国产大模型DeepSeek在国际舞台上大放异彩，同时带火了一位95后AI“天才少女”罗福莉。作为DeepSeek-V2的关键开发者，罗福莉曾参与该模型的研发。据证券时报报道，小米集团创始人雷军亲自出手，欲以千万元级别薪酬邀请其加入。目前，罗福莉仍在考虑中，尚未做出最终决定。

罗福莉高中毕业于四川省宜宾市第一中学，其高中班主任李波透露，罗福莉在校期间表现优异，学习刻苦。DeepSeek由国内量化投资巨头幻方量化孵化，专注于开发先进的大语言模型（LLM）技术。

DeepSeek-V3模型凭借557万美元的训练费用，达到了顶尖模型的效果，尤其在编码、数学等领域表现突出，且产品价格亲民，被网友戏称为大模型界的“拼多多”。国外评测机构Artificial Analysis测试后认为，DeepSeek-V3超越了所有开源模型。

DeepSeek-V3使用2048个H800 GPU，总训练GPU卡时为2788千小时，相比之下，GPT-4 MoE使用8000个H100训练90天，合计约17280千卡时，是DeepSeek-V3的6.2倍。DeepSeek-V3训练提效的原因在于低精度计算、小参数量和高质量数据，其中数据蒸馏技术（Distillation）发挥了关键作用。

然而，蒸馏技术并非完美。有学者指出，虽然能提高模型训练效率，但开发的模型无法超越基础模型能力，且在多模态数据方面效果不佳，可能导致研发人员放弃对基础模型的探索。伦敦大学学院计算机科学家彼得·本特利表示，使用合成数据训练AI可能导致模型崩溃，确保高质量AI的唯一方法是提供人类的高质量内容。

蒸馏技术并非新技术，诺奖得主辛顿于2015年已提出。DeepSeek-V3利用蒸馏技术，结合监督微调（SFT）和强化学习（RL）训练的专家模型，生成高质量数据，提升训练效率和模型适应能力。南洋理工大学研究人员王汉卿表示，蒸馏技术旨在将复杂模型的知识提炼到简单模型，通过已有的高质量模型合成少量高质量数据，作为新模型的训练数据。

尽管如此，蒸馏技术存在天花板效应，被训练的模型（即“学生模型”）无法真正超越“教师模型”。上海交通大学副教授刘鹏飞指出，蒸馏技术虽带来直接且可见的好处，但掩盖了深刻挑战，可能改变研究文化，导致研究者更倾向于捷径而非根本性解决方案。

关于DeepSeek-V3是否使用ChatGPT输出内容进行训练，幻方相关人士未给出明确答复，仅表示问题复杂，难以短时间理解。南洋理工大学研究人员王汉卿认为，可能存在数据来源包含ChatGPT输出内容、使用GPT模型做蒸馏或在强化学习流程中出现错误等情况。

本特利强调，确保高质量AI的唯一方法是提供人类的高质量内容，避免AI与现实失去联系，继续输出质量差、相似的内容。