2023年，全球AI繁荣爆发了，Liang Wenfeng也进入了他的企业家道路的十年。那年5月，38岁 - 洛安格·温芬（Liang Wenfeng）宣布他将进行通用人工智能（AGI）。同年7月，杭州寻求人工智能基础技术研究有限公司，梁·温芬（Liang Wenfeng）也已成为定量投资者参与AI企业家精神的“第一人称”。 Liang Wenfeng是幻想广场的实际控制器。田扬兰奇（Tianyancha）的信息表明，他的DeepSeek最终收益的比例超过80％。
Liang Wenfeng对DeepSeek的最终好处的最终好处超过了80％的图片来源：Sky Eye增加
1985年，Liang Wenfeng出生于广东Zhanjiang的第五层城市。它的特定童年生长轨迹不再可用。 Liang Wenfeng在唯一的公众信息中提到，他的父亲是小学老师。
2002年，17岁的Liang Wenfeng被智大学的电子信息工程专业录取，结果出色。 2007年，郑安格大学获得了信息和传播工程硕士学位的22岁 - 洛安格·温芬（Liang Wenfeng）。
2008年，在智格大学学习时，23岁 - 洛安格·温芬（Liang Wenfeng）和他的同学组织了团队，以积累市场数据，其他相关的金融市场数据以及宏观经济学。
2010年6月，25岁的Liang Wenfeng毕业于Zhejiang University的信息和传播工程硕士学位。他的毕业论文标题是“ PTZ相机目标跟踪算法”。
图显示了Liang Wenfeng的科学研究结果
毕业后，他没有像周围的人那样去一家大型工厂。取而代之的是，他藏在成都的廉价出租房屋中，并不断接受试图进入许多场景的挫败感。并且可以建立幻想的建立。
他的领先幻想量化于2016年首次启动了AI策略，2017年，他实现了全面的投资策略AI，成为定量投资领域的创新先驱。在短短6年内，管理量表已达到1000亿元人民币。它也是中国唯一拥有NVIDIA A100图形卡的公司。它的计算能力储备甚至不如互联网公司技术公司劣。
Liang Wenfeng在接受媒体采访时说，进入AI领域并不是偶然的，而是源于对AI的浓厚兴趣和坚定的信念。早在千江大学学习AI时，Liang Wenfeng就坚信“ AI会改变世界”，尽管当时这种观点并未得到广泛认可。
Liang Wenfeng强调，进入AI领域不是要重新审查Chatgpt，而是要通过研究和探索来解决更未知的AGI之谜。它们将从大型语言模型开始，并逐渐扩展到视野，并致力于创建真实的人类AI。
Liang Wenfeng告诉媒体：“我们必须进行通用人工智能，也就是说，AGI。语言模型可能是AGI的唯一方法，它具有AGI的特征，因此我们将从这里开始，然后我们将遵循背面等。”
直到今天，Liang Wenfeng的日常生活仍在研究论文，编写代码并参与该小组的讨论。 “为什么你们的ai 表现这么好？”：“因为我们的首席执行官自己读论文、写代码、招募人才”
AI企业家在社交媒体上打破了新闻
不到140人！ DeepSeek团队成员透露：年轻，在清朝的新生领导和饲养
便宜的！开源！便于使用！
借助三个主要的AI聚集模型，DeepSeek已成为全球AI激烈讨论圈的目标。
根据与DeepSeek接触的许多行业消息来源的说法，DeepSeek的优势是人才密度非常高，主要来自中国市场。与DeepSeek接触的另一个行业人士说：“ DeepSeek的薪水非常有竞争力，这始终使其对人才具有很大的吸引力。”
Liang Wenfeng在接受媒体采访时认为，如果他追求短期目标，找到现有的经历是正确的。但是，如果您长期看，经验并不那么重要，基本的能力，创造力和爱情更为重要。从这个角度来看，中国有许多合适的候选人。 “这样做的人不一定可以做到这一点。我们有一个有序的原则来研究能力，而不是看经验。我们的核心技术职位基本上主要是基于一两个新鲜和毕业的人年 ”” ”
该原则贯穿DeepSeek的团队组成，最大的功能是年轻的。新鲜的毕业生，学生正在学习，尤其是青比的新毕业生非常活跃。
“只招募了1％的天才，并占中国公司的99％。”采访DeepSeek的新毕业生评估了他们的招聘风格。这也使DeepSeek的上下移动，保持了极端的创新动机。
DeepSeek团队的规模不大，不到140人。几乎所有的工程师和研发人员都来自北京大学，北京大学，北京邮政与电信大学等大学，北京大学，北京大学，北京大学的博士博士学位。甚至团队经理也很小。
Liang Wenfeng曾经说过：“在V2模型中没有人回到海外。他们都是本地的。前50名顶级人才可能不在中国，但也许我们可以自己建立这样的人。”
DeepSeek Breaking Circle的V2模型最重要的创新是提出一种新的关注。根据变压器体系结构，传统的长期注意力被MLA（多头潜在注意力）取代，这大大减少了计算和计算量以及计算量以及计算和推理记忆的量。
在贡献者中，Gao Huazuo和Zeng Wangding为MLA建筑提供了关键的创新。两者都刚从学校出来了几年。 Gao Huazuo非常低。目前，他只知道他毕业于北京大学物理学系； Zeng Wangding来自北京邮政与电信大学。研究生讲师是张洪冈，他是北京邮政与电信大学的人工智能和网络搜索的主任。
DeepSeek模型的另一个主要突破是创新称为GRPO的培训方法，这大大降低了成本。
Shao Zhihong的核心成员之一是Tsinghua大学互动人工智能（COAI）研究团队的博士生。它主要研究了自然语言处理和深度学习，并对构建稳定且可扩展的AI系统具有独特的见解。他曾经为微软研究所服务。加入DeepSeek团队后，他参加了许多重要项目的研究和开发，包括DeepSeek-Math，DeepSeek-Prover和DeepSeek-Coder-V2。
图显示了Zhu Qihao图片来源：北京大学编程语言研究办公室网站的屏幕截图
GRPO算法创新的另一个重要贡献者是北北京大学计算机学院2024届会议的博士毕业生朱豪（Qihao），重点介绍了深度代码学习和研究。
他的同学大达（Daida）早些时候加入了该团队，并参与了DeepSeek从V1到V3的大型模型的研发。他已经是经验丰富的研发人员，并且在学生时代也赢得了许多论文奖。
负责DeepSeek的大型模型培训和推理基础设施的是刚刚毕业的工程师Zhao Chenggang。在加入DeepSeek之前，他在Nvidia实习。
DeepSeek团队的其他核心人员还包括：Peiyi Wang（Peiyi Wang（Peking University） ），周阳（Sun Yat -Sen的博士生）和Luo Xiangyu（Sun Yat -Sen University的博士生）等等。
这些从事研发的年轻人在撰写论文时也一次又一次地惊讶于Liang Wenfeng。
