中国开源 AI 生态的架构选择：从 DeepSeek 走向何方
继 2025 年 1 月「DeepSeek 时刻」后，中国开源社区在架构与硬件上集体转向 MoE，Kimi K2、MiniMax M2、Qwen3 等均采用该架构。
#现象/趋势
#现象/趋势
今日 24 条Hugging Face BlogAI 评分3939
Hugging Face BlogAI 评分4040 Hugging Face 回顾"DeepSeek 时刻"一周年：中国开源 AI 生态崛起
DeepSeek 发布 R-1 模型一年后，其开源权重成为 Hugging Face 史上获赞最多的模型。R1 以 MIT 许可开放推理路径与后训练方法，降低了技术、采用与心理三重门槛。百度 2024 年在 Hugging Face 零发布，2025 年增至 100 余个，字节跳动与腾讯发布量增长八到九倍。
Ahead of AI · Sebastian RaschkaAI 评分4848 LLM 的 2025：进展、问题与预测
2025 年 LLM 发展由推理模型主导，DeepSeek 在 1 月发布 R1 论文，用强化学习配合可验证奖励（RLVR）与 GRPO 算法训练出推理行为，并以开放权重达到当时最佳专有模型水平。R1 在 DeepSeek V3 之上再训练约花费 29.4 万美元，V3 的 671B 参数模型训练成本估计接近 500 万美元而非 5 亿。此后各家开放权重与专有模型纷纷跟进推出推理版本。
Google DeepMindAI 评分3030 Google 2025 年度回顾：Gemini 3 等 8 大研究突破领域
Google DeepMind 与 Google Research 的 2025 年度回顾显示，其在推理、多模态、模型效率与生成能力上取得突破，3 月发布 Gemini 2.5，11 月推出 Gemini 3、12 月推出 Gemini 3 Flash。
Google DeepMindAI 评分3333 AlphaFold 五周年：从蛋白质结构预测到全球科研基础设施
AlphaFold 2 在 2020 年 CASP 14 上仅凭氨基酸序列高精度预测蛋白质结构，解决了困扰生物学界 50 年的难题，并于 2024 年获诺贝尔化学奖。
Hugging Face BlogAI 评分3838 Hugging Face 解析全球算力格局变迁：中国芯片开始承载国产开源模型
Hugging Face 发文分析全球 AI 算力格局的迁移：中国国产芯片已开始承载 Qwen、DeepSeek、GLM、Kimi 等开源权重模型的推理，部分模型开始用国产芯片训练。文章指出，美国出口管制与华为 Ascend、寒武纪等国产芯片产能的加速高度相关，芯片受限也倒逼出 MLA、GRPO 等算力效率创新。
Hugging Face Blog精选AI 评分6464 Open-R1 项目更新：复现 DeepSeek-R1 评测、训练管线与合成数据
Hugging Face 的 Open-R1 项目启动一周后发布首份更新，称已能复现 DeepSeek 在 MATH-500 上报告的评测分数，并公开了评测排行榜。
推荐理由：Open-R1 团队复现 DeepSeek-R1 评测并公开数据生成与 GRPO 训练的工程细节，可供复现者参考。
Hugging Face BlogAI 评分1515 Hugging Face 发布首期 AI 艺术工具通讯，回顾 2024 并预告 2025
Hugging Face 推出首期 AI 艺术工具通讯《The AI tools for Art Newsletter》，回顾 2024 年创意 AI 的关键进展，并预告 2025 年新动向及将启动月度汇总。
The GradientAI 评分2929 形状、对称性与结构：数学在机器学习研究中角色的转变
机器学习过去十年的进展表明，精心设计的数学化架构只带来边际提升，而算力驱动、工程优先的规模化路线却催生了现有理论无法预测的新能力。文章认为数学的角色正在演变：从提供性能理论保证，转向像物理学那样对训练与性能中的经验现象做事后解释，并更多用于架构与任务结构、数据对称性的高层匹配。规模化还让拓扑、代数、几何等"纯"数学领域加入机器学习，以应对深度学习的复杂性问题。
Hugging Face BlogAI 评分3434 Hugging Face 博客：中国 AI 出海全球扩张简析
2024 年中国 AI 公司加速出海，全球 1500 家活跃 AI 公司中有 751 家位于中国，其中 103 家已拓展海外市场。华为、腾讯、阿里聚焦云计算与 AI 基础设施，主攻东南亚和中东；字节跳动七个月内推出 11 款海外应用，CapCut 月活超 3 亿。
