文 | 大模型之家 文 | 大模型之家 9月22🤔日晚间，DeepSeek官方突然发布更新，宣布DeepSee😉k-V3.1 现已更新至DeepSeek-V3.1-Term😢inus 版本。官方表示，此次更新并非简单例行迭代，而是针对🤯用户反馈中集中出现的问题进行了改进，在保持原有能力的同时，进😍一步提升了模型的稳定性与一致性。 消息一经发出，不到一❤️个小时便收获了一条“10w+”，足以见得行业对于DeepSe😜ek的关注程度与影响力。 然而，市场的热烈反应背后，也😅夹杂着一丝失望：备受期待的新一代推理模型DeepSeek-R😜2再次缺席。这不仅是一次期待的落空，更像是一面棱镜，折射出这😍家明星创业公司，从年初以R1模型一鸣惊人，到如今核心产品迭代🙄的持续延迟，在狂飙突进246天后的焦虑、挣扎与抉择。梁文锋和😎他的DeepSeek，正在上演一出中国大模型领域最富戏剧性张😡力的“现代启示录”。 市场预期管理失焦：R2发布如“镜🔥花水月” 当我们把时间的指针拨回2025 年的早春，彼🥳时，DeepSeek-R1的横空出世，如同一声惊雷，在中国乃🎉至全球的AI领域炸响。其卓越的数学与代码推理能力，不仅在多项😢基准测试中对标甚至超越了OpenAI的顶尖模型，更重要的是，😡它以一种彻底开源的姿态，将推理大模型的门槛拉至前所未有的低位😊。DeepSeek因此一战成神，成为那个“春节档”最耀眼的国😢产AI明星，创始人梁文锋也被寄予了挑战硅谷巨头的厚望。 🤩 DeepSeek-R1推出的那一天，就为梁文锋治下的深度求💯索，留下了两个难以抹去的烙印：一是“开源且低成本”成为它的标💯签，二是外界由此对其下一步的期待被抬到了很高的位置。 💯然而，辉煌的序章之后，故事的走向却变得扑朔迷离。行业对下一代😡推理模型DeepSeek-R2的期待，随着时间的推移，演变成⭐了一场反复上演的“狼来了”的故事。据大模型之家统计，截至20😆25年9月23日，距离R1发布已过去整整246天，而关于R2🤗的发布传言，已不下10次。 这场漫长的“悬念剧”始于2❤️月，路透社首次援引信源，称R2“最迟5月初发布”，并暗示其在😢代码生成和多语言推理上将有重大突破，瞬间点燃了市场的热情。随😜后的几个月，传言变得愈发具体和密集。3月，行业内开始流传“3💯月17日发布”的精准日期；4月，Hugging Face代码🤔库的蛛丝马迹似乎暗示着即将到来的更新；而到了5月，传言达到了😢顶峰，一份详尽的参数信息在网络上泄露，直指R2将采用革命性的👍“Hybrid MoE 3.0”架构，总参数量高达惊人的1.😀2万亿。 然而，期待中的5月发布会并未如期而至。随之而😁来的是更多混杂着失望与猜测的消息。有传闻称，发布延期是因为C🙄EO梁文锋对模型内部测试的性能不甚满意，认为尚未达到对R1的🌟“碾压级”优势。更关键的是，来自外部环境的压力开始显现——英😜伟达 H20芯片的供应问题，成为悬在所有中国AI公司头上的达🚀摩克利斯之剑。 此后的故事线更加曲折。6月，消息称R2😴的内部测试结果显示，其性能提升并未达到颠覆性的程度。7月，万😆众瞩目的世界人工智能大会（WAIC 2025）上，DeepS🔥eek的缺席让R2发布的希望再度落空。8月，关于“月底发布”😜的传言再次甚嚣尘上，但很快被官方辟谣。直到9月初，彭博社的报😴道才给出了一个新的时间窗口——计划于第四季度发布，并将主打当❤️下最热门的Agent（智能体）能力。 