目前国内跟风上马 DeepSeek-R1（甚至强调满血版），这对整个中国来说总体当然是个利好，除此以外，在铺天盖地已经有点过头了的视听中，我们也需要冷静一下：
DeepSeek-R1 是推理模型（Reasoning-Model），并不是大家熟悉的聊天（Chat 微调）模型，因此并不适合大部分人带着环境信息的请求方式进行对话，更不适合多轮对话，因此使用场景是更受限的。它不是万能的，甚至使用更局限。所以什么用途都上这个模型有点简单粗暴了。
推理模型需要更多的算力资源完成所谓“深度思考”（这里我真的必须加上“所谓”），事实上目前适合升级的信息化项目（尤其拿我们关注的政务、医疗、教育、金融、智能制造这几个垂直场景），大部分并不需要过强的推理能力，我们需要的反而是准确性和速度，加上一定的理解能力和推理能力，以及内容风格和应用场景的一致性，而这几点 DeepSeek-R1都没有做到极致，有些甚至并不好。匆忙上马只会耽误事，造成大量浪费和未来的限制。
大量推理算力的分散采购和部署，会让本就紧张的研发用的训练算力更加紧张、成本上升，形成拆屋顶补西墙的更糟糕局面。即使在 Llama、Gemini 曾经爆火的时间，也没有见到哪个国家或地区如此狂暴的操作，并且哪怕没有如此狂暴，科研成果依旧层出不穷，反观我们目前还停留在知识库、聊天的基础上。这波操作的总投入算上未来的运维费用不会比当年核酸少。当然问题不是费用，而是产出在哪里？如果说核酸是一次性投入，这次需要大量运维成本的错误投入将带来规模更大的持续性的支出。可以预测一下将来是否会有半数以上为当前 DeepSeek-R1 添置的硬件将成为“僵尸”。
春节时候我已经发了对 DeepSeek 初步的测试结果，其中说到我觉得很可怕的事情是它的“幻觉”实在太严重，事后通过全社会大量的测试，也证实了这一点。如果继续允许大量错误信息在公网发布，中文训练数据恐将成为世界上最糟糕的数据。更大的危害不用我说。
另外说几个和技术发展以及开源有关问题：
官方在模型大火之后，和大家一起看到了一些问题，于是发布了说明：使用 DeepSeek 不建议用传统提示词，也不建议多轮对话。很多人都在转发说提示词工程过时了，我不知道这个结论是通过什么脑回路得出来的，至少不会是了解大模型的人说的。这是一个极大的误区。首先，DeepSeek 的推理模型能力只能代表 AI 模型应用的一个面，并不能代表整体，如果把 DeepSeek（R1）中目前被媒体追捧的这些技术看成是大模型未来主流形态的雏形（甚至是 AGI），那我要说这是科技的倒退。如果不同意可以来辩一辩，也可以 5 年后回过来看。其次，所有基于 Transformer 以及大量目前大模型、NLP 模型的使用，提示词本身至今是一个不可或缺的存在，就像不能把 ChatGPT 等同于大模型一样，我们也不能把特殊的提示词等同于提示词这个名词，甚至是提示词工程，这是不同层面的事情（严格地讲，就是说一句“Hello”，也是提示词，至于我们所希望的不要那么工程化，也是工程化研究的一部分）。如果放弃对于提示词重要性的理解，以及对提示词的研究，将又会是一次倒退。
目前包含 MoE（混合专家模型）在内的一系列架构和方法是不是一定能代表目前最先进的做法？显然并不是，但由于某些原因，不用我解释，懂的都懂。前段时间有人把某品牌遥遥领先的做法形容为“技术霸权主义”，我认为描述还挺贴切，某些混淆视听的说法，有时候不光迷惑了对手，也迷惑的自己人（当然对他们来说其他人可能都是打击对象），导致大量国内研发资源的消耗和浪费，例如很多已经初有成果的研究课题被迫终止，最后造谣者赢家通吃。在这里，商业公司乱吹牛和不诚信行为的违法成本低到令人发指。
这次许多地方包括政府单位匆忙上马 DeepSeek 各种版本，对行业内的人看来，像是一个个照妖镜，举个例子，你们仔细去看，但凡说自己部署了“DeepSeek-R1 70b”还放在面上宣传的单位，不是没看论文，就是没有比较早时间进入这个行业，也进行深入研究，也没关注和学习过行业里比较有名的模型（llama 以及相关协议），甚至可能都不太了解开源协议和规则，又或许不太懂法律，当然也不排除人家就是头比较铁，无视知识产权和最基本的职业操守，更别提法律。这是我们应该有的体统吗？
曾经，我们痴迷于短平快的工业发展方式，追求廉价、卷成本，以此吸引订单快速发展。最后我们确实得到了大量的订单，同时也失去了发展高端研发的诸多机会，至今大部分工业仍然处于全球化供应链条的中下游，翻身代价巨大。这次模型的浪潮也是一样，虽然降低成本是一件好事，但是如果在宣传过程中，过渡强调低成本以及奇技淫巧，而不是冷静看待各种过程、可能性或者更好的融合结果，盲目自信，拿了 80 分沾沾自喜，还在嘲笑拿了 90 分的人付出了超过几倍的努力，这是重蹈覆辙的前奏。
说明：DeepSeek 是一个伟大的发明，已经改变了国内大量网民对于人工智能的认知程度。以上只是从另外一个视角提倡冷静思考一下。