近期，DeepSeek在AI大模型领域引发热议，凭借其惊人的性能表现和低成本训练模式，迅速吸引了全球关注，且热度一直不减。但随之而来的，对其成本、技术以及为未来作为大模型基础设施的算力也引发了争议。
复制DeepSeek，算力竞赛还能持续吗目前来看，DeepSeek对英伟达股价造成的冲击，源于市场对其算力需求预期产生了悲观看法。
实际上，英伟达的业绩增速在最新季度已出现一定波动。2025财年第三财季，英伟达营收增速已下降至94%，而此前连续多个财季数倍增长，其中以芯片为核心的数据中心业务增速也在持续放缓。
这一放缓趋势可能延续。英伟达预计，2025财年第四财季营收为375亿美元，同比增长不到70%，增速继续下降，而DeepSeek则加强了放缓预期。
那么，这是否意味着，大模型未来的技术进步，不再需要大规模的GPU算力支撑？或者，换句话说，DeepSeek的路径能被广泛复制吗？
微软CEO萨蒂亚·纳德拉（Satya Nadella）此前谈到DeepSeek时表示：“DeepSeek的新模型令人印象深刻，他们不仅有效地构建了一个开源模型，能够在推理计算时高效运行，而且在计算效率方面表现出色，我们必须非常非常认真地对待中国的AI进步。”
当前阶段的AI霸权之争已经结束，而中国最近的进展，对OpenAI而言无疑是个重大打击。
打破算力魔咒未来算力还重要吗基于我们前述成本的优势，有业内观点认为，DeepSeek的出现，打破了英伟达等科技巨头“堆积算力”的路径，也就是说，美国AI巨头们认定的那个靠钱、靠更高算力芯片才能堆出来的更好的模型，不需要那么高昂的门槛了。
原来我们一直认为不断“堆积算力”才能提高AI模型能力，但Deepseek的出现走出了另一条路，即不一定要提升很高的参数规模就能实现很高的性能，可能对算力需求至少降到10倍以上。“堆算力”本身没有错，但随着Deepseek的出现我们会发现这条路的性价比不高。
DeepSeek-V3极低的训练成本预示着AI大模型对算力投入的需求将大幅下降，但也有观点认为，DeepSeek表现固然优秀，但其统计口径只计算了预训练，数据的配比需要做大量的预实验，合成数据的生成和清洗也需要消耗算力。
此外，在训练上做降本增效不代表算力需求会下降，只代表大厂可以用性价比更高的方式去做模型极限能力的探索。
近日，DeepSeek-V3的正式发版引起AI业内广泛高度关注，其在保证了模型能力的前提下，训练效率和推理速度大幅提升。DeepSeek新一代模型的发布意味着AI大模型的应用将逐步走向普惠，助力AI应用广泛落地；同时训练效率大幅提升，亦将助力推理算力需求高增。
而Bloomberg Intelligence最近的一篇报告显示，企业客户可能会在2025年进行更大规模的AI投资，而AI支出增长将更侧重于推理侧，以实现投资变现或提升生产力。
免责声明：
1、本号不对发布的任何信息的可用性、准确性、时效性、有效性或完整性作出声明或保证，并在此声明不承担信息可能产生的任何责任、任何后果。
2、本号非商业、非营利性，转载的内容并不代表赞同其观点和对其真实性负责，也无意构成任何其他引导。本号不对转载或发布的任何信息存在的不准确或错误，负任何直接或间接责任。
3、本号部分资料、素材、文字、图片等来源于互联网，所有转载都已经注明来源出处。如果您发现有侵犯您的知识产权以及个人合法权益的作品，请与我们取得联系，我们会及时修改或删除。
