雷峰网讯 DeepSeek-R1 又开先例，成为首个登上《N🔥ature》封面的中国大模型。 2025 年春节，De😆epSeek-R1 横空出世，因其极低的训练成本引发病毒式传👏播。八个月过去，这一成果带着 Nature 的金字招牌再次回😡到公众视野中央，只为一件事：技术透明。 这篇名为 De👏epSeek-R1 incentivizes reasoni😢ng in LLMs through reinforceme🤯nt learning 的《Nature》 封面论文由创始人🔥梁文锋担任通讯作者。文中首次确认了此前流传的DeepSeek🌟 R1 训练成本，约 29.4 万美元，折合人民币约 208🔥 万，并进一步披露了模型训练中采用的数据类型、强化学习方案等🌟技术细节。 在揭开这一里程碑式大模型的面纱之外，这篇论🤯文更大的意义，是 DeepSeek-R1 作为全球首个经历了🤩同行评审的大语言模型，将大模型研究推向了更透明、可重复的方向😍。 此前业内通行的做法，是科技公司在自家官网、论文预印😜本网站 arXiv或知名技术论坛上发布突破性成果及基准测试分😀数，大部分模型 API 随后即向公众开放。这一过程绕开了传统👏学术评价体系中的同行评审环节，而 DeepSeek 团队则主🎉动接受了这一来自学术界的审视。 根据 《Nature》🎉公布的补充信息显示，评审意见主要集中在实验评估、模型安全性和😅伦理风险等方面，要求补充 OOD（分布外）测试、中间阶段性能🙌分析、误用讨论等工作。正是针对上述同行评审意见，DeepSe😉ek 团队才增加了对数据类型等训练细节的披露，并进一步证明了🤩成果的安全性。 “这是一个非常值得欢迎的先例，“论文评😎审之一，Hugging Face 机器学习工程师 Lewis❤️ Tunstall 表示，”如果我们没有公开分享这一过程大部👏分内容的规范，那么将很难评估这些系统是否构成风险。“ 😘公开训练细节，回应“蒸馏”质疑 那么在最新版本的论文中😎， DeepSeek 团队都补充了 R1 的哪些训练细节呢？😁 首先是训练成本，此前曾震动华尔街的 29.4 万美元🙄数据终于得到证实。 据补充材料介绍， DeepSeek🥳-R1 的研究工作分为三个阶段。 第一阶段使用 A10⭐0 GPU 对 30B 参数的小模型进行实验预研，因结果表现😍良好，使团队有信心将规模扩大至 660B 参数的 R1-Ze😆ro 和 R1。 第二阶段的成果是 DeepSeek-😢R1-Zero，研究团队动用了 512 块 H800 GPU😆，耗时约 198 小时。 最后是 DeepSeek-R😡1，仍然采用 512 块 H800 GPU 的配置，但仅用时💯 80 小时便宣告完成。 在训练数据构成方面， Dee❤️pSeek-R1 采用了数学、编程、STEM、逻辑四大类题目😉。 展开全文 其中数学数据集由 2.6 万道定量😍推理题构成，涵盖数学考试和竞赛题目，模型需逐步推理并给出最终🥳正确答案。 编程数据集由 1.7 万道算法竞赛题与 8😁 千道 Bug修复题构成，其中后者全部来自真实的GitHub❤️ issue，数据集提供问题描述、含缺陷源码与部分失败的单元💯测试，要求模型定位并修复缺陷，使代码通过全部测试。 S🚀TEM 数据集由 2.2 万道选择题构成，覆盖物理、化学、生⭐物等学科，模型需选出最科学准确的答案。 逻辑数据集由真🎉实问题和合成问题共 1.5 万题构成。 此外 Deep😘Seek 团队还引入了通用 RL 数据以提升 DeepSee😎k-R1 的有用性与无害性。