯入者的重要一步。此外，还有更重要的事情要做。最近发现的小行星2024 yr4在2032年撞击地球的几率为1.9%（53分之一）。希望最近这个团队的模拟永远不会成为现实 —— 如果不是运气使然，那也要归功于人类在面对共同威胁时的聪明才智和决心。如果朋友们喜欢，敬请关注“知新了了”！

中国战略新兴产业融媒体记者 艾丽格玛2024年12月26日，深度求索（deepseek）发布了其最新人工智能大模型deepseek v3，并同步开源。这两年来，每家ai公司都会对自己的ai大模型不断进行迭代更新，这已不是什么新闻。然而，deepseek v3的发布却在圈内外引发了热烈的讨论，引发了极大的关注。据称，deepseek v3拥有6710亿参数的混合专家模型（moe）在多项基准测试中表现优异，超越了llama 3.1 405b等开源模型，并与gpt-4o、claude 3.5 sonnet等闭源模型分庭抗礼。而更引人注意的是，根据公开消息，其训练成本仅为557.6万美元，远低于gpt-4o等模型的10亿美元预算。deepseek v3的训练方式与算法优化，显著降低了训练和推理大模型对高端硬件的需求——这背后隐含的可能性是，通过软件优化，可以在有限硬件资源下实现顶尖性能。这一点，可以使得ai大模型大大减少对高端gpu的依赖，甚至有人认为，这套训练算法将对“卖铲子”的英伟达等硬件供应商带来巨大的动荡。01 低成本高性能，怎么做到？deepseek官方在其同步开源的53页deepseek v3模型论文中提到，deepseek v3的生成速度达到每秒60个token，api价格仅为claude 3.5 sonnet的1/53。在知识类任务（包括mmlu、mmlu-pro、gpqa和simpleqa）上，deepseek v3的表现优异，已经接近于当前表现最好的模型，即anthropic公司于10月发布的claude-3.5-sonnet-1022。在美国数学竞赛（aime 2024和math）和全国高中数学联赛（cnmo 2024）上，deepseek v3的表现大幅超过了其他所有开源和闭源模型。>> deepseek开源的文档同时，deepseek v3的生成速度从20tps（每秒完成的事务数量）提高至60tps，相比v2.5模型实现了3倍的提升。这种“低成本≠低性能”的特点，正是deepseek v3热度的来源。那么，这种绕过硬件掣肘，从算法上大幅降低成本的路径，究竟是如何达成的？首先，在架构方面，deepseek v3采用了混合专家架构（mixture-of-experts, moe），包含256个专家，每次计算选取前8个最相关的专家参与。想象一下，有一个机器人，它有很多小助手，也就是“专家”。总共有256个专家，每个专家都擅长做不同的事情。现在，假设机器人要解决一个问题，它不需要让所有的专家都来帮忙，因为那样会浪费时间和精力。相反，它会从这些专家中挑选出最厉害的8个专家来帮忙。这些被选中的专家是最适合解决这个问题的，所以它们可以又快又好地完成任务。这种混合专家架构就像是一个聪明的管理者，总是能选出最合适的人来完成任务，也就可以减少不必要的计算和内存消耗。moe通过动态选择部分专家模型处理输入，减少了不必要的计算开销，显著提升了训练和推理效率，例如，谷歌的gemini 1.5就采用了moe架构，通过路由机制将请求分配给多个专家模型。但是，moe模型仍然有些问题。例如，训练过程较为复杂，尤其是门控网络的设计和专家模型的负载均衡问题，可能导致训练不稳定；moe需要将所有专家模型加载到内存中，显存需求较高，限制了其在资源受限设备上的部署；同时，在分布式计算环境中，moe模型的专家模型可能分布在不同的计算节点上，导致通信开销较大，影响整体效率。moe的选择机制可能导致某些专家被频繁调用（过载），而其他专家则很少被使用（欠载）。这种负载不均衡会降低模型的整体效率，甚至影响性能。