帕特·基辛格（Pat Gelsinger）是全球芯片巨头英特尔的前任首席执行官，同时也是一位拥有逾四十年技术领导与经验的电气工程专家。

基辛格结合自己对 DeepSeek 的观察，在这条推文中提到了过去五十年计算史中被不断验证的三大经验：

1. 计算“气体定律”
   
2. 资源约束与创新之间的辩证关系
   
3. 以及“开放”在技术演进中最终会取得胜利
   
   下面是他内容翻译：
   
   智慧——重新学习那些我以为自己已经掌握的经验教训
   对 DeepSeek 的反响令人十分关注，但我认为这个反响忽略了我们在过去五十年计算史中获得的三个重要教训。
   
   第一条：计算遵循“气体定律”
   
   也就是说，计算就像气体一样，会填满所有可用空间，而这个空间由可用资源（资本、功耗、热预算等）所定义。正如我们在 CMOS、PC、多核、虚拟化、移动以及诸多领域所看到的，把计算资源以大幅更低的价格广泛提供，往往会带来市场的爆炸式增长，而非收缩。
   
   未来，AI 将无处不在，但就目前而言，想要真正实现这种潜力，成本依然高出好几个数量级。我还记得第一次使用浏览器时那种“哇”的惊叹，如今对青少年来说，浏览器几乎每分钟、每秒都在使用。市场对此的反应并不正确：降低 AI 的成本只会让市场规模进一步扩张。如今，我依旧是英伟达以及其他 AI 股票的买家，也乐于在价格走低时受益。
   
   第二条：工程的本质是约束
   
   显然，DeepSeek 团队面临着诸多约束，但他们依然通过各种创造性的方法，在每一个方面都交付了世界级的解决方案，而且成本降低了 10 倍到 50 倍。出口管制限制了他们可使用的资源，因此中国工程师只能靠更具创新的方式来实现目标，而他们也确实做到了。他们并不需要数百亿美元的硬件或最新芯片，也不需要数十亿美元的训练预算。
   
   多年前，我曾采访过当代最著名（也许是最伟大）的计算机科学家之一唐纳德·克努特（Donald Knuth）。他详细描述了自己如何在资源最匮乏、时间最紧迫的情况下反而完成了最杰出的工作。我把这一洞见视为我整个工程管理生涯中最为重要的经验之一。
   
   第三条：开放必将胜利
   
   近几年，基础模型研究越来越趋向封闭，着实令人失望。在这一点上，我更倾向于赞同 Elon 的观点，而不是 Sam 的——我们确实希望，也需要 AI 研究更加开放。我们需要了解训练数据集，研究算法，并在正确性、伦理以及可能产生的影响上进行深度审视。
   
   回顾 Linux、Gcc、USB、Wifi 等诸多实例——所有研究计算史的人都能看出，开放模式的力量毋庸置疑。在法律、频谱、工程和大规模应用的博弈中，开放从来都不容易，而且常常会受到市场力量的挑战。然而，只要给它一个公平的机会，开放最终会胜出。AI 对我们的未来太过重要，绝不能让一个封闭的生态系统成为这个领域的唯一路径。
   
   DeepSeek 是一项令人惊叹的工程成果，它将进一步推动 AI 的普及，并帮助整个行业重新认识开放式创新。也正是一个资源高度受限的中国团队，提醒了我们所有人这些在计算史上最为根本的经验教训。