在训练过程中，研究人员采用了两个⭐独立训练的奖励模型，一个针对“有用”排序数据训练，涵盖创意写😊作、编辑、事实问答等领域的 6.6万题，一个针对“无害”排序😘数据训练，由1.2 万题构成。 特别值得一提的是，在最⭐新版论文中，DeepSeek 团队正面回应了此前关于 R1 😉蒸馏 OpenAI 模型的质疑。 研究团队专门为此设计🤯了一项试验，使用 Qwen2-7B 作为基础模型时，通过大规🚀模强化学习进行训练，该模型同样可以自主发展出各种先进推理策略😀。而 Qwen2-7B 的发布时间为 2024 年 6 月，😍显然早于所有公开的推理模型。蒸无可蒸，推理能力的优化自然源于💯 DeepSeek-R1 开创的强化学习方法。 Dee😅pSeek-R1 的另一大特征是在推理过程中更频繁地使用“我😘”和“我们”等第一人称代词。值得一提的是，这种效果是通过精心😘设计的冷启动数据所实现。 论文中介绍，研究团队发现当推😁理过程符合第一人称视角的思维模式时，用户会认为其回应更直观且😁具有吸引力。为此，研究团队要求标注人员将推理轨迹转换为更自然😡、更贴近人类对话风格的表达，并以此作为示例提示大语言模型以类💯似风格重写更多。 在如此收集到的数千条 CoT 数据中👏进一步筛选出最终答案正确且格式清晰的，就得到了简洁、可读性强🔥，既包含推理步骤，也涵盖最终结果的高质量冷启动数据。 😡双重里程碑 时隔八个月再次回顾，DeepSeek-R1🙄 因何成为大模型史上里程碑式的论文？ 有一部分答案藏在⭐训练成本里。DeepSeek-R1 29.4 万美元的训练成🌟本不仅只有当时同等规模模型的十分之一，而且其中仅有 1 万美😢元被用于构建 SFT 数据集。这意味和同行相比，它背后砍掉了❤️大规模的监督微调。 属于人类的能力，也向人类学习，监督🎉微调曾经是提升模型推理能力的共识。但它的局限性也很明显，对人😍类标注推理轨迹的依赖显著增加了模型训练成本，限制了可扩展性，😴人类的认知偏见也在向模型渗透。 更引人深思的问题是，复😊制人类思维过程真的是硅基推理的最优解吗？是否存在一种更优越的😅、非人类思维的推理方式？如果答案是肯定的，那一定在人类示例之😆外。 正是在这样的背景下，DeepSeek-R1 提出😊了一种通过纯粹强化学习实现推理能力自我进化发展的路径，以摆脱😆对人工标注推理轨迹的依赖。 具体而言，研究团队基于 D😂eepSeek-V3 base，并使用组相对策略优化（GRP💯O）作为强化学习框架。在全新的训练范式下，仅对最终答案的正确😡性进行奖励，而不对推理过程本身施加约束。简单来说，就是推理方🎉式不限，能抓到耗子就是好猫。 这种训练方案设计和研究团🥳队的假设一脉相承：人类定义的推理模式可能会限制模型探索，而不🙌受限制的强化学习训练能更好地激励 LLMs 中新型推理能力的👍出现。 实验结果表明，DeepSeek-R1-Zero😘 的确自然地发展出了多样化和复杂的推理行为。为解决推理问题，❤️它表现出了生成更长响应的倾向，并且存在在每个响应中包含验证、😘反思和探索替代方法的趋势。 “尽管我们没有明确地教模型🙌如何推理，但它通过强化学习成功学习了改进的推理策略。”论文指😘出。 展现出强大推理能力的同时，DeepSeek-R1😴-Zero 在可读性差和语言混杂等方面仍存在挑战。这一问题的💯根源在于 DeepSeek-V3 base 是在多种语言上完🎉成训练，为此 DeepSeek-R1 的开发被提上日程。 