为了解决这个问题，传统方法通常会引入辅助损失（auxiliary loss），通过惩罚负载不均衡的情况来强制均衡专家的使用频率。然而，辅助损失本身可能会对模型的主任务性能产生负面影响，因为它会干扰模型的优化目标。因此，deepseek v3在混合专家（moe）架构中，引入了无辅助损失的负载均衡策略，通过动态调整专家偏置值，确保每个专家负载均衡，避免了传统辅助损失对模型性能的负面影响。具体来说，deepseek v3根据每个专家的历史使用频率，实时调整其偏置值（bias）。如果某个专家被频繁调用，其偏置值会被降低，从而减少其被选择的概率；反之，如果某个专家很少被调用，其偏置值会被提高，增加其被选择的概率。由于没有辅助损失的干扰，模型能够专注于主任务优化，从而提升整体性能。而且，动态调整偏置值的计算开销较低，不会显著增加模型的计算负担。同时，避免了辅助损失可能导致的训练不稳定问题，使模型更容易收敛。这种无辅助损失的负载均衡策略，是deepseek v3独有的。另外，在传统的transformer架构中，多头注意力机制（multi-head attention, mha）是核心组件之一。mha通过并行计算多个注意力头，捕捉输入序列中的不同特征。然而，mha需要存储大量的键（key）和值（value）矩阵，尤其是在处理长序列时，内存需求呈平方级增长。而且mha的计算复杂度与序列长度的平方成正比，导致在处理长文本时效率较低。deepseek v3使用的mla通过引入低秩联合压缩技术，将键和值矩阵压缩为潜在向量（latent vectors），这就可以帮它大大减少内存占用和计算开销。除了这些，deepseek v3还自创了一种dualpipe流水线并行算法，这也是其高效训练框架中的一项关键技术。在训练大规模ai模型时，通常需要将计算任务分配到多个gpu或节点上进行分布式训练。然而，分布式训练面临两个主要挑战： 计算与通信的串行化：在传统流水线并行中，计算和通信操作通常是串行进行的，即在进行通信时，计算资源处于空闲状态，导致资源浪费； 通信开销：在跨节点训练中，数据传输（如梯度同步）会占用大量时间，成为训练效率的瓶颈。deepseek v3的dualpipe流水线并行算法通过将计算与通信时间完全重叠，最大化硬件资源的利用率，从而显著提升训练效率。dualpipe算法将训练过程分为两条独立的流水线：计算流水线和通信流水线。 计算流水线负责模型的前向传播和反向传播，而通信流水线负责跨节点的数据传输（如梯度同步）。这两条流水线可以并行运行，互不干扰。dualpipe流水线并行算法在实际应用中取得了显著效果，通过将计算与通信时间完全重叠，dualpipe算法将硬件资源的利用率提升到了接近100%。而且，由于计算和通信并行进行，训练时间显著缩短，尤其是在大规模分布式训练中效果更为明显。通过优化通信内核和充分利用高速网络带宽，dualpipe算法将通信开销也降到了最低。此外，在深度学习训练中，传统的浮点数精度通常是32位（fp32）或16位（fp16）。混合精度训练通过在不同计算阶段使用不同精度的浮点数（如fp16和fp32），在保持模型性能的同时，减少内存占用和计算开销。然而，随着模型规模的不断增大，fp16和fp32的计算和存储开销仍然较高。为了进一步优化资源利用，deepseek v3引入了fp8混合精度训练。fp8是一种8位浮点数格式，其存储和计算开销仅为fp16的一半，fp32的四分之一。包括llama系列、mixtral 8x7b、inflection-2、零一万物的双语llm模型以及coat框架下的模型，都通过fp8技术显著提升了训练效率和资源利用率，同时保持了模型性能。deepseek v3还采用了多令牌预测目标（multi-token prediction, mtp），在训练过程中，模型不仅预测下一个令牌，还同时预测后续的多个令牌。例如，给定输入序列“我喜欢吃”，模型可能同时预测“苹果”“香蕉”“与/和”等多个令牌。这种密集的训练信号显著提高了数据利用率，减少了训练所需的样本数量。