DeepSeek V4，终于要来了。
过去 48 小时，关于 DeepSeek 新模型的爆料集中爆发。
从模型泄露，到路透社独家，再到华为抢先拿下适配权限。
相当精彩。
2 月 25 日，路透社发表了一篇独家报道。
两位知情人士透露，DeepSeek 即将发布的旗舰模型V4，已提前数周向华为等国内芯片厂商开放了测试权限，用于优化处理器软件，确保模型在国产硬件上高效运行。
划重点，英伟达和 AMD 没有拿到权限。
这打破了 AI 领域一个长期惯例。以往 AI 公司在发布重大模型之前，都会把预发布版本交给英伟达做软件适配和性能优化。DeepSeek 之前也和英伟达有密切合作。
这次，选了华为。
英伟达和 AMD 拒绝置评，DeepSeek 和华为官方也没有回应。
Creative Strategies 的 CEO Ben Bajarin 对路透社表示，新的 AI 编程工具正在把软件适配的时间从「几个月压缩到几周」，意思是英伟达即使晚拿到模型影响也有限。
但这件事本身比实际影响更重要。
DeepSeek 优先适配国产算力，战略意义远大于技术层面。
其实早在路透社之前，DeepSeek 新模型V4 Lite的爆料就已经在 AI 社区传开了。
一位叫 Legit 的开发者率先曝出，「V4 Lite正在积极测试中，至少有一家算力服务商已经拿到访问权限，签了严格的保密协议。」
「模型代号sealion-lite，上下文窗口 100 万 tokens，原生支持多模态推理，效果远好于目前 Web 和 App 端的模型。」
帖子迅速拿下 20 万阅读。
随后，一位叫 Fandu 的网友晒出了疑似V4 Lite生成的 SVG 示例，迅速被疯狂转发。
其中一组对比强烈。
用同一个提示词画 Xbox 手柄，V4 Lite在非思考模式下生成的 SVG 细节丰富，多个按键和转轴都清晰画了出来。而V3.2在思考模式下画的手柄，过于简单。
V4 Lite不开思考就比V3.2开了思考还强。甚至有报道称在 SVG 代码上，V4 Lite已经超过了Claude Opus 4.6和Gemini 3.1。
目前还不知道这些爆料的真实性。
但从多个信息源来看，DeepSeek V4可能是一个万亿参数级别的基础模型。由于参数规模的指数级增长，训练周期被拉长，这也是V4没能赶上春节发布的原因。
同时有消息称V4将在一周内发布，API 定价可能在每百万 token 0.27 美元左右，大约是其他顶级模型的四十分之一。
V4大概率集成了 DeepSeek 过去半年公开发表的三项关键研究，mHC 流形约束超连接、Engram 条件记忆、DSA 稀疏注意力。这三篇我们之前都聊过，分别解决训练稳定性、推理效率和长上下文成本的问题。
「AI 界的拼多多」，DeepSeek 的这个标签算是坐稳了。
V4泄露的同一周，AI 圈其他人也没闲着。
2 月 23 日，Anthropic 发帖公开指控 DeepSeek、月之暗面和 MiniMax 对 Claude 模型进行了大规模「蒸馏攻击」。称这三家公司通过大约 24000 个账户，与 Claude 产生了超过 1600 万次交互，提取 Claude 的能力来训练自家模型。
此前 OpenAI 也提交了公开信，做了类似的指控。
这些指控集中在V4发布前密集爆发。Reddit 上有网友一针见血地总结，「这是一场舆论战，目的是在V4正式亮相前先把水搅浑。」
然后，看热闹不嫌事大的马斯克下场了。
Anthropic 博客发出后，马斯克迅速在 X 上直接回怼：「Anthropic 自己就在大规模窃取训练数据，并且已经为此支付了数十亿美元的和解金。这是事实。」
他说的是 Anthropic 曾因用盗版书籍训练 Claude 而支付 15 亿美元版权和解。「你自己训练模型用的互联网数据也没经过别人同意，现在反过来指责别人蒸馏你。」
不只这些瓜。
有用户发现清除系统提示词后用中文问Claude Sonnet 4.6「你是谁」，Claude 回答说自己是 DeepSeek。
Anthropic 指控别人蒸馏 Claude，Claude 自己却说自己是 DeepSeek。太魔幻了。
上一次DeepSeek-R1发布，英伟达市值一天蒸发了 6000 亿美元。
这次V4还没正式亮相，但战争已经提前开始了。
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
