雷峰网讯 DeepSeek-R1 又开先例，成为首个登上《Nature》封面的中国大模型。 2025 年春节，DeepSeek-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 DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement 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，DeepSeek 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 A100 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-Zero 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-R1，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， DeepSeek-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。 STEM 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 DeepSeek 团队还引入了通用 RL 数据以提升 DeepSeek-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。 DeepSeek-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 DeepSeek-V3 base，并使用组相对策略优化（GRPO）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 DeepSeek-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 DeepSeek-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/articles/s41586-025-09422-z#ethics https://www.nature.com/articles/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 | 潮汐商业评论 文 | 潮汐商业评论 纽约😡时代广场的霓虹灯下，出差的大厂员工Mark正在和当地同事们安🙄利着手里的生椰拿铁。 在他身边，金发碧眼的Stacy手😊握小蓝杯感叹："是哪个天才想出来把椰奶放进冰咖啡里的，而且还😘只要1.99美元。我要从此和Dunkin说拜拜了！“这个看似😘平常的消费场景，正在全球各地不断重现——从曼哈顿到墨尔本，从😀雅加达到伦敦，中国茶饮品牌正以惊人的速度冲出国门，“血洗”着😍全球现制饮品市场。 01 从东南亚到欧美，一杯奶茶的东🙌学西渐 如果你在最近两年出国旅游或工作，一定也会发现，🙄在海外买到一杯奶茶或中式咖啡越来越容易了。可以说，在国内外卖🌟大战竞争愈演愈烈的同时，中国茶咖出海也同步进入了新一轮加速期🤔。各品牌正以差异化策略攻占全球市场。 这个夏天，瑞幸在🤩纽约连开了两家快取店，1.99美元的定价让更是让咖啡不离手的😁金融男们大呼“真香”。这种贴身肉搏的姿态，无疑是瑞幸对一街之😀隔星巴克的高调“宣战”。 自2023年踏出海外第一步以❤️来，瑞幸已在新加坡和马来西亚开设了数十家分店。登陆纽约，则标🙄志着瑞幸的全球化战略已从熟悉的亚洲文化圈迈向了更为成熟和竞争😍激烈的西方市场。纽约新店“00002”的编号足以彰显着瑞幸“😡熹妃回宫”的野心。“颤抖吧华尔街，你的强又回来了！” 🔥海的那一边，雪王也突破了东方明珠“防御塔”，在东南亚一路高歌🤩猛进。