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 | 穆胜 文 | 穆胜 “人效”的全称是“人💯力资源效能”，对应的英文是“HR Efficiency”，而😂“Efficiency”，是投产比、效率的意思。这就产生了一👍个非常明显但鲜有人提及的问题——为什么不直译为“人力资源效率😆”，而要翻译为“人力资源效能”？ 我算是国内几个最早研🌟究“人力资源效能”的人，这里，我给出一个解释。 01 🤗主打防守的模式 人效是个投产比，分母是“人力资源投入”🌟，分子是“财务或业务产出”。从数学逻辑上看，要提升人效，显然😜有两种模式： 第一种模式主打防守，主张减少分母，即“降😘低人力资源投入”。 具体做法是，精简机构、压缩编制、裁🤗撤人员。考虑一般的企业里多多少少都有组织冗余，这样的做法显然😉是立竿见影。但问题是，一方面，这种做法不可持续，组织规模不可😅能无限缩小；另一方面，如果没有理解组织的运作机制，盲目压缩组😂织，很有可能导致业务流程和组织氛围被破坏，进而影响产出（分子😜），最终得不偿失。 事实上，大多企业就是在这条错误的道🔥路上“砥砺前行”。2015年左右，我为国内一家年营收千亿的企😍业担任人力资源顾问，当时我就为他们引入了最先进的人效管理理念😴。也就是说，很多现在才流行起来的概念，我在十年前就给他们讲过🌟了。当时现场的反馈很有意思，相当一部分HR认为：“穆老师，您💯这理念很好，但现实中，HR能够控制的只有分母，要提升人效，我❤️们只能动刀砍人、砍组织。” 道理我都讲透了，但他们看到🔥的只是分母，所以，人效管理的理念并没有在这家企业落地生根。不😜能不说，这是一种遗憾，规模如此庞大的企业，但凡找一两个试点，🤯尝试探索人效管理，形成成本端的竞争力和经营者的效能意识，他们🙌现在的江湖地位，就不会如此憋屈了。 02 主打进攻的模😜式 第二种模式是主打进攻，主张增加分子，即“增加财务或🤯业务产出”。 有一部分企业，的确能够只管业绩增长，不管🌟人力投入。甚至他们在人力资源投入上豪掷千金，还会被认为是“有😂格局”“有眼界”“战略性储备”。 说白了，如果业绩保持🤩高速增长，人力资源这点投入，还不是九牛一毛？老板们进而就可以😴上价值——“人才是最宝贵的资源，好的人才决定了企业的未来，找😢人才，不应该看价格。” 眼看着这些企业在人力资源投入上😎的“大手笔”，其他企业的HR就开始泛酸——“看看人家的老板，😢看看人家的企业，看看人家的HR！我们就没打过这么富裕的仗！”😆 其实，这种“全力进攻（分子），不管防守（分母）”逻辑⭐，还是因为企业有业绩增长的势能。老板们大可以把这种势能归结于😉自己在人才上的全力投入，甚至可以举出个别人才改变竞争格局的个🤩例，但说到底，这种势能还是来自于宏观经济和行业的红利，显然是🤯倒果为因嘛。但舆论就是慕强的，当你业绩好了，你说什么别人都会👍认为全是对的。 展开全文 我从来不相信那种豪掷投😍入，然后赌不确定性产出的投资模式，这种模式赌性太大，不靠谱。😡这就好比有的头部投资机构，宣传自己的理念是“投赛道”，也就是😘哪个赛道上出现机会的时候，就投这个赛道上几乎所有的头部项目。😉他们形容为，一把飞镖扔出去，总有一个落在靶盘上。但现实却在打🎉脸，经济红利期过去了，进入寒冬了，他们的这种投资模式就不灵了😍。所以，不要把“蒙对了”说得这么清丽脱俗嘛。 03 防😘守反击的模式 不考虑经济周期，人力资源的投资，也不能是⭐只管防守（分母）的“龟缩”；如果考虑现在是经济寒冬期，人力资🌟源的投资，就不能是只管进攻（分子）的“豪赌”。 进一步😎看，即使现在经济再回归上行期，依赖“豪赌”模式的HR们价值就👍会被认可，就有前途吗？显然也不是呀。他们所谓的专业成功，在老👏板和业务部门眼中，不过是蝇附马尾，企业要不要干掉HR，全凭老🌟板心情。 两种模式本质的问题，都是割裂了进攻（分子）与😡防守（分母）之间的关系。奉行两种模式的企业，都不清楚人力资源😆投入是如何产生业绩的，他们只能“抓一头”。 我主张的人⭐效管理，是防守反击的模式，是把有限的人力资源筹码进行合理配置🌟，最大程度确保企业的确定性增长。直观来说，即使一个企业人力资🤗源总投入不变，我认为，通过优化配置方式，也能明显提升人效。因😀为大多企业的人力资源配置方式，实在有点像是“蒙眼放筹码”“菜👍市场议价定编制”，造成的局部冗员那可不是一点点。把冗员挤出来🎉，放到一些真正需要人力投入的领域里，再辅以若干的人效赋能手段😊（选用育留等），业绩增长自然就来了。 如果考虑我的这种🔥理念，人力资源效能，应该就有两层意思：一是“效”，即效率；二😢是“能”，即产出。这个概念本身就有导向性，它表面是防守反击，❤️其实是一种精实增长的进攻理念，它坚信人力资源投入和业绩产出之⭐间的强联系，认为通过人力资源职能的各种工具能够推动经营。有没😆有发现？这个概念本身就是人力资源专业的革命，野心还挺大的！ 🙌 这样看来，中文博大精深，“人力资源效能”的翻译，实在是😜妙！返回搜狐，查看更多