DeepSeek 平地一聲雷，掀起全球關注AI 科技的發展模式。香港理工大學（理大）高等研究院舉辦「DeepSeek 及更遠的未來」論壇，吸引逾千名師生、創科領袖與學界專家參與，線上觀看人數超過 39 萬。論壇探討人工智能（AI）的最新發展，並由理大計算機及數學科學學院副院長（環球事務）、電子計算學系楊紅霞教授主講，分析 AI 開放性、芯片技術差距及產業未來。
中國芯片技術仍存代差 冀學術突破推產業發展
談及中國芯片產業，楊紅霞教授表示，內地企業在芯片設計與生產方面已取得顯著進步，但仍與國際巨頭存在 1-2 代技術差距。目前，全球 AI 訓練型 GPU 市場幾乎由英偉達（NVIDIA）壟斷，其 H100 GPU 已成為大模型訓練主流，而最新 Blackwell 架構（B100）進一步提升了計算效能與能效比。
她提到，華為昇騰 910B 等 AI 芯片雖有所突破，但在軟硬體生態、低比特率計算精度（FP4、FP8）與能效優化等關鍵領域，仍與英偉達存在差距。她表示：「科學領域足夠成熟後，那自然而然工業應用就能順利落地，對不對？」
她建議，政府加大投資芯片設計、算力基礎建設與科研創新，推動香港在 AI 產業鏈中的戰略角色，並助力中國在芯片技術的自主發展。
DeepSeek 的突圍有其獨特性
現場提問：「中國未來是否還會出現另一個 DeepSeek 呢？」，楊紅霞教授坦言，DeepSeek 的成功難以輕易複製。
她分析：「DeepSeek 帶來顛覆式影響，它是有天然優勢的。首先，它的老闆很有錢，可以很純粹地做技術，這是一件特別重要的事。」
她以 OpenAI 為例，回顧 GPT-1 和 GPT-2 時期曾遭受質疑，但創始團隊能「耐得住」，最終憑藉技術突破實現成功。然而，對大多數創業公司而言，若需同時兼顧商業化與技術研發，往往難以維持這種專注力。「如果一個 startup 今天要為營收負責，或者在大廠內部發展，可能就會面臨一定的挑戰。」
儘管 DeepSeek 的成功難以複製，楊教授仍期待未來有更多企業帶來 AI 技術的突破，「能出一個 DeepSeek 就已經很難得，但我們仍希望未來會有更多這樣的企業。」
開源真相：此前大模型全是「偽開源」
楊教授特別探討了當前人工智能大模型的「偽開源」問題，並指出：「今天所謂的大模型開源，其實在 DeepSeek 之前，全部都是偽開源。」她解釋許多標榜「開源」的大模型，實際上仍存在諸多限制，例如使用者僅能微調（Fine-tuning）已訓練好的模型，而無法從頭開始訓練或調整模型架構，這大幅限制了個性化應用與創新空間。
相比之下，DeepSeek 採用低比特率訓練與混合專家模型（MoE），顛覆了傳統「運算力至上」的大模型訓練方式。楊教授強調：「DeepSeek 的低比特率訓練做得非常好，它能用更少的存儲與算力，達到與高精度計算相當的效果。」此外，DeepSeek 透過 RRL 技術（研究文獻回顧）與 RAG（檢索增強生成）技術，提升即時數據檢索能力，部分克服大模型知識更新的限制。
然而，她亦指出 DeepSeek 仍無法在預訓練階段直接注入知識，與真正完全開源仍有差距，但「DeepSeek 的這一波創新，讓大家看到了不同的技術路線，也為大模型的未來開放性提供了新的可能。」
AI 瞎編回答？專業數據輸入是關鍵
論壇上，楊紅霞教授亦回應了 AI 生成無根據的錯誤信息，即AI幻覺問題（AI Hallucinations）。
她直言：「大語言模型還沒有達到完美境界。」目前 AI 依賴大量數據進行預訓練，但若希望提升內容準確性，需要專業人士參與數據輸入。例如在檢驗檢測領域，專業人員可在 AI 訓練階段提供高品質數據，使其學習專業標準與判斷邏輯。此外，AI 在算術能力方面仍有缺陷，但可透過連接計算器等工具來補足短板。
她強調，這正是香港學術界可發揮作用的地方。透過各學科專家的專業知識與技術輸入，香港有機會在 AI 產業應用層面取得突破，提升自身在全球 AI 競爭中的地位。
人工智能的未來 二之二
