DeepSeek
一纸公告,让模型的价值浮出水面。

3,200–3,500亿元人民币
公告推算估值区间
每经根据两家上市公司披露的间接投资金额与持股比例,推算 DeepSeek 的估值区间。
开润股份披露,通过基金间接投资 4,000 万元,穿透持股比例为 0.0114%。
汤臣倍健也披露了间接投资:金额 1.3 亿元,对应 0.04% 股权。两份公告,让模型的价值有了公开的观察窗口。
不调用现成大模型 API。学懂算法,让 AI 成为放大你能力的杠杆。
小问题,小步骤,即时反馈,构建知识体系。
无需配置复杂的环境,网页直接实验。
电脑·平板·手机,随时随地学。
感知机及之前的基础课全部免费。先完成一小步,信心就会长出来。
点选数值查看含义,↑↓ 微调
点选数值查看含义,↑↓ 微调
行列索引从 1 开始
矩阵较宽,可以左右滑动查看完整数字。
取出对应的数字,在这里组成计算。
输入和权重的数字可以直接修改。点击结果中的格子切换计算;点击下方某一项可重看它。
改一项偏好,看两部电影的匹配得分怎样变化。点击播放,看每个数字从矩阵走到公式。
只需要带上一点好奇心。跟着动画和小例子理解原理,专业术语随用随讲,轻松看懂,自然学会。
不用急着背,点开就有人话解释。
把数字按形状排好:一行数字、一张表,或好几张表叠在一起。
一组调节提示:模型里的数字轻轻变动时,预测误差会怎样变化。
让模型把准备好的例子完整学过一遍,就完成了一轮。
一节接一节的畅快,比“再刷一集”更有收获。
学懂 AI 算法,抓住时代浪潮中的新机会。从理解原理到亲手实现,把时代的变化,变成自己的机会。
AI 产业报
产业
3,200–3,500亿元人民币
公告推算估值区间
每经根据两家上市公司披露的间接投资金额与持股比例,推算 DeepSeek 的估值区间。
开润股份披露,通过基金间接投资 4,000 万元,穿透持股比例为 0.0114%。
汤臣倍健也披露了间接投资:金额 1.3 亿元,对应 0.04% 股权。两份公告,让模型的价值有了公开的观察窗口。
201种语言与方言
官方披露的语言覆盖
阿里发布 Qwen3.5,首发 Qwen3.5-397B-A17B。它结合线性注意力与稀疏 MoE,支持文本、图像和视频理解。
256Ktoken
官方支持的上下文窗口上限
腾讯发布并开放 Hy3 preview 模型,采用 MoE 架构,已接入元宝、腾讯文档和 CodeBuddy 等产品。
4款模型
Pro / Lite / Mini / Code
豆包大模型 2.0 提供三款通用模型和一款编程模型,面向多模态理解、复杂指令与真实工作流程。
15秒
官方披露的多镜头音视频输出能力
Seedance 2.0 支持文字、图片、音频、视频四种模态输入,已上线即梦 AI、豆包等平台。