截至2025年6月，蜜雪冰城全球门店数已突破5.3万家👏，成为东南亚市场不可忽视的力量。越南15k（约合人民币4.5🤗元）一杯的柠檬水虽然比路边摊贵，却能做到干净又卫生，价格和国🎉内差不多。据2025年中报显示，蜜雪冰城在海外开设了4733😍家门店，其中印尼和越南是重点市场。且目前仍有91%的门店位于😘国内市场，蜜雪冰城的海外拓展似乎还有着无限可能 和蜜雪😆冰城在国内市场分庭抗礼的霸王茶姬，则凭借着中式茶饮定位在海外😁异军突起。截至2025年6月，其海外门店总数达到208家，单😍季度净增43家，覆盖马来西亚、新加坡、印度尼西亚、泰国及美国💯市场。本季度海外GMV同比增长77.4%，斩获2.35亿元营😴收。霸王茶姬在不同市场采取差异化定价策略，在马来西亚，一杯伯🙌牙绝弦的价格约23.4元人民币；美国的定价则约41元人民币。😊 贡茶作为早期出海代表，已在全球多个市场建立稳固地位；🤩喜茶在北美市场扩张迅猛，截至2025年8月，其在海外市场已开🚀设超过115家门店；奈雪的茶在海外市场也表现亮眼。 在🎉全球市场中，与中国拥有相近茶文化的东南亚市场是出海首选地。如🌟蜜雪冰城在印尼拥有2667家门店，在越南拥有1304家门店，👏已成为越南最大的现制饮品品牌。霸王茶姬在马来西亚开设178家😅门店，占据其海外门店总量的85.6%。 艾媒咨询预计，🚀2023年到2028年，东南亚的现制饮品年复合增长率高达19😅.8%，远高于全球平均水平7.2%。 2024年后，更😘多茶饮品牌盯上了欧美地区。喜茶进军法国、霸王茶姬进入美国、茶💯百道进入西班牙、茉莉奶白进军英国。虽然欧美地区文化、消费习惯🤔与我们差异更大，但拥有着广阔的潜在市场。从瑞幸登陆纽约，到霸💯王茶姬抢滩洛杉矶。中国茶饮品牌已经做好了进军西方成熟市场的准😡备，它们的目标将会是星辰大海。 展开全文 02 😘海的那边，茶饮激战依然正酣 从最新财报数据来看，中国茶🙄饮品牌的出海称得上初见成效。如瑞幸咖啡截至2025年第二季度❤️末，海外门店总数已达到89家，蜜雪同期全球门店数增至53,0😆14家，并已在多个海外国家建立仓储系统；霸王茶姬2025年第🙄二季度海外门店的GMV达到2.35亿元，同比增长77.4%。🌟 但花团锦簇的背后，茶饮品牌们似乎又是在一个更大的市场⭐上进行着同国内市场一样激烈的血战。 如高调在纽约开店的😅瑞幸，在经历了初期的0.99刀咖啡和使用优惠券的1.99刀咖😅啡后，并没有将“价格战”坚持到底。店内美式咖啡定价在3至5美🤩元，生椰拿铁等产品价格多在6.5美元/杯左右。初来乍到，瑞幸😢不敢狠狠砸钱，可能是由于其在美国本土面临的较高门店成本与人力😘成本，以及在当地尚未搭建成功的稳定供应链。 根据商业地⭐产服务及投资公司CBRE发布的《2025年第一季度曼哈顿零售🥳租金报告》，曼哈顿核心商圈的平均租金高达每平方英尺659美元😢/年，在全球范围内处于顶尖水平。但在促销期过后，与星巴克价格🎉相当甚至更贵的咖啡还能唤起消费者的热情吗？ 与瑞幸相反❤️的，是在东南亚将价格战进行到底的蜜雪冰城，更具竞争力的价格当🙌然可以吸引更多客户，但也会对加盟商的利润空间造成挤压。在20😀23年，越南的一些加盟商就曾经通过拉横幅的方式抗议蜜雪冰城的😘定价策略。 面对成本，无论是精打细算还是放血补贴，左右🔥都体现了中国品牌对海外市场运营复杂性的预估不足，毕竟出海不是😍将中国模式复制粘贴到全世界。 在供应链环节，茶饮品牌同😡样面临着来自不同市场的挑战。在不同市场，原料准入标准就差异巨🌟大，比如欧盟对茶叶农残检测指标高达480项，远超国内标准；在🙄东南亚地区的塑料包装禁令和含糖量分级制度则直接推高了合规成本🥳。 不同消费市场的口味差异化需求进一步加剧供应链复杂度😁，欧美市场追求有机健康，东南亚偏好浓郁甜口，穆斯林国家还有清😜真认证等特定要求。 更棘手的是，传统茶饮的一款新品从研💯发到上市往往需要3-6个月，涉及原料采购、口感测试、合规检测💯等多重环节。