展开全文 😘在长达八个多月的时间里，DeepSeek官方始终未公布R2的😴明确发布计划。这种反复的传言与落空，在客观上造成了市场预期的😉管理失焦，也消耗了部分用户的耐心。更重要的是，在DeepSe😅ek等待R2的这段时间，其主要竞争对手，如阿里巴巴的通义千问🥳（Qwen）和百度的文心大模型（ERNIE）等，均已完成了多🚀轮重要的功能迭代和模型升级。 在这场无声的竞赛中，时间😎的流逝，正在成为DeepSeek最沉重的成本。 延迟的😴“三重困境”：开源生态的繁荣与核心产品的缺位 如果仅仅😁将这八个多月定义为“等待”，那对DeepSeek而言无疑是不🚀公平的。事实上，在R2缺位的日子里，DeepSeek非但没有🥳停滞，反而在另一个维度上展现出了惊人的能量和战略远见。梁文锋😂选择了一条更为艰难但可能也更为长远的道路——构建一个从底层模🤗型到上层工具链完全开源的全栈技术体系。 这是一场围绕“🌟开源驱动创新”展开的“阳谋”。在核心模型层面，除了打响名声的🤔推理专用模型DeepSeek-R1，DeepSeek在3月又😘开源了通用模型V3.0324，其API成本仅为GPT-4的1🤔/14，几乎是以“倾销”的方式，将大模型的使用成本打到了“地💯板价”。随后，融合了代码与对话能力的DeepSeek-V2.😅5，以及多模态文生图模型Janus-Pro也相继开源。这一系😜列组合拳，让DeepSeek成为了国产AI技术普惠的关键推动😊者之一。 在基础设施与工具链层面，DeepSeek同样😢进行了深度布局，开源了一系列旨在提升训练和推理效率的关键组件😡。例如，针对GPU优化的FlashMLA解码内核和DeepG😀EMM矩阵运算库，官方数据显示可提升约30%的推理速度；为混😉合专家（MoE）模型设计的DeepEP通信库和DualPip😉e流水线算法，有效降低了分布式训练的通信延迟；而名为3FS的🥳超高速分布式文件系统，则为大模型训练提供了高效的数据读写支持😊。 尤为关键的是，DeepSeek的开源并非仅仅停留在🙄代码层面。他们敏锐地捕捉到了国产算力崛起的趋势。其开源的工具🤔链不仅支持主流的英伟达GPU，还同步推出了适配华为昇腾平台的🌟解决方案（如MindIE镜像）。这一举措有助于推动国产AI算❤️力在实际应用场景中的落地，具有重要的产业价值。庞大的开源体系😍为DeepSeek带来了正向的生态循环。全球开发者基于其模型🙌进行量化（如INT8/INT4版本），降低了部署成本，并围绕🚀医疗、金融等垂直行业进行微调，丰富了应用场景。 然而，😍这耀眼的A面，却无法掩盖其B面深刻的隐忧。R2的迟迟未能发布💯，正是这些隐忧的集中体现。DeepSeek-R2的推迟，至少😎面临着三重困境。 首先是技术突破与算力供应的核心矛盾。😴据英国《金融时报》等媒体报道，R1发布后，DeepSeek在💯相关方面的鼓励下，曾尝试使用华为昇腾芯片进行下一代模型的训练🤗。然而，从英伟达的CUDA生态迁移到昇腾的CANN生态，其难🤯度远超预期。训练过程中的不稳定和性能瓶颈，严重拖慢了研发进度🌟，甚至一度迫使团队将关键训练任务切回NVIDIA平台。这场“😀算力长征”的艰难，或许是导致R2延期的最直接、最核心的技术因👏素。 其次，资本的狂热与市场的超高预期，放大了传言的传🎉播效应，也给DeepSeek戴上了沉重的“枷锁”。R1的成功🙌让DeepSeek成为了资本市场的宠儿，估值水涨船高。每一次💯关于R2的传言，都能在资本市场掀起波澜。