😂 这一次，研究团队不仅通过多阶段强化学习训练改进模型在对话🙄式推理过程、语言一致性以及人类偏好对齐方面的表现，而且在拒绝🔥采样和监督微调环节将推理和非推理数据集都纳入 SFT 过程，😉这一设计使 DeepSeek-R1 不仅能在推理任务中表现出🤯色，还展示出了高级的写作能力。 基准测试结果显示，脱胎😎于全新训练范式下的 DeepSeek-R1 在 MMLU、C🚀-eval、GPQA Diamond、Arena-Hard、💯SWE-bench Verified、AIME 2024 上⭐均表现出色。而更直接的例子，则是在 2025 年春节之后的一🚀段时间里，DeepSeek-R1 几乎成为了国产大模型的代名😍词。 LLMs 的推理能力可以通过纯 RL 进行激励，🥳无需人工标注推理轨迹的参与。这一今天已成为共识的创想，最初就😢是经由 DeepSeek-R1 所实现。DeepSeek 团😴队在此基础上构建的 RL 框架，也促进了自我反思、验证和动态😂策略适应等高级推理模式的涌现。 而今天，这一突破性成果😴经受住了学术出版审查。主动接受专家评审的拷问，补充材料说明技😁术细节，并最终作为顶刊封面论文刊发……如果说 DeepSee😴k-R1 的初次发布是一个关于前沿技术突破的故事，那么时隔八😆个月之后，这个故事的关键词变成了学术透明和技术开放。 🎉补充各种技术细节之后，《Nature》最新这篇封面论文堪称“👏手把手教你训 R1”。它让我们看到头部科技企业的核心成果不是🌟只能封装成语焉不详的黑盒提供给用户，而是也可以拿到同行评审面😀前接受审视，以及更重要的，给出符合学术规范的解释和回应。 😉 商业化考量让 OpenAI、Google 等科技巨头纷纷😎和传统的学术审查保持距离，这本无可非议，但是当 DeepSe😆ek-R1 真的成为了可复现、可验证的学术成果，这种对技术开😎放性的追求无疑也让研究团队的选择更加可敬。 在双重意义🤩上，DeepSeek-R1 都堪称里程碑。 参考资料：💯 https://www.nature.com/art😢icles/s41586-025-09422-z#ethic👍s https://www.nature.com/ar😊ticles/d41586-025-03015-6 雷😘峰网文章返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

文 | 晓枫说 文 | 晓枫说 在全球气候治理与😴能源革命的双重浪潮下，海运业这条全球贸易的“动脉”——正经历🌟一场静默却深刻的革命。 IMO数据显示，航运业约占全球🙌温室气体排放量的2.89%，其脱碳进程直接关乎《巴黎协定》目⭐标的实现。随着碳强度指标（CII）、欧盟排放交易体系（ETS😀）从政策蓝图转化为实际成本，一场围绕技术路线、运营模式与商业🤯逻辑的全面竞赛已然拉开帷幕。在这场全球性的转型中，以ABB、😀瓦锡兰为代表的国际技术提供商，以中国船舶集团、中远海运等中国💯领军企业及众多中小创新型科技企业，共同勾勒着“全船电气化”为❤️血脉、“系统智能化”为神经的未来船舶蓝图。这幅跨国产学研协同🙌绘制的蓝图描绘了清晰的愿景，但其落地之路却布满需要全球行业共😉同应对的复杂挑战。 一、系统重构：电气化是底层逻辑变革🤗，而非简单动力替换 事实上，行业认知正经历一个深化的过🙌程——船舶电气化的核心，并非仅是安装一套电池组那么简单，其本🙄质是从“机械驱动”向“电力驱动”的范式转移，是对船舶能源分配🚀与推进系统的彻底重构。 在这一领域，东西方的技术路径呈🤯现出有趣的对比与融合。