The GradientAI 评分2626 LLM 聊天机器人缺了什么：有目的的对话
The Gradient 文章指出，MMLU、HumanEval、MATH 等基准日趋饱和，但以非交互方式衡量的分数未必转化为用户体验。作者主张用"有目的的对话"重构人机交互，即以目标或意图为中心的多轮交流，并认为这对 SWE-bench 式的代码生成同样必要。
The GradientAI 评分2929 我们亟需以人类福祉为根基的 AI 积极愿景
The Gradient 刊文主张，应以个人福祉与社会健康为根基来定义"有益 AI"，并呼吁构建关于能力强大 AI 的、可行且技术可信的积极社会愿景。作者提出三点结论：无法确定唯一定义人类福祉但存在支持性关系、有意义工作等具体共识因素；AI 将像社交媒体一样冲击社会基础设施；基础模型的未来部署是关键，可探索新算法、基于福祉的模型评估与训练数据。
Hugging Face BlogAI 评分2424 Hugging Face 通讯：为什么数据质量决定 AI 成败
Hugging Face 发文探讨数据质量为何是 AI 开发的关键，提出高质量数据应具备相关性、完整性、时效性与偏见缓解等特征。文章以 Reddit 与 Google 的 RAG 搜索合作失准（如推荐"给披萨加胶水"）为例，说明低质数据会拖累模型表现。作者主张将数据质量贯穿 AI 全生命周期，通过去重、内容过滤与人工反馈等策管流程提升模型稳健性、效率与公平性。
The GradientAI 评分2121 LLM 在金融市场的应用：从价格预测到多模态信号
大语言模型的下一 token 预测能力能否迁移到价格与交易序列预测，成为量化交易的新方向。Hudson River Trading 在 2023 年 NeurIPS 上估算，3000 只可交易股票、每日 10 个数据点、每年 252 个交易日可产生 1770 亿市场数据 token，与 GPT-3 的 5000 亿训练 token 量级相近。
The GradientAI 评分2727 AI 中的性别偏见研究综述：从词嵌入到人脸识别的量化与缓解
AI 模型会反映甚至放大现实世界的性别偏见。研究显示，词嵌入中存在"男人是程序员、女人是家庭主妇"等性别刻板类比，2016 年 Bolukbasi 等人提出基于性别中性词的去偏方法；2018 年 Gender Shades 发现三款商用性别分类器对深肤色女性错误率最高达 34.7%，而浅肤色男性仅 0.8%，Microsoft 和 IBM 随后修正了训练数据偏差。
The GradientAI 评分3636 Car-GPT：LLM 能否最终让自动驾驶汽车成为现实？
文章探讨 LLM 能否成为自动驾驶的"意外答案"，类比 1928 年青霉素的偶然发现。文中先回顾 2010 年代模块化自动驾驶方案（感知、定位、规划、控制四模块），再到端到端学习，并解释 tokenization、Transformer 与 next-word prediction 等 LLM 基础，最后讨论把图像和 LiDAR 点云等传感器数据接入模型的方法。
Hugging Face BlogAI 评分4242 Hugging Face 回顾 2023：开源大语言模型的爆发之年
Hugging Face 发布 2023 年开源 LLM 回顾，指出公众对开源与闭源之争的关注度大幅上升，开源模型有利于研究可复现、社区参与和 checkpoint 复用。文章梳理了预训练大语言模型的构成要素（架构、训练数据集、tokenizer、超参数），并回顾 2022 年的代表性开源模型，包括 176B 参数、覆盖 46 种人类语言的 BLOOM 和 Meta 的 175B 参数 OPT。
The GradientAI 评分2424 Salmon in the Loop：水电大坝的鱼类计数与人类参与式数据集生产
作者以顾问身份参与大型水电大坝的鱼类计数项目，这类计数是满足 FERC 监管要求、证明大坝未危害濒危鲑鱼种群的核心数据集。计数依赖受过训练的人员目视识别鱼种、健康状况及野生或孵化场来源，但存在转录错误、分类争议，且各运营方在采集频率（小时/日/月）和季节（特定洄游期）上标准不一。
The GradientAI 评分2323 The Gradient 长文：对齐研究不过是"造一个有人买单的产品"？
The Gradient 刊文《The Artificiality of Alignment》指出，当前所谓"对齐"研究更像在解决"造一个有人愿意付费的产品"这一老问题，而非人类灭绝级别的宏大挑战。文章批评公众讨论把猜测性未来风险与当下真实危害混为一谈，并称 OpenAI 将构建超级智能列为主要目标之一，而收入生成始终是其治理、产品与技术决策的底层目标。
