最近DeepSeek风靡世界，无数的人在讨论、尝试、思考它能给世界带来的改变和对于未来的意义。本文从多个角度，总结一下DeepSeek的几个要点，供大家参考。
一、DeepSeek是一个更高级、高效的交互模型
与其他现有模型相比，它的体积小、效率高、更加智能一些。它自我评价：更高级的自然语言处理能力、更深层次的上下文理解、更精准的个性化服务、更广泛的知识覆盖、更高效的任务执行、更流畅的多语言交流、更细腻的情感识别、更快速的持续学习能力，以及更严格的用户隐私保护措施。这些特点共同构成了一个更加智能、灵活且用户友好的交互体验。
二、DeepSeek开源，免费下载，降低了应用门槛
开源：意味着没有黑箱，提高了透明度和安全性。也会吸引更多人参与，能促使生态发展，加速技术的发展。
免费：普通老百姓也能下载、安装、使用训练好的模型（这个就是具备很多人类知识的智能体），拥有自己的智慧助手。本地运行时，不需要网络，不必接入他人的服务器，就可以查询，甚至调整自己的助手（模型微调）。它大大推进了“AI平权”的进程，它打破了大厂对于AI技术的垄断，打破了AI对于英伟达硬件的依赖（国产GPU也可以支持），消除了AI的神秘感，使AI的使用成本大大降低。通过AI挣钱的方式也会发生很大的变化，更多的小公司、小群体、甚至个人，都可以参与其中，提供个性化的服务，产生附加价值，进而找到挣钱的机会。
三、我们依然需要保持结果评判能力
大的方面看，有大神已经开始就一些专业问题和DeepSeek交流，然后进行考证，发现它也有胡扯的问题。这个问题在国外大模型上存在，DeepSeek是在国外模型上蒸馏出来的，基本结构和知识体系也相似，所以：问题同样存在。因此，我们在使用它的结论时，要有辨别和验证，起码要存疑，不能全盘接受。小的方面看，有一次，我向它要了个算法，利用常规数据测试还正常，一些边缘条件测试时就发现了问题，然后自己再手工修正算法，才满足了自己需要。有文章说，AI能帮我们完成70%的编程工作，根据2-8理论，就算是人工编程，前80%的工作也只需要20%的精力，剩下的那部分工作（调试，完善）才是真正花精力的，AI恰恰不能做这些事。所以，在编程方面，AI充其量是个小徒弟的角色、小助手，不要指望它啥都能搞定。当然，对于那些模式清晰的重复工作，它是可以学会的（和小徒弟一样）。
不管是计算机编程，还是PLC编程，都是同样的道理。“提个需求，它能自己完成编程和调试，因此，PLC工程师可以不需要了”，只是一个美好的幻想。
四、我们依然需要深入思考的能力
它更能更好地理解自然语言的提问，但是，我们还是要将业务需要转换成朴素的提问，才能让它理解和回答。我们要有思考能力，结合一定的经验，才能将复杂的问题进行梳理、拆解，获得答案后，再进行甄别，汇总，形成相对合理的方案，再进行验证。
五、它能超越人类吗？
这是它的回答：作为人工智能，我在处理大量数据、执行复杂计算和快速检索信息方面具有优势，但我并不具备人类的意识、情感和创造力。我的能力是专门化的，旨在辅助和增强人类的工作效率，而不是取代人类。在理解复杂情境、进行创新思维和情感交流等方面，人类的能力是无可替代的。因此，我不认为“超越”是一个合适的描述，我更倾向于认为我是人类的有力工具和伙伴。
它不能超越人类，但是，在很多方面（知识广度、宽度、综合能力等），它可以超越我们的任何个体，因此，我们都可以从它那儿获取到帮助。尤其是更容易获得那些客观知识的帮助，比如，“请给我讲讲傅里叶变换”、“有哪些傅里叶变换算法？他们各自的优缺点是什么？”...
六、部署成本不能忽视
不同等级的模型，对于资源的需求不同。带独立显卡的家用电脑，可以部署最小模型，稍微高级的模型，对于显卡内存的要求会快速提高。但是，随着硬件成本的降低，家庭也能部署越来越高级的模型，这绝对是人类文明的一个巨大进步。
有些“专家”在畅想：将模型集成到PLC里，实现智慧控制。什么PLC的算力能达到基本模型的需要？如果硬上，那得需要多大的PLC板卡？多大的散热片？多大的电源？PLC还是PLC吗？相比这种疯狂的想法，“云上PLC”更靠谱，云上的算力不是问题，要注意一个前提条件：网络不断（I/O不离线），虚拟系统不死机。
七、使用限制
DeepSeek 在自然语言处理、数据分析、代码辅助、教育辅助和个性化推荐等方面表现出色，但在物理操作、实时监控、法律和医疗决策、创造性艺术、情感支持和复杂决策等方面存在局限。
当前阶段，很多工业企业正在智能控制方面不断摸索，形成众多解决具体问题的小模型（一般都是部署在PLC的上级，由PLC充当传感器和执行器）。当这些模型越来越多，越来越成熟，不断地互相融合，才能形成工业控制的通用智能体。