50 万+次 / 周
公司披露的付费出行规模
Waymo 在欧洲保险合作公告中披露,美国无人驾驶商业服务每周已提供超过 50 万次付费出行。
21亿美元
B 轮融资金额
公司宣布完成 21 亿美元融资,用于扩展 AI 药物设计引擎,并推进候选药物研发管线。
5,000 万用户
微软财报电话会披露
微软在 2026 财年第四季度电话会上披露,GitHub Copilot 用户数达到 5,000 万。
机会的起点,是看懂原理。把算法变成解决问题的能力。
数字保留各新闻时点、币种与口径。估值、融资金额、订单量和用户数,不能直接横向比较。标题与摘要由本站整理,原文请点击对应来源。
资料核对: · 精选历史节点,非实时行情。报纸字库:Noto Serif SC · SIL OFL 1.1。
技巧会过时,模板能复制。只会写提示词,远远不够。
公开观点与报道摘编,不代表嘉宾推荐本课程。学习主张为本站解读。
从零理解深度学习,学会搭建、训练和改进模型。
本课专注算法原理与模型实践。
专业与职业背景不设门槛。看看现在的你,从哪一步开始。
沿着一条连贯路线,学会 Python、数学直觉、PyTorch 与大模型原理。每个阶段都能带走代码、实验和可以反复使用的方法。
先看一个问题,再完成一个小步骤。动画帮你看懂,代码让你验证,即时反馈告诉你哪里已经学会。每节都有目标和预计时间,进步看得见。
“近代数学书有两种,
一种看了一页就看不下去,
一种看了第一句话就看不下去。”
杨振宁物理学家
《无题漫谈》 · 2004年5月12日,清华大学中文系讲演
刊于《清华大学学报(哲学社会科学版)》2004年第4期,第1—7页
查看讲演原文(转载)别让数学,挡住你的好奇心。先用小例子看懂,再在实验中慢慢补齐。
先弄清今天要解决什么,让每一点新知识都有用武之地。
看数字怎样一步步计算。暂停、重播、改数,把抽象的原理变成直觉。
注释放在代码上方。改一个输入,运行后核对真实输出与 shape。
免费查看问答与小作业。用一个小练习整理收获,让知识真正留下来。
多给一句样本,看它的预测怎样改变。
这是只看前一个字的统计小模型。课程会从这种直觉出发,继续搭建神经网络语言模型。
先把工具用起来,再看懂模型怎样计算和学习。每一步都有小例子,学到的原理,接着就能用到项目里。
从第一行Python开始,认识PyTorch。编程与数学基础,边用边补。
用小数字和动画理解网络,再跟着代码训练图像模型。
下册 · 大语言模型
下册 · Qwen3.5
先打通基础与训练,再沿官方源码逐层实现。
把前面的知识接起来,走过数据准备、网络设计、训练与验收。
动画看懂一点,代码验证一点,小实验巩固一点。每次只迈一小步。
8个项目串起完整流程。先看看其中两个,学过的算法怎样变成可运行的应用。
感知机及之前的基础课全部免费,先体验再决定是否深入。以上项目为大厂业务场景的教学复现,具体内容与交付进度见项目章节。
从零基础开始,先亲手做出结果。向算法研发迈出的第一步,可以免费。
预备课与感知机及之前的基础课全部免费。动画、讲解、网页实验,一起开放。
不用先证明自己有基础。学会一点,信心就多一点。
想继续深入,再按目标解锁。练习独立训练模型、读懂大模型架构,把理解变成作品。
从感知机出发,搭建能训练的神经网络。
一次购买 · 长期有效
上册 · 从多层网络到目标检测
走进时序模型与大语言模型。
一次购买 · 长期有效
下册 · 从序列模型到语言模型后训练
把算法用起来,走完8个业务项目。
一次购买 · 长期有效
实战篇 · 8个完整项目流程
83% 的购买用户选择
从基础到模型,再到业务项目。
一次购买 · 长期有效
上册、下册与实战篇
付费章节按课程权益解锁,各章 Q&A 与小作业保持免费。购买前请确认内容范围、交付进度与退款说明。
价格与权益说明可以。第一课就能在网页上运行 Python,先改一个数字、看一次输出,再逐步学变量、循环、函数和对象。先做出一个小结果,自信就会跟着长出来。
跟着课程一步步补即可。先看动画里的小数字,再认识线性代数、导数与概率符号。用到什么再学什么,把难概念拆成可以当场验证的小步骤。
适合大一及以上同学、非计算机专业学生、研究生和在职学习者。Android、iOS、前端、后端、运维、数据库等经验都可以成为起点;已经熟悉的部分可从课程地图直接跳过。
这门课面向想理解和研发模型的人。从 Python、数据与数学开始,逐步写出前向计算、训练循环、注意力和语言模型,再走进预训练、微调与后训练。每一步都接上前一步,建立自己的知识框架,逐步具备自主研发大模型的能力。
你会从教学规模开始,亲手搭建能生成文字、完成简单问答的微型语言模型,走过数据准备、模型结构、训练、评估和优化流程。这些是继续走向自研语言模型的基础;扩大规模还需要更多数据、算力和工程实践。
可以直接在网页中改代码、运行小实验、查看结果。每个实验会说明支持的用法;完整模型训练另有可下载的工程和操作步骤。
课程围绕推荐、图像分类、时序预测和语言模型等业务问题展开,用公开资料与可复现的小实验拆解核心算法。每个案例会说明数据来源、简化条件和评估方法,再讨论怎样扩展成解决方案。
我们把难点拆成小问题、小步骤和即时反馈。每节先写清时间与目标,再用动画和实验带你验证。卡住了,可以重播、改数、看免费 Q&A;完成一个看得见的小结果,再继续下一步。
把业务问题拆成数据、模型、训练和评估,读懂核心算法,再逐步写出自己的解决方案。无论是在校学习、转向 AI,还是把现有开发经验接上模型研发,这套连贯的知识框架、实验和代码都能成为继续深入的起点。
体验评语示例 · 虚构文案,非真实学员评价,头像为配图。
新手真的很怕装环境,装完热情都没了。内置小实验打开就能做,改错了也能重置。即时反馈对学习的帮助太大了,少一点等待,就多一点想继续的劲头。