这种高度关注，既是动🔥力也是压力，它迫使DeepSeek必须拿出一款超越性的产品，😆任何一点瑕疵都可能被无限放大，从而导致团队在发布决策上慎之又😘慎。 最后，在激烈的行业竞争与中美技术角力的背景下，构😘成了R2发布最严峻的外部压力。在国内，阿里、百度等巨头凭借强😉大的资源整合能力，在模型迭代、产品落地和生态构建上步步紧逼。😍在国际上，美国对先进AI技术的出口管制日益收紧。DeepSe😂ek既要面对国内市场的“内卷”，又要应对国际环境的“脱钩”风😁险，其战略选择空间正变得越来越狭窄。 DeepSeek🔥与梁文锋面临的“三重挑战” 当前，DeepSeek及其😢创始人梁文锋正不得不面临着来自技术、战略和市场三个层面的严峻🎉挑战，这种局面使其在后续发展路径的选择上变得异常艰难。 👍 第一重挑战，是如何在技术上实现自我超越，即“创新者的窘境”😀。DeepSeek-R1在推理能力上的突出表现，已经为公司树🔥立了极高的技术标杆。这意味着R2必须在性能上实现质的飞跃，而😊非简单的参数提升或常规优化，才能满足市场的期待。 如果🤯R2的提升幅度有限，很可能会面临类似于今年GPT-5发布后，😆行业普遍认为其创新力度不足的评价。对于一家以技术驱动的创业公🤔司而言，这种来自内部的、超越自我的压力，是其决策过程中必须考😁虑的首要因素。 第二重挑战，是公司在技术路线上的战略短😢板，特别是在多模态能力上的“缺位”。当前，全球顶尖大模型的发😡展趋势已明确指向文本、图像、音频、视频等多模态能力的融合。无😎论是通过多模型能力调用协议（MCP）整合不同模型，还是发展原😅生的多模态大模型，都已成为行业共识。 相比之下，Dee😉pSeek至今发布和开源的模型仍主要集中在文本和代码领域，旗🎉下多模态文生图模型Janus-Pro并未在行业掀起波浪。这种👍技术路线上的单一性，可能会使其在未来以多模态为核心的应用场景👍竞争中处于不利地位，限制其生态的广度和商业化的想象空间。 🙌 而国内的另一家大模型公司MiniMax为例，则走向了另一🔥个极端：其从创业初期就专注于多模态技术，并已推出了成熟的产品😆，但囿于当前主流大模型能力评估体系，仍以语言模型为基准。这使🤔得 Minimax 在模型排名、社区认可度、学术引用等“行业⭐标尺”上较为边缘，其开源的大模型 MiniMax-M1，在H😍ugging Face等平台的活跃度远低于DeepSeek。😴此外，其主打的线性注意力机制与混合专家系统（MoE）虽然理论⭐上具备效率优势，但在实践中尚未充分验证其长期可控性和泛化能力🌟，也让MiniMax 40亿美元估值屡遭质疑。 第三重🥳挑战，是需要面对DeepSeek面临的生态问题。自今年年中开😎始，网络中关于“DeepSeek变笨了”的讨论不绝于耳，调查😀发现虽然R1模型在数学推理上表现优异，但在涉及创意、事实性内😊容时却频繁出现“幻觉”。 而这背后，正揭示出DeepS🙌eek在内容生态上的“先天”短板。大型科技公司如百度、字节跳🙌动等，其优势不仅仅在于资金和技术，更在于其庞大的流量入口和内❤️容生态系统。例如，百度拥有搜索、贴吧、文库等一系列产品，而字🙌节跳动则有抖音、今日头条、西瓜视频等。这些平台不仅为用户提供🤔了稳定的流量入口，更重要的是，在用户与内容交互的过程中，源源🔥不断地产生着最新的、鲜活的数据。这些数据经过清洗和处理，可以😆持续地为大模型提供高质量的训练语料，形成一个良性的“数据飞轮😊”——模型越好，用户越多，产生的数据越新，模型迭代越快。 🌟 DeepSeek目前并不具备这样的内容生态优势。