最近DeepSeek可說是AI界的超級新星，它不只在多項測試中展現出媲美ChatGPT的實力，更重要的是，它選擇了「開源」的路線。這個決定在國際上掀起了不小的波瀾：OpenAI的執行長Sam Altman稱讚它「令人印象深刻」，但沒多久OpenAI就指控DeepSeek「未經許可蒸餾其技術」；外國網友熱情稱讚DeepSeek的開放態度，甚至把OpenAI改稱為「CloseAI」，但同時也有專家質疑：DeepSeek這樣，到底算不算「真正的開源」？

這個問題看似簡單，背後卻藏著AI領域一個有趣的爭議：究竟什麼才算是「真正的開源」？

讓我用個簡單的比喻來說明：如果把AI模型比喻成一道米其林等級的料理，那麼：

  • OpenAI（像ChatGPT）就像是「只能點餐吃成品，看不到廚房」的餐廳
  • DeepSeek則像是「公開食譜和烹飪手法，但食材來源和部分獨門技巧沒說」的主廚

這個爭議之所以重要，是因為它可能影響到整個AI產業的發展方向。DeepSeek宣稱只花了約558萬美元（大概台幣1.8億），就做出可以和國際大廠拼過的AI模型，而且願意開放分享。這個成本，比起動輒上百億美元的國際大廠來說，簡直是「佛心來的」。

但同時，也有專家指出：DeepSeek雖然開放了模型的核心設定，但並沒有公開完整的訓練資料和程式碼，這樣算不算是真正的開源呢？

讓我們從三個角度，來看看這個有趣的問題…

一、技術層面：開放的程式「權重」到底有什麼用？

首先，我們要理解什麼是「權重」（weights）。想像一下，如果AI是一個超級厲害的料理機，那「權重」就像是這台料理機內部的各種設定值，決定了它要用多大的力氣打蛋、要用多快的速度攪拌等等。DeepSeek開放這些設定值有什麼好處呢？

1. 效能優化超有感

就像是把料理機的說明書完整公開，讓大家知道怎麼調整才能做出最好吃的料理。DeepSeek開放了一些厲害的技術：

  • FP8混合精度訓練：這個技術有點像是把食譜從「精確到0.1克」簡化成「一小撮、兩小撮」，但又不會影響最後的味道。這樣不只省記憶體，跑起來還更快。
  • MoE架構：可以想像成一個超級團隊，有不同專長的「專家」可以互相支援。這些專家不會同時工作（那樣太浪費了），而是根據需要來分工合作。

2. 模型改造變簡單

開放權重最酷的是，其他開發者可以直接拿來做改良。就像是分享食譜，大家可以在原始配方的基礎上加入自己的創意。已經有好幾個大學的研究團隊成功「複製」並改良了這個模型，證明這個「食譜」確實可行！

二、那到底什麼才算「真正的開源」？

1. 現在的開源共識

在AI界，「開源」的定義其實滿有趣的。大家普遍認為，只要開放模型的「權重」，加上說明書（技術文件），就算是開源了。就像分享食譜時，你會分享配方和步驟，但不一定要把自家廚房用的所有食材都送給別人。

2. 爭議點在哪？

DeepSeek公開了：

  • ✓ 程式的核心設定（權重）
  • ✓ 詳細的技術說明
  • ✗ 完整的訓練資料
  • ✗ 全部的程式碼

有人說這樣不夠開源，就像只給食譜，不告訴你食材從哪裡買最好。但其實現在很多知名的開源AI模型，像是LLaMA、Mistral，也都是這樣的做法。

三、實際影響：開源帶來什麼改變？

1. 門檻變低了

以前要玩AI，需要像土豪一樣投資一堆昂貴的設備。現在有了開源模型，連小公司都可以直接拿來用，就像有了食譜，不用自己從種菜開始。 

2. 更透明更安全

開源讓大家可以「驗證」模型是否真的如宣稱的那麼厲害，避免「買到假貨」的風險。現在有專門的平台（如Hugging Face）在做這件事，就像是美食評鑑組織。

小結：該怎麼看待這個爭議？

其實與其爭論「到底夠不夠開源」，不如看看DeepSeek已經帶來的改變：只花了約558萬美元（大概台幣1.8億），就做出可以和國際大廠拼過的AI模型，還願意開源分享，讓更多人受惠。雖然DeepSeek沒有把所有東西都公開，但它的分享已經大幅降低了AI開發的門檻，這樣的貢獻是不容忽視的。

最後，開源或許不需要是非黑白，重點是這樣的分享文化能為產業帶來正面影響。就像一個好食譜，重要的不是是否公開每個細節，而是能不能幫助更多人做出好料理！