最喜欢的是网页上就能运行 Python 和 PyTorch 小实验。有个地方没懂,不用先记下来等下班,直接改两行代码、点一下运行,结果马上就出来了。比对着一大段代码猜半天有效多了。

以前买过不少 AI 书和 PyTorch 教程,B 站的视频也反复看,还是常常跟不上,一直觉得是自己基础太差。这是第一套让我把神经网络系统学明白的课:讲得细,每一步都从简单例子开始,像终于点开了一整棵技能树。再翻以前的书,很多卡住的地方突然就通了。真后悔没早点找到。

地铁上看一小段,晚上再改两行代码。终于不用等那个永远没空的周末了。

以前做 Web 前端,页面和业务写得很熟,一到模型这边就不知道从哪开始。收藏了一堆教程,越看越觉得缺的东西太多。这套课从几个数字、一个小网络开始,终于让我把数据、网络和训练接起来了。后来进了一家中型公司做算法工程师,最明显的变化是:遇到问题敢自己拆、自己试了。

矩阵乘法那段,我是真的看着数字走完才懂的。以前公式里每个符号都认识,合起来就不知道在干嘛。这里先拿小数字讲明白,再给公式,这个顺序对我太重要了。

做了几年 iOS,一直想转算法,又舍不得已有的经验。学完才发现,调试、拆问题和做工程的能力都用得上,只是需要补上模型这条线。跟着课程把几个小实验做完整,面试时终于能讲清自己为什么这样设计、结果怎么验证。后来顺利转到算法开发,回头看,最难的其实是开始。

跨专业入门,最感谢的是没有动不动就来一句“显然”。

以前做后台 Java,需求做得再熟,也感觉自己碰到了能力边界。想转人工智能,又担心数学不够、方向选错。这个教程最有用的是让我停下收藏,真的动手:先跑通一个小网络,再看损失怎么下降,出错了自己定位。后来转到人工智能工程师,当然也花时间补了论文和项目,但这份教程让我跨出了第一步。那种又能往前走、突破能力上限的感觉,真的太好了。

本来只想看一节,结果又点了下一节。比刷短剧还爽,原来学习可以这么丝滑。

已经推荐给几个同事了。我们都是边上班边补 AI,最怕打开教程先装半天环境。这里能直接改代码、看输出,午休做一个例子,晚上接着往下学,比较容易坚持。

公交上能看,午休能做。对没整块时间的人很友好。

以前听到注意力、反向传播这些词就觉得很玄。看着数字一步步算,自己再改个输入验证,慢慢能把原理讲出来了。技术确实被祛魅了,剩下的是可以练习、可以检查的具体事情。

改一个数,立刻看见变化。有没有真懂,骗不了自己。

我缺的不是更多教程,而是一条先学什么、接着做什么的路。之前今天看卷积,明天看大模型,觉得自己接触了很多东西,其实中间全是断的。这里每个小知识点都能接到后面的模型上,学完一段能说清它有什么用。现在也还没全部学完,但至少不再东一榔头西一棒子了。

我一般每次学十五到二十五分钟,上班路上看一段,没看完下次接着来。数学也不是一上来就让人拿笔推一页公式,而是先看几个小数字和动画,把意思弄清楚。时间碎也能学,对我这种下班只想躺着的人很重要。
