深入解讀DeepSeek V3與R1，揭示以混合專家MoE與FP8訓練的高效密技，讓大規模模型在相對較低成本下迎頭趕上。核心數據：V3約2.8百萬GPU時數、對照Llama3的31百萬，成本約5.6百萬美元；R1結合推理與強化學習，並以知識蒸餾落地至小型模型。文章還分享在本地透過Ollama執行DeepSeek的步驟與風險。

本集深度探討DeepSeek、OpenAI、NVIDIA與台積電如何塑造中國與全球AI巨頭的願景，透過Dylan Patel與Nathan Lambert的第一手對談，解析DeepSeek-V3與R1訓練路徑、開放權重與MIT授權的實際影響，以及預訓練與後訓練的核心差異。並附上GPU小時成本估算、資料處理與可重現性要點，對比o3-mini與o1 Pro等模型性能，洞見未來AI格局與地緣政治動向。

本篇以作者親自試用豆包手機兩日、製作長視頻並收穫大量回饋為核心，解析其以大模型＋超級 App＋智慧終端打造的三位一體生態，以及因封禁而暫無法完整演示的實作。提供數據：僅售 3 萬台、二代預計 2026 年底出貨，並剖析 ByteDance 的路徑、AI 手機的新機遇與風險，為讀者提供具體觀察方向。