ABB力推的车载直流电网（DC Gri😢d）概念，与西门子能源的直流港口方案、瓦锡兰的混合动力解决方💯案等代表了欧洲的技术思路，其核心优势在于构建了一个高度集成化🤗的“能源平台”。相较于传统交流电系统，直流电网能减少高达10😉-20%的能源转换损耗，并显著节省设备空间与重量。更重要的是🤯，它作为一个开放的架构，能够灵活兼容当前的锂离子电池、正在兴🙌起的甲醇/氨燃料电池以及未来的新型储能技术。这种设计哲学，为😅船东提供了至关重要的“技术中立性”和“面向未来”的弹性，有效😂规避了因过早押注单一绿色燃料技术而导致的资产搁浅风险。 😉 视线回到国内，中国船舶集团在高端邮轮、大型液化天然气（LN👏G）船等领域展现的系统集成能力，以及宁德时代在船舶用锂离子电😉池、钠离子电池方面的技术创新，则体现了中国在产业链中后端的快😊速追赶。特别是宁德时代针对内河航运推出的“船舶动力电池系统”😁，已应用于长江流域等多艘电动船舶，展示了中国在特定应用场景下😘的市场化突破。 市场的选择清晰地揭示了现实的转型路径。😡根据挪威船级社（DNV）的统计，混合动力方案在新造船与改装船🎉市场中占据重要地位。这反映了行业在理想与现实间的权衡：混合动👍力作为关键的过渡技术，允许船舶在排放控制区（ECAs）和港口👍内实现“零排放”静音航行，以满足局部最严苛的法规并提升企业C😢SR形象，同时在开阔水域依靠主发电机保障续航与经济性。中远海😎运集团在旗下多艘大型集装箱船上实施的混合动力系统改造项目，正🥳是这种务实路径的体现——通过在现有船队上进行技术升级，而非全👍部新建，以更具经济性的方式推进减排。 然而，技术的先进😂性无法自动跨越经济的鸿沟。核心挑战在于，这套系统重构所带来的🤩高昂初始资本支出。一艘采用先进直流电网和电池系统的新造船，其🙄建造成本可能比传统船舶高出20%-40%，绿色溢价最终需要在😆整个价值链中被消化。这催生了新的商业合作模式，例如一些航运公🤔司开始与货主签订包含“绿色溢价”的长期运输合同，或寻求绿色金🙌融的支持。技术的普及速度，将不取决于其技术指标的巅峰，而取决😘于其全生命周期成本的竞争力。在这方面，中国银行、进出口银行等😆金融机构对绿色船舶提供的优惠利率贷款，以及一些中国船厂推出的😢“能源管理合同”模式，正在尝试通过金融创新来降低技术应用的门🥳槛。这种技术+金融的整体解决方案，可能成为推动技术普及的重要😀助力。 展开全文 二、从自动化到自主化：数据驱动🥳运营模式的范式转移 智能化是脱碳的另一大支柱，其价值远🔥超节省人力，其终极目标是通过数据驱动，实现全局能效最优和运营😡模式的重塑。 趋势正从“单船自动化”迈向“船岸一体化智🎉能运营”。ABB Ability™、瓦锡兰的船舶效能管理系统😁（EMS）等代表了西方公司在软件平台和系统集成方面的传统优势🚀。这意味着，传统的船长和轮机长角色正在演变，他们与岸上的专家😍团队共同构成一个“数字船队”的运营中枢。这种模式不仅能优化单😂船航速、航线以减少燃油消耗（据估计可带来5-10%的能效提升🙄），更能实现预测性维护，大幅降低故障停航风险。而中国公司则从🙌不同维度切入：华为的5G技术、船载通信模块和云服务正在为智能😡航运提供数字基础设施；上海国际港务集团打造的“智慧港口”系统😴，通过优化船舶在港口的作业效率，间接减少了船舶的等待时间和排⭐放；而国内诸如百舸新能这样的众多中小创新型企业，也在围绕船岸😁一体模式、新能源动力系统等加快研发和产业化进程。 在自❤️主航行这一前沿领域，西方公司如康士伯与Yara合作的“Yar😍a Birkeland”项目引人注目，而中国的进展同样值得关💯注。