一月二十号，DeepSeek 发布了 R1。之后几天，应用商店的下载榜被它刷了屏，朋友圈里连不做技术的人都在讨论。
我认真用了两天。让我意外的不是它能不能答对，而是它在推理类问题上会把思考过程摊开给你看——一段一段地推导，中间还会自我否定。这个过程本身对使用者很有价值，你能看出它是在哪一步想歪的。
更让我在意的是成本。官方公布的训练投入和当时主流模型不在一个量级，而且权重是开放的，可以自己部署。过去这一年我一直在说"大部分日常任务用便宜模型就够"，现在这句话有了更强的支撑。
一月二十七号，英伟达单日跌了近 17%，创了美股大市值公司的记录。市场当时的解读是"算力需求要下来了"。
我认为这个解读是错的。效率提升不会减少总用量，只会让更多人用得起。真正的变化是利润在产业链上的分布要重新洗一遍——算法效率变得比堆卡更值钱，那么原来靠算力垄断定价的环节，议价能力就会下降。
所以我的判断是：国内会迎来一波应用层的爆发，而且会比过去几轮技术热潮来得快。理由不是模型多强，是它便宜到可以随便试——试的人多了，找到场景只是时间问题。反面也有：便宜会催出一堆没有壁垒的套壳，热度过去之后能活下来的不会多。
另外两件小事也值得记。上个月我说过模型要当可替换的零件设计，这个月就应验了一次——新的权重一出来，我们内部那张选型表当天就得重排。还有前年英伟达那份财报之后我判断算力紧张至少持续一年半，这条现在看是对的；只是我没料到需求会从训练那头搬到推理这头，缺口换了个位置继续存在。