其模型能🚀力的提升，更多依赖于外部公开数据集和合作方提供的数据，缺乏像⭐百度、字节那样自有的、能够实时更新的“活水”。当模型在训练过😉程中无法有效甄别和清洗受污染的语料时，就可能导致“幻觉”现象😴的加剧。这种“幻觉”，不仅仅是简单的信息编造，更可能表现为逻🙌辑混乱、事实错误，甚至答非所问，这无疑严重影响了用户的信任感😂和使用体验。对于一个致力于商业化的大模型来说，用户信任是其产🌟品生命线的基石，而“幻觉”问题，恰恰是横亘在其商业化路径上的😘一大障碍。 写在最后 因此，对于梁文锋而言，是如😆何平衡内部研发节奏与外部市场竞争的压力。R2的延迟发布，为竞🔥争对手提供了追赶和反超的时间窗口。在快速变化的大模型市场，技😂术领先的优势稍纵即逝。梁文锋必须在“追求技术极致”与“抢占市👏场时机”之间做出权衡。 发布一个性能未达内部最高标准但🙌能及时卡位市场的产品，还是继续打磨一个可能错过最佳发布窗口的👍“完美”产品，这是一个艰难的战略抉择。同时，叠加算力迁移带来🔥的工程挑战，使得这一决策过程变得更加复杂。 不可否认，🌟DeepSeek-R1的发布对行业产生了深远影响。它不仅证明🤗了国内团队在核心推理模型领域的研发实力，更重要的是，其开源策😎略极大地降低了AI技术的应用成本，打破了海外少数厂商在高端模😍型领域的垄断，为推动整个行业的创新和普及做出了重要贡献。 😁 在大模型之家看来，DeepSeek当前所面临的困境，并非😂个例，而是国内顶尖AI公司在向更高技术水平迈进过程中普遍面临🙌的挑战缩影。市场期待R2的最终发布，不仅是期待一款性能更强的😁模型，也是在观察DeepSeek如何在技术瓶颈、战略短板和激😁烈竞争的多重压力下，给出自己的解决方案。DeepSeek和梁😍文锋给出的答案，也将对国内其他AI公司的发展路径提供重要的参😊考和启示。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：凯风 来源：国民经略 撤县并省，全面落地。 👍 一夜之间，越南全国63个省市精简为34个省级单位，62😴8个县级行政机构被整体撤销，1万多个乡级单位合并为3321个👍。 这场被越南称为“重整江山”的史上最大行政改革，自去😁年10月启动，仅8个月时间就已尘埃落定。 受此影响，越😜南短期将裁撤近10万个“铁饭碗”，长期则有25万个行政、事业💯编制受波及，而越南只有1亿人口。 15年免费义务教育；🥳与美国率先达成关税协议，同时宣布加入金砖伙伴国…… 动🚀作一个接一个，给人以“时不我待”的紧迫感，越南为何这么急？ 🥳 01 撤县并省，力度有多大？ 行政区划改革🔥，涉及重重利益调整，放在任何一个地方都历来不易。 越南🤩靠着“8年战略准备，8个月快速实施”成功落地，速度之快、力度💯之大、动作之猛令外界瞠目。 经过这轮改革，越南县级行政🌟单位不复存在，地方行政体系从“省-县-乡”三级制变成“省-乡❤️”两级制。 越南面积约33万平方公里，与云南省相差无几😘；人口超过1亿人，与河南省基本相当。 然而，一个中国省⭐份的体量，此前却划出了63个省级行政区，又下设县、乡，叠床架😡屋，极尽臃肿。 越南没有地级市，但由于体量不大，改革前😴的“省”相当于我们的地级市，改革后的“省-乡”类似于我们的“👏市-乡”。 撤并近半省级单位，直接砍掉“县”一级，削减😡70%左右基层单位，动作不可谓不大。 任何机构改革，首🌟当其冲的自然是“铁饭碗”，而刀刃向内，又是最难的。 