Hugging Face BlogAI 评分2222 Hugging Face 伦理与社会通讯第4期：文本到图像模型中的偏见
文本到图像（TTI）生成模型正大量上传至 Hugging Face Hub，其偏见来源多样。Hugging Face 梳理了训练数据（如 LAION-5B、MS-COCO、VQA v2.0）、预训练数据过滤、推理（CLIP 的年龄、性别、种族偏见）、模型潜在空间及事后过滤等偏见来源，并列举了 Stable Bias 等检测工具与红队评估方法。
Hugging Face BlogAI 评分2727 HF Mirror 计算机视觉现状：8 大任务、3000+ 模型与 100+ 数据集
HF Mirror 回顾其计算机视觉生态：已支持图像分类、图像分割、零样本目标检测、视频分类、深度估计等 8 个核心视觉任务，Hub 上相关模型超过 3000 个、数据集超过 100 个，且每个任务至少有 10 个模型 checkpoint 可供使用。
Hugging Face BlogAI 评分3434 Hugging Face 谈机器学习中的偏见：伦理与社会通讯第 2 期
Hugging Face 伦理与社会团队发布通讯第 2 期，讨论机器学习偏见的成因与应对。文章指出偏见是复杂的社会技术问题，单靠技术干预难以解决，需要在整个 ML 开发流程中保持警惕。团队还整理了数据集与模型等工具，供社区在开发各阶段分析并缓解偏见。
Hugging Face BlogAI 评分1010 Hugging Face 机器学习总监洞察第四期：电商与工程领域的 ML 实践
Hugging Face 发布《Director of Machine Learning Insights》第四期，邀请 Javier Mansilla、Shaun Gittens、Samuel Franklin 和 Evan Castle 四位机器学习总监谈 ML 对各自行业的影响。
Hugging Face BlogAI 评分1717 Hugging Face 对话金融业 ML 负责人：信任、遗留系统与落地误区
Hugging Face 发布《Director of Machine Learning Insights》第 3 期金融版，汇集来自 U.S. Bank、加拿大皇家银行（RBC）、Moody's Analytics 及前 Bloomberg AI 研究科学家的金融 ML 负责人观点。
Hugging Face BlogAI 评分1616 Hugging Face 多模态团队发布伦理章程，将伦理原则置于研究生命周期核心
Hugging Face 多模态学习团队发布了一份项目伦理章程，将伦理原则正式纳入机器学习研究生命周期的起点，并明确了内容政策与项目价值观。章程列出了需要防范的用例，包括生成虚假信息、生成个人可识别信息以及在医疗、法律、金融、移民等高风险领域的不谨慎使用。团队同时提出透明、开放可复现、公平、自我批判和尊重他人工作等价值观，并指出这些价值观之间有时会相互冲突，需逐案权衡风险与收益。
Hugging Face BlogAI 评分1010 Hugging Face 对话 Salesforce、Amplitude 等 SaaS 公司 ML 总监：机器学习洞察系列第二期
Hugging Face 博客发布 Director of Machine Learning Insights 系列第二期 SaaS 特辑，邀请 Salesforce 的 Omar Rahman、Amplitude 的曹晓丹（Danica Xiao）等多位机器学习总监分享观点。
Hugging Face BlogAI 评分2727 大语言模型：一条新的摩尔定律？
微软与 NVIDIA 发布 Megatron-Turing NLG 530B，被称为全球最大最强的生成式语言模型，训练需数百台 DGX A100 服务器、成本近 1 亿美元。作者质疑这类超大模型的价值，认为基准提升有限却带来高昂成本、复杂度与碳足迹，并建议改用预训练模型、更小模型（如 DistilBERT 保留 97% 语言理解、体积小 40%、速度快 60%）和微调来落地机器学习。
Hugging Face BlogAI 评分1717 机器学习即代码的时代已经到来
Hugging Face 发文称，机器学习正走向「软件吞噬机器学习」：DevOps 的版本管理、测试、自动化与部署实践应被数据科学团队直接采纳，MLOps 让模型更快进入生产环境。