在推理阶段，模型能够同时生成多个令牌，从而加速文本生成过程。deepseek v3的开源策略引发了全球开发者的广泛关注。openai创始成员karpathy称赞其“让在有限算力预算上进行模型预训练变得容易”。meta科学家田渊栋则惊叹其训练技术为“黑科技”。最重要的是，这一策略降低了技术门槛，为中小企业和初创公司提供了低成本的高性能ai凯发ag旗舰厅的解决方案。>> deepseek-v3的基本架构示意图。在deepseek-v2的基础上，采用了mla（多头潜在注意力）和deepseek moe，以实现高效的推理和经济高效的训练。整理总结可以发现，deepseek v3不论是采用现有的技术，还是独创自己的路线，都另辟蹊径。这或许与它的母公司和创始人的调性脱不开干系。02 “不务正业”的私募巨头深度求索（deepseek）公司的成立和发展，与量化私募巨头幻方量化有着密切的关系。深度求索成立于2023年7月17日，创始人就是幻方量化的创始人梁文锋。幻方量化是中国知名的量化私募公司，专注于利用算法和高性能计算进行金融投资，幻方量化为深度求索提供了强大的资源支持。彼时，幻方量化是“大厂”外唯一一家储备万张a100芯片的公司，这些高性能计算集群和资金投入使得深度求索能够在短时间内推出高性能的大模型。deepseek一跃成名，起因是他们此前发布的deepseek v2开源模型：deepseek v2的推理成本在当时就被降到每百万token仅 1块钱，约等于llama3 70b的1/7，gpt-4 turbo的1/70——deepseek因而被称作“ai界拼多多”。在低成本的压力下，字节、腾讯、百度、阿里的大模型开始纷纷降价——可以说，中国大模型“价格战”由此而始。受到影响的不只是国内的“大厂”，有不少圈内人士都受到了deepseek开源内容的启发。例如，openai前员工andrew carr从deepseek-v2论文中获取灵感，将其训练设置应用于自己的模型。在硅谷，deepseek被称作“来自东方的神秘力量”。semianalysis首席分析师认为，deepseek v2论文“可能是今年最好的一篇”。openai前政策主管、anthropic联合创始人jack clark认为，deepseek“雇用了一批高深莫测的奇才”，还认为中国制造的大模型，“将和无人机、电动汽车一样，成为不容忽视的力量”。有人认为，这种强烈的反响源自架构层面的创新，这是国产大模型公司乃至全球开源基座大模型都很罕见的尝试。创始人梁文锋早年就读浙江大学电子工程系人工智能方向，无比笃信“人工智能一定会改变世界”。在接受“暗涌”的采访时，梁文锋说：“过去很多年，中国公司习惯了别人做技术创新，我们拿过来做应用变现，但这并非是一种理所当然。这一波浪潮里，我们的出发点，就不是趁机赚一笔，而是走到技术的前沿，去推动整个生态发展。我们认为随着经济发展，中国也要逐步成为贡献者，而不是一直搭便车。过去三十多年it浪潮里，我们基本没有参与到真正的技术创新里。”“中国ai不可能永远处在跟随的位置。我们经常说中国ai和美国有一两年差距，但真实的gap是原创和模仿之差。如果这个不改变，中国永远只能是追随者，所以有些探索也是逃不掉的。”梁文锋在说到成本路线时，表示很意外：“我们只是按照自己的步调来做事，然后核算成本定价。我们的原则是不贴钱，也不赚取暴利。这个价格也是在成本之上稍微有点利润。”“我们降价，一方面是因为我们在探索下一代模型的结构中，成本先降下来了，另一方面也觉得无论api，还是ai，都应该是普惠的、人人可以用得起的东西。”幻方量化作为量化私募巨头，“囤”了大量的芯片。这也是deepseek得以起步的重要基础。实际上，量化交易需要处理海量数据并进行实时分析，这与ai大模型的训练和推理需求高度契合。幻方量化在高性能计算和分布式系统上的经验，可以直接应用于大模型的开发。同时，量化交易中的算法优化技术（如深度学习、强化学习）与大模型训练中的优化策略（如混合专家架构、fp8混合精度训练）有共通之处。