虽然数字化工具和成熟供应链体系已将流程缩短一半，💯但跨国冷链物流、本地化生产等环节仍面临效率与成本的双重压力。🤩这些供应链难题直接制约着产品迭代速度和市场响应能力，成为中国🥳茶饮品牌出海必须攻克的关键壁垒。 此外，中国茶饮品牌还😆面临着本土巨头的激烈竞争。 在东南亚市场，有印尼的Ko😍pi Kenangan等本土咖啡品牌；在欧美市场，则要直面星😘巴克、Dunkin等国际巨头的正面硬刚；甚至在很多茶饮巨头尚😀未涉足的市场，已经有了当地华人老板自己开的独立奶茶店。这些挑😀战都需要中国品牌拿出更加精细化的运营策略和更加本地化的产品服😢务。 以日本市场为例，虽然媒体们会将麻辣烫、珍珠奶茶奉😁为年轻人追捧的新消费潮流，但真正能让普通消费者长期复购的，依🎉然是拿铁和美式。 中国茶饮有那么多丰富的口味、动人的故🤯事，完全可以结合海外市场消费习惯，拓宽中国茶饮品牌和各国文化😆的融合，达成渐进式影响和消费习惯孵化。 03 本地化策👏略与未来发展：从“出海”到“本地化生存”的深度转型 中😅国茶饮品牌要真正赢得全球市场，就必须超越简单复制国内模式的思😂维，实现从“出海”到“本地化”的转变，重构一个新的茶饮市场，😂而非从海外竞争对手手中抢份额。这种转变涉及产品、供应链、运营😢等多个维度。 口味的本地化，就是品牌们的第一个突破口。🚀比如，喜茶就曾以加州的日落风光为灵感，在比佛利山庄店推出“加😁州落日”限定款。在该店开业当天，这款产品售出约2000杯。结🤗合东南亚人普遍嗜甜的口味特点，蜜雪冰城推出了加重甜度的冷饮产👍品和香茅、凤梨等当地人喜欢的重口味水果茶。霸王茶姬根据口味调😡研成果，在马来西亚推出了谷香焙茶，成为东南亚市场的现象级爆款❤️。 供应链则是有效降低出海成本的核心。为了能保障长期、🤗稳定的原材料供应，品牌们也是各显其能。如蜜雪冰城已经在4个海🔥外国家建立了仓储系统，还在今年和巴西签订了40亿元咖啡豆等农😢产品的意向采购订单，为进军美洲市场做准备；霸王茶姬则是计划将😉IPO募集资金的12%（约3.95亿港元）用于搭建国际供应链🤔平台，以支持海外业务的快速扩张。瑞幸的供应链也在逐步完善，其😢咖啡豆来源覆盖了埃塞俄比亚、巴拿马、哥伦比亚、中国云南等产区🤩。 有了好产品，中国茶饮还要在市场营销的舒适区中卷出新🎉花样。比如瑞幸在纽约的快取店分别位于在百老汇和第六大道，前者🎉是遍布国际游客和留学生的联合广场与纽约大学交汇处，后者是靠近👏星巴克的CBD街区。双店布局的策略让瑞幸既能够依靠自己的知名😡度保证盈利能力，提升在当地市场影响力，又能迅速对标竞品和消费❤️者反馈迅速调整配方，融入当地市场。 在线上，瑞幸也在I😘nstagram、TikTok、X等美国主流社交媒体上保持高😘频度内容更新，并发起#luckinnyc等话题挑战鼓励用户互😍动。它还邀请美食和生活方式领域博主进行探店合作，通过网红营销😡扩大影响力。这种全方位的数字化营销策略帮助瑞幸在短时间内建立😍了品牌知名度。从用户反馈来看，消费者普遍称赞其方便快捷、价格🙄实惠，也认可这种全数字化的线上消费体验。 霸王茶姬、喜👏茶还注重通过文化共鸣拉近与海外消费者的距离，打造东方快闪茶室🙌、推出大英博物馆联名产品，成为了它们出圈的秘密武器。 🤩从“卖产品”到“卖文化”、“卖体验”，中国茶饮品牌正在全球市🙌场探索新的发展路径。正如慢茶创始人叶冠昭所说：“海外市场确实😢有很大的发展空间，但出海一定要良性，做品牌、做产品、做系统。😂抱着捡漏的心态是无法长久的。”想要在全球扩张与本地化深耕之间😍找到平衡点，品牌需要兼具全球视野和本地智慧，能够灵活调整策略😂应对各种挑战。随着更多中国茶饮品牌走向世界，这场"世界茶饮战🎉争"的结局将会如何，让我们拭目以待。 正如Mark所说🤯：“原本我以为开在海外的中国奶茶店和咖啡馆就是‘留学生限定’🙌，但我真的看到了不少喝中国奶茶和咖啡的老外。” 10年🙄前，茶饮品牌们在国内市场已经塑造了规模巨大且稳定的一批新式茶👍饮消费群体。10年后，海阔天空，它们或许还能重塑整个世界对咖🥳啡与茶的定义。返回搜狐，查看更多