改🥳革前越南公务员约250 万，此次改革短期影响10万人、长期影😎响25万人，相当于砍掉4%-10%的编制。 削减铁饭碗😜，效果立竿见影。越南官方预计，2026年至2030年将节省资🚀金超过190万亿越南盾（约500亿人民币）。 对于越南😅来说，减轻财政负担只是一方面。 精简行政层级，让改革轻🚀装上阵，激发市场活力，才是更关键的。 02 越南👏的行政体系，与中国有何区别？ 同为社会主义国家，同属儒⭐家文化圈，且历史上作为中国的一员，越南地方行政体系与中国有诸😉多相似之处。 越南不设地级市，最近又取消了县，与我国行😉政区划有了分野，但在省级层面，仍有高度的相似性。 越南❤️改革之后形成34个省，而我国拥有34个省级行政区，究竟是致敬❤️还是巧合，不得而知。 有意思的是，越南同样设有直辖市，🚀34个省中，共有6个直辖市，既有首都河内，也有经济重镇胡志明😊市。 河内、胡志明市之于越南，类似北京、上海之于中国，😂堪称越南版的一线城市。 作为越南经济第一大市，胡志明市👏常住人口约1400万人，2024年GDP为697亿美元（约5🚀000亿人民币），占越南全国15%左右。 目前，越南正😢在策划连通河内与胡志明市的，官方曾多次向京沪高铁取经，并非偶👍然。 更有意思的是，在这场大刀阔斧的撤省改革中，越南采😎取了“留名不留驻”的平衡术：两省合并，以一省为省名，省会则设👏在另一省。 老街省和安沛省合并为老街省，省会设在安沛；🎉太平省和兴安省合并为兴安省，省会设在兴安；西宁省和隆安省合并😜为西宁省，省会设在隆安…… 一般而言，无论是省域合并还😉是城市合并，只要是强弱结合，强者通吃就是常态。 历史上🤗江苏、安徽合并为江南省，省府一直放在南京，后来即使两省分治，😢安徽布政使司仍长期在南京办公。 折中式命名，自然是为了😡改革顺利推进。 对此，越南官方媒体越通社直言不讳，不要😢过于纠结“省名不见了”、“县没了”、“我们乡被合并了”，应当🤯超越“地方情结”，将国家利益置于家乡情结之上。 03 😉 越南改革为何这么急？ 刚刚过去的上半年，越南GD😁P增速为7.52%，创15年新高，增速位居亚洲国家最前列。 🤯 今年以来，关税战反复折腾，地缘动乱惊扰不绝，全球经济面😢临巨大的不确定性，对于以外贸为最大支柱的新兴国家来说，殊为不😴易。 面向未来，越南颇具雄心壮志，提出2030年跻身中🙌等收入国家，2045年跻身高收入国家。 要知道，就是中😉国，也是在改革开放第20个年头，1998年才晋级中等收入国家🙄，如今仍未跨过高收入国家门槛。 越南一直以“下一个中国😀”自诩，但目标不无好高骛远之嫌，但也凸显了“时不我待”之心。😎 越南之所以着急，是因为全球化红利期、人口红利黄金期、🙌产业转移机遇期，都在快速消退。 全球化的红利期正在远去🤗，国际经贸冲突、地方保护主义乃至局部战争不绝于耳，外贸早已没👍了先前的和平环境。 雪上加霜的是，越南人口红利的黄金期😴只剩下10多年时间，再不抓紧就来不及了。 为此，今年6🤔月，越南全面取消计划生育、推行15年免费教育，试图在人口滑坡😴之前托住生育大局。 更大的挑战在于，以人工智能为核心的😅第四次科技革命已经到来，正在重塑全球产业结构、重构世界经济格🥳局，后发国家显然首当其冲。 过去几十年来，亚洲国家靠着😴雁阵式的产业梯度转移先后脱颖而出，而驱动全球产业转移的核心要😡素在于成本，尤其是低廉的劳动力成本，或者说“人口红利”。 🔥 然而，人工智能突飞猛进，一旦“机器换人”取得全面突破，发😍展中国家唯一能借重的成本优势将不复存在。返回搜狐，查看更多