它只用557.6万美元训出来的模型，性能直接对标砸了7800万美元的GPT‑4，成本足足差了近20倍。到底凭什么？
英文词越造越多，AI 的钱越烧越快先搞懂钱到底花在哪了。大模型的核心工作，说白了就是摸透词语之间的关联逻辑。每多学一个新词，就要梳理它和所有旧词的搭配关系。词汇量越大，需要运算的关联数据就越多，算力成本自然水涨船高。
英语最大的问题，就是只会不停造新词。只要出现新概念，就直接造一个全新单词。
《牛津英语词典》第二版收录词条超60万个，还在逐年增加。医学、法律、物理等各个领域，都有数万个专属专业词汇，互相不通用，极其繁琐。
但中文的逻辑完全不一样。普通人掌握3500个常用汉字，就能看懂报纸、读懂论文、吃透专业书籍。遇到新概念，不用造新字，用现有汉字组合就行。尘、肺、病组合，人人都懂；肺、结、核搭配，含义一目了然。
对AI来说，吃透3500个汉字，就能靠组合逻辑理解绝大多数新概念。反观英文，60万个独立单词只能逐个死记硬背，学习成本天差地别。
成本差距一目了然。斯坦福大学《2024 年人工智能指数报告》清晰展示了AI成本上涨曲线：2017年，初代Transformer模型训练仅需900美元；2019年，RoBERTa模型涨到16万美元；2023年，GPT‑4直接飙升至7800万美元。词汇量持续暴涨，让AI训练成本呈指数级翻倍。
很多人都误以为，AI比拼的就是芯片数量和算力强弱。但DeepSeek用实打实的成绩证明：同样的硬件配置，用中文逻辑训练的AI模型，效率直接领先对手一个量级。这根本不是算力的比拼，而是语言底层结构的完胜。
被骂了半个世纪的 “劣势”，翻身了这里给大家科普一个冷门知识：信息熵。这是香农1948年提出的概念，通俗讲，就是衡量一段文字包含信息量多少的标准。
1999 年 7 月 21 日，《光明日报》曾刊发一篇文章，直言《汉语的 “信息熵” 劣势》。语言学家冯志伟耗费数年手工统计测算，得出汉字静态信息熵为9.65比特。对比一下就懂：法语3.98比特、西班牙语4.01比特、英语4.03比特、俄语4.35比特，中文信息量直接是它们的两倍多。
放在几十年前，这绝对是短板。早年计算机内存只有几兆、网速只有几K，中文单字信息量大的优势，反倒成了传输和存储的累赘。当时还有不少人提议，汉字太笨重，干脆改成拼音文字算了。
但时代变了，技术发展彻底颠覆了这个结论。大模型的核心工作，就是压缩信息、重构信息。文字信息密度越高，压缩效率就越高，耗费的算力和成本就越低。当年被诟病的高信息熵，如今成了中文AI最核心的王牌优势。
2025年12月，微软发布的论文给出了硬核实锤。研究团队用DeepSeek R1、通义千问等国产开源模型测试发现：用中文等非英语语言推理，AI的token消耗能降低20%至40%，准确率丝毫不受影响。即便把推理内容翻译成英文，这份成本优势依然存在。甚至有网友实测，用英文提问DeepSeek，模型全程会用中文逻辑思考运算。
落到商业层面，差距更直观。2026年3月央视网就曾算账：国产大模型凭借更少的token消耗完成同等任务，把推理成本压到了极致。行业机构对比显示，国产模型的token定价，仅为美国同行的十分之一。
2026年5月，DeepSeek更是官宣API永久降价75%。对海外开发者来说，用中国AI干活，成本直接降到海外模型的零头。
这个被误解了半个世纪的语言特性，终于在AI时代，彻底发挥出了自己的核心价值。
五十年闯几关，汉字才进了计算机中文在AI领域的碾压级优势，从来不是凭空而来，是几代国人咬牙拼出来的。
1974年8月，国家重磅立项“748工程”，也就是汉字信息处理系统工程。那个年代，报纸全靠铅字排版，工人要在几十万铅字里手动找字，效率极低。而彼时的美国，苹果已经准备将电脑普及进千家万户。
头一道难关，是汉字字形数字化。北大的王选接下了这个超级难题。早年汉字字形数据量极大，动辄几兆，可当时计算机整机内存也就几兆。
王选苦心钻研，用参数适配规则笔画、轮廓适配复杂笔画的方法，把海量汉字字形数据极致压缩，成功适配老旧计算机。1979年，国内第一张计算机激光照排中文报纸成功问世。
下一道难关，是汉字键盘输入。电脑能排版汉字了，但通用英文键盘根本打不出中文。河南南阳的王永民，靠着科委拨付的3000元经费，埋头攻坚整整五年。
1983年8月，五笔字型26键方案研发成功，让普通键盘顺利打出标准汉字。后续北大朱守涛教授在1990年推出智能ABC输入法，跟着Windows系统走进了亿万家庭。
这几十年的突破，有一个共同点：每一次都有人唱衰，断言中文不适合信息化，甚至提议彻底废除汉字、改用拼音。但每一次，国内科研者都用技术突破打脸质疑。从来不是中文跟不上时代，是过去的技术，承载不了中文的强大潜力。
2025年10月，DeepSeek‑OCR再迎技术突破：能把整页文字压缩成视觉token，在10倍超高压缩比的前提下，识别精度依旧保持97%。从让汉字适配计算机，到让AI学会中文思维，这条路，我们踏踏实实走了51年。
AI 的答案，写在汉字里2025年1月27日，DeepSeek直接登顶英美苹果应用商店榜单，稳稳超越ChatGPT，彻底震动硅谷。
硅谷大佬马克·安德森直言：这是AI行业的“斯普特尼克时刻”。美国参议院领袖舒默公开承认，DeepSeek的崛起，让中国AI追上美国成为既定事实。特朗普也表态，所有美国科技企业，都该敲响警钟了。
这场行业震荡也还在持续。2026年4月24日，DeepSeek‑V4版本发布，百万级超长上下文且全程开源。8月13日，V4‑Pro专业版上线，模型能力再攀新高。
海外开发者用真金白银投票：据2026年8月数字中国建设峰会报道，大量海外团队全面切换国产大模型，大幅缩减研发开支，很多搁置已久的项目重新启动。
这场变革的核心，从不是单一模型的强弱，而是验证了一个全新可能：AI发展，未必非要固守英语思维，未必非要砸数亿成本，未必非要堆砌海量芯片。AI的技术赛道从来不止一条，只是过去西方国家垄断行业，没人愿意相信而已。
过去有人说汉字进不了电脑，王选不信。有人说键盘打不出中文，王永民不信。有人说中文高信息熵是累赘，DeepSeek不信。历史反复印证：不是中文配不上科技，是科技终于发展到能释放中文潜力的阶段。
如今，这个时代已然到来。硅谷终于幡然醒悟，我们深耕半个世纪的中文信息化赛道，早已遥遥领先。
最后不妨问问：当全球AI都在悄悄学习中文，英语在AI领域的护城河，还能守住多久？#上头条 聊热点##发优质内容享分成#
参考资料：《汉语的 “信息熵” 劣势》，光明日报，1999 年 7 月 21 日《DeepSeek‑V3 Technical Report》，arXiv，2024 年 12 月 30 日《DeepSeek 登上 Nature 封面》，澎湃新闻，2025 年 9 月 18 日《老外傻眼！明用英文提问，DeepSeek 依然坚持中文思考》，36 氪，2025 年 12 月 3 日
评论列表