这些技术可以相互借鉴，提升效率。不过，幻方本身的交易成绩和盈利情况在近年来却经历了显著波动，尤其是在2024年。2024年，幻方量化的量化中性策略（如dma策略）因市场波动和监管政策调整（如融券和t 0功能的限制）遭遇了显著回撤。例如，幻方旗下的“慧冲10号a期”在2024年亏损5.36%，近1个月亏损1.33%。2024年初，小微盘股出现流动性危机，导致幻方的量化指增策略（如中证500指增）也受到较大影响。例如，其代表性产品“九章量化多策略1号”在2024年1月至2月期间最大回撤达34.55%。截至2024年7月，幻方量化的旗舰产品“中证500量化多策略”近三年收益率为-12.58%，年内净值收益为-10.07%，与同期中证500指数收益（-10.26%）基本持平。幻方管理的资金规模也从千亿元级的峰值大幅缩减至几百亿。尽管2024年表现不佳，幻方量化在2021年及之前曾取得显著超额收益。据了解，其以指数增强策略为主，通过全市场选股、日内交易和科创板打新等策略获取超额收益。此前，幻方通过多空对冲（如多股票、空股指期货）获取稳定收益，并且是中国首家管理规模突破千亿的量化私募公司。为了在投资之外做更多的研究，搞清楚“什么样的范式可以完整地描述整个金融市场、有没有更简洁的表达方式、不同范式能力边界在哪、这些范式是不是有更广泛适用”之类的问题，幻方从2012年起，就开始关注到算力的储备，并有意识地去部署尽可能多的算力。墙内开花墙外香，可以说，虽然资金规模缩水、业绩表现有争议，但幻方“歪打正着”的开源大模型反而在ai界内掀起了一阵又一阵的巨浪。03 抄了硬件供应商的“老底”？deepseek v3在仅使用2048块nvidia h800 gpu的情况下，完成了6710亿参数模型的训练，成本仅为557.6万美元，远低于其他顶级模型的训练成本（如gpt-4的10亿美元）。这意味着，ai大模型对算力投入的需求可能会从训练侧向推理侧倾斜，即未来对推理算力的需求将成为主要驱动力。而英伟达等硬件商的传统优势更多集中在训练侧，这可能会对其市场地位和战略布局产生影响。训练是指使用大量数据训练ai模型的过程，通常需要极高的计算能力和存储资源。训练过程通常在数据中心完成，耗时较长，成本高昂。推理是指将训练好的模型应用于实际任务（如生成文本、识别图像、推荐商品等），通常需要低延迟和高吞吐量。推理过程可以在云端或边缘设备（如手机、自动驾驶汽车）上进行。为什么推理算力需求会成为主要驱动力？随着各类大模型的成熟，许多企业和开发者可以直接使用预训练模型，而不需要从头训练。例如，gpt-4和本文所述的deepseek v3等模型已经提供了强大的通用能力。对于特定任务，企业通常只需对预训练模型进行微调，而不需要大规模训练，这减少了对训练算力的需求。与之相对地，生成式ai在文本生成、图像生成等领域的应用迅速扩展，推理需求激增。例如，chatgpt每天处理数百万用户的请求，需要强大的推理算力支持。在自动驾驶、智能家居、工业互联网等领域，推理需要在边缘设备上实时完成，这对低功耗、高性能的推理硬件提出了更高要求。训练大模型需要数千甚至数万块gpu，成本高达数百万美元。例如，gpt-4的训练成本估计超过1亿美元。推理对算力的需求远低于训练，但规模更大。chatgpt的推理成本虽然低于训练，但由于用户量巨大，总体算力需求仍然很高。英伟达的gpu（如a100、h100）在训练大模型时表现出色，提供了强大的计算能力和显存带宽。例如，gpt-3的训练使用了数千块英伟达v100 gpu。英伟达的cuda平台还为开发者提供了丰富的工具和库，简化了大规模模型训练的开发过程。所以在训练侧，英伟达的优势几乎是压倒性的。不过，在推理侧，英伟达的gpu能效比相对较低，尤其是在边缘计算场景中，功耗和成本成为瓶颈。以openai为例，虽然它使用英伟达gpu支持chatgpt的推理，但也在探索专用推理硬件以降低成本。