交通运输部水运科学研究院牵头制定的智能船舶技术标准，青岛🙄无人船基地的测试验证平台，以及系统科技有限公司等企业在自主避😍碰、智能靠离泊等关键技术上的突破，显示中国正在构建自主可控的🔥技术体系。特别是中船重工第716研究所开发的“船海智云”工业👏互联网平台，已应用于数百艘船舶，实现了设备健康管理、能效优化😂等功能的国产化替代。 然而，这片“新蓝海”也充满了“暗👏礁”。 一是法规与责任的空白。当智能系统做出决策导致事😅故时，法律责任的界定是全球监管机构面临的崭新课题。IMO正在🤔制定的《海上自主水面船舶（MASS）规则》进展谨慎，便反映了😡这一复杂性。而中国机构和企业也正积极参与相关国际标准的制定，🤩这种技术标准话语权的竞争，其重要性不亚于技术本身的竞争。 🤩 二是网络安全的致命脆弱性。高度互联的船舶使其成为网络攻击⭐的高价值目标，2020年某大型集装箱航运公司遭遇的网络攻击导🤔致全球业务中断，已为全行业敲响警钟。 三是人机协作的挑😢战。船员角色将从操作者转变为系统管理者和监督者，这一转型需要❤️体系化的培训和文化适应，对航海教育体系提出了全新要求。 🙌 三、脱碳的终极拷问：绿色燃料的抉择与全球基础设施的协同 🤗 领先的电气化平台解决了绿色能源的输送和分配问题，但最根本🔥的挑战在于——绿色能源本身从何而来？这引出了脱碳征程中最具争😊议和不确定性的领域。 目前，液化天然气（LNG）、甲醇🤔、氨、氢等选项构成了一个充满竞争的“燃料罗生门”。马士基巨资😁投入绿色甲醇船舶，中远海运集团积极探索氨燃料动力技术，而一些😜欧洲船东则看好LNG的过渡作用，每一种选择都面临“Well-👏to-Wake”（从油井到螺旋桨）全生命周期碳排放的严格审视😆。因此，船舶电气化系统的真正绿色成色，最终取决于为其供电的能🙄源来源是否在全生命周期内真正清洁。 更深层次的矛盾是“🌟鸡与蛋”的全球基础设施困局。船东不愿投资某类绿色燃料动力船，🙌因为全球加注网络几乎为空白；能源公司不愿投资数百亿美元建设全🤯球加注站，因为市场上对应的船舶数量不足。破解这一死结，单靠市😍场力量远远不够。 在这方面，中国依托其强大的基建能力，😊在国内长江流域、珠江三角洲等内河航道沿线加快建设船舶充电、加🤗注设施，这种“先内河、后沿海、再远洋”的渐进式基础设施布局策😆略，为技术验证和商业模式探索提供了宝贵的试验场。然而，要将这⭐种国内经验复制到全球航线网络，仍面临巨大的投融资和国际协作挑🙄战，亟需强有力的国际政策协调（如全球性碳税机制）、巨额的基础❤️设施投资以及形成行业共识的标准体系。这已超越技术范畴，成为对🔥全球治理智慧的考验。 然而，我们必须清醒地认识到，技术😡方案的成熟只是漫长征程的起点。未来的成功将不取决于任何单一国⭐家或公司的技术突破，而取决于整个全球生态系统的协同进化，比如🚀技术路径的多元化与融合，能否形成尊重不同国家、不同航线条件下😀的技术选择，促进东西方技术方案的交流互鉴，而非形成新的技术壁🙌垒；比如商业模式的创新与共赢，能否建立合理分摊绿色溢价、覆盖😀全生命周期成本的商业模式，确保发达国家和发展中国家的船东都能😊"用得起"绿色技术；再比如治理体系的包容性与有效性，在IMO😴等多边框架下，能否构建平衡环保雄心、技术可行性和经济承受力的🎉国际规则，等等。 可以说，未来十年，海运业这艘巨轮将航😂行在技术的“星辰大海”与现实的“惊涛骇浪”之间。这场转型，既💯是对人类工程智慧的考验，更是对全球合作精神与商业创新能力的终🚀极测验。唯有产业链上下同舟共济，方能在可持续发展的航道上行稳⭐致远。返回搜狐，查看更多