作者：MD

出品：明亮公司

近日，在红点创投（Redpoint Venture）的播客“Unsupervised Learning”上，红点创投合伙人Jacob Effron与David Luan进行了一次访谈。他们从技术视角出发，探讨了DeepSeek给大模型领域的研究和实践带来的启示，并围绕AI模型当下瓶颈的思考和潜在的突破方向做了分享。

David Luan是OpenAI的早期员工，他从2009年从耶鲁大学毕业，先加入了iRobot从事机器人工作，随后曾在多家公司任职（包括微软），直到2017年加入了仍处于早期的OpenAI，当时研发团队只有35个人。在这次的访谈中他也提到，加入一家人工智能公司的原因是来自于对机器人的兴趣，他认为“机器人最大的限制在于底层算法的智能程度”。

2020年，David Luan离开OpenAI加入了谷歌，不过没待多久，他就和谷歌期间结识的两位同事共同创立饿了Adept，并担任CEO。去年8月，他加入亚马逊担任AGI旧金山实验室的负责人。

以下为「明亮公司」编译的访谈正文（略有删节）：

大模型的局限性与强化学习的价值

Jacob：David Luan是亚马逊 AGI 实验室的负责人。他之前是Adept公司的联合创始人兼CEO，该公司筹集了超过4亿美元用于开发AI Agent。他曾在担任OpenAI的工程副总裁任期内参与了许多关键突破。我是Jacob Effron。

今天在节目中，David和我探讨了许多有趣的话题，包括他对DeepSeek的看法，对未来模型进展的预测，我们讨论了Agent的现状以及如何使它们变得可靠，以及它们何时会无处不在。他还分享了一些关于OpenAI早期的有趣故事，以及那里独特的文化。这是一次非常有趣的对话，因为 David 和我已经认识超过十年了。我认为听众们会很喜欢。David，感谢你来参加我们的播客。

David：感谢邀请我。这将非常有趣，因为我们已经认识超过十年了。

Jacob：我记得你最初加入OpenAI的时候，我觉得这似乎很有趣，但我不确定这是否是一个明智的职业选择。然后很明显，你总是比别人更早地看到机会。

David：我真的很幸运，因为我一直对机器人感兴趣，而（当时）机器人最大的限制在于底层算法的智能程度。所以我开始从事人工智能的工作，看到这些技术在我们有生之年取得进展，这真的很酷。

Jacob：今天我想和你探讨很多话题。我想先从最近的热门话题开始。显然，过去几周对 DeepSeek 的反应很大。人们对此议论纷纷，股票暴跌。有人说这对OpenAI和Anthropic不利。我觉得现在人们的情绪已经从最初的惊慌失措中缓和下来了。但我很好奇，人们在更广泛的讨论中，对这一事件的影响有什么看法是对的，又有什么是错的？#p#分页标题#e#

David：我还记得那天早上，大家都在关注DeepSeek的消息。我醒之后一看手机，有五个未接电话。我心想，到底发生了什么？上次发生这种情况是在SVB（硅谷银行）倒闭的时候，因为所有投资人都在打电话让我把资金从SVB和第一共和银行撤出来。所以我想，肯定发生了什么糟糕的事情。我查看了新闻，发现股票暴跌是因为DeepSeek R1的发布。我立刻意识到，人们对这件事的理解完全错了。DeepSeek做的非常出色，但它是这个更广泛叙事的一部分——即我们首先学会如何让新的大模型变得更智能，然后我们再学会如何让它们变得更高效。

所以这其实是一个转折点。而大家误解的地方在于，仅仅因为你可以在更低的成本下实现更多的智能，并不意味着你会停止对智能的追求。恰恰相反，你会使用更多的智能。所以当市场意识到这一点后，现在我们又恢复了理性。

Jacob：鉴于至少基础模型似乎已经在OpenAI的基础上进行了训练，你可以通过各种方式让基础的DeepSeek模型表现得像ChatGPT。那么，展望未来，鉴于知识蒸馏的原因，OpenAI和Anthropic是否会停止更公开地发布这些模型？

David：我认为会发生的情况是，人们总是想要构建最智能的模型，但有时候这些模型并不总是推理高效的。 所以我认为我们会越来越多地看到，尽管人们可能不会明确讨论这一点，但人们会在内部实验室中训练这些巨大的“教师模型”（teacher models），利用他们能拿到的所有计算资源。然后他们会尝试将其压缩成适合客户使用的高效模型。

目前我看到的最大问题是，我将