还有特斯拉，则是使用自研的fsd芯片（基于npu）进行推理，以满足低功耗和实时性需求。单纯依赖硬件性能的提升已无法完全满足市场需求，而软件优化、算法创新和生态构建的重要性日益凸显。与其说这是对硬件供应商的挑战，不如说，在当前这个“摩尔定律”显著放缓、行业面临瓶颈期的时节，这是一个转型的机遇。随着半导体工艺接近物理极限，硬件性能的提升速度放缓，单纯依赖硬件升级难以满足ai计算的需求。而高端硬件（如gpu、tpu）的采购和维护成本高昂，且能耗较大，无论是在大规模普及中还是对于资金薄弱的中小企业来说，硬件成本费用都是一个沉重的负担。目前看来，deepseek带来的最大的启示，就是通过算法优化（如混合精度训练、模型压缩、量化等），可以在不增加硬件成本的情况下显著提升计算效率。而英伟达等硬件商则更应该通过提供软件工具和框架（如cuda、tensorrt），构建开发者生态，从单纯的硬件销售转向提供综合凯发ag旗舰厅的解决方案（如云服务、ai平台）。例如，英伟达通过cuda平台为开发者提供了丰富的工具和库（如cudnn、cublas），简化了ai模型的开发和优化过程。尽管amd、英特尔等公司推出了类似平台（如rocm、oneapi），但它们在性能和生态成熟度上仍无法与cuda匹敌。semianalysis创始人迪伦·帕特尔（dylan patel）指出，英伟达的竞争优势就在于其软件和硬件的紧密结合，cuda的高效性和易用性使得英伟达在ai芯片市场占据了主导地位。英伟达ceo黄仁勋也认为，cuda正是英伟达从图形处理器公司转型为全球计算巨头的关键。可以预见，未来硬件商将开发更多专用ai硬件（如npu、tpu），并通过算法与硬件的协同设计，进一步提升计算效率和能效比。软硬件协同优化和综合凯发ag旗舰厅的解决方案是未来发展的重要路径。

三言科技消息 雷军今晚开启元宵节直播，在小米食堂吃起了汤圆。品尝五仁汤圆时，雷军表情拧巴，连呼吃不惯：“吃出了五仁月饼的味道！我要赶紧吃个黑芝麻汤圆！大家说的对，黑芝麻汤圆是最好吃的！我吃不惯五仁汤圆。”

北京时间2月17日，2025年旧金山nba全明星正赛将正式打响！届时，今年入选的nba大佬们将为我们呈上一场视觉盛宴。尤其同队的詹姆斯、杜兰特、库里，更是让人翘首以盼！因为，这极有可能是詹杜库职业生涯最后一次强强联手出战全明星。所以，这对球迷来说绝对是弥足珍贵！然而，就在全明星正赛进入倒计时时，一条让人猝不及防的重磅消息彻底划破了这一切美好的期待！因为我们将在今年的旧金山全明星正赛上，看不到詹杜库强强联手了！原因就是，勒布朗詹姆斯刚刚突然宣布，自己将退出今年的全明星正赛……就在刚刚，湖人当家球星勒布朗詹姆斯在接受采访时宣布，因腿部/脚踝不适，他不会出战今天的全明星正赛。詹姆斯表示，他原本希望自己今天感觉足够好能够参赛，但很遗憾的是，这种情况没有发生！所以，他不得不临时做出退赛决定。随后，nba官方也宣布了这一消息。值得一提的是，这是詹姆斯生涯首次在入选全明星的情况下缺席。毫无疑问，勒布朗詹姆斯退出旧金山全明星正赛是球迷乃至联盟的巨大损失！大家都期待着詹杜库再次联手，也更期待这位传奇巨星在全明星舞台上的又一次精彩演出。奈何伤病原因，大家的期待最终化为泡影！除了遗憾，还是遗憾！据悉，詹姆斯之所以会选择突然退出旧金山全明星正赛，其根本原因是他认为湖人目前正在做季后赛前的最后冲刺，而这比今天全力以赴参赛更为重要。简而言之就是，詹姆斯如今的心思全都放在带领湖人如何更好地冲击季后赛！所以，在自己身体不适的情况下，他不会贸然选择参加全明星正赛。毕竟，他已经是名年满四旬的超级老将，他得把自己的精力放在最重要的事上面。由于詹姆斯临时决定退出旧金山全明星正赛，这也就意味着没人能及时递补入选顶替老詹的名额。倘若詹姆斯提前通知联盟他将退赛的话，那快船的鲍威尔或许大概率能递补入选今年的全明星。可惜，一切为时已晚！虽然说詹姆斯临时决定退赛让人深表遗憾和震惊，但也请对这名四旬老汉多一份理解和包容。毕竟，身体要是没有不适，他又怎么会缺席呢？理解万岁！