> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/zh/2025-nian/w07deepseek-yin-fa-de-yi-xie-si-kao.md).

# W07-DeepSeek 引发的一些思考

DeepSeek让我们看到了什么样的技术是性感的技术，高开源和低成本从根本上加速了AI的历史进程。工业革命时期有一个杰文斯悖论，是说技术提高资源利用效率后，反而可能导致该资源的总消耗量增加。DeepSeek就像是复现了杰文斯悖论，任何新技术都是在成本大幅下降的过程中迅速占领并扩大市场的，最终体现在算力和能源上的总需求一定是扩大的，这也能解释英伟达年初的这波多空转换。

DeepSeek的爆红带来的是信息爆炸，如何过滤噪声，什么是重要信息，什么不必理会。LLM的时代来临了，大家起点都一样，新的一轮人才竞争是什么样的。

高质量信源是应对信息爆炸最有效的方法。再好的东西转几手也会走样，绝大多数上游信息的获取成本并不高，只是我们已经习惯了被推送。

技术日新月异，经得起时间考验的才是经典。去年看《黑客与画家》的时候，20多年前的文集，依然能给我带来很多Aha moment。黑客的为人处世之道、什么是好的设计、好的语言，都是让人常读常新的好课题。最近淘了一本绝版的书叫《观止》，写的是Cutler编写WindowNT的历史片段，展现了他反复无常，激励和鞭策团队的能力。 Cutler被称为“硅谷最牛内核程序员”，现在70多岁还在微软写码。

X上有人提出了一个“70%问题”，大义是非程序员在使用 AI 进行编码时，可以快速完成70%的工作，最后的30%收益递减，且很难收敛，只能寄希望AI解决AI产生的问题。完成余下的30%工作需要什么？对业务和客户的理解，架构的判断，思维模式的积累，以及对AI编码的底层理解。

和一位同学1on1的时候，深入探讨了学习一门新语言应该学什么。一定不是背诵并熟练应用第二本红宝书，很多限定下产生的概念和规则是不可迁移的低价值知识。不必在工具、规则上沉醉太多，要关注能够产生智慧的那部分知识。