商业头条No.61 | DeepSeek风暴席卷AI产业链(2)

Meta员工此前在美国匿名职场社区上发帖爆料称，公司已经成立了四个专门的研究小组分析研究DeepSeek V3模型的工作原理。内部认为，DeepSeek V3的综合性能已超越Llama 3，公司担心计划推出的下一代模型Llama 4也有“落后的可能”。

张璐推断说，“Llama 4一定会参考DeepSeek现在的算法模型。”事实上，现在全行业都在学习参考DeepSeek成功的秘密。

据DeepSeek开发团队介绍，V3模型采用了模型压缩、多头潜在注意力机制（MLA）、混合专家模型（MoE）、FP8混合精度训练等一系列创新技术降低成本，R1模型又有组相对策略优化算法（GRPO）这一重要创新。

摩尔线程市场生态高级总监吕其恒告诉界面新闻，DeepSeek的核心突破在于算法优化和算力效率的提升，虽然模型项目开源，但公司独有的这些技术具有相当高的壁垒，需要大量工程师团队投入研发和工程优化，其他公司短期内很难直接复制，但行业依然能从DeepSeek的创新中获得灵感。

张璐自己在硅谷最明显的感受是，之前OpenAI和Anthropic在谈到DeepSeek的时候，不会觉得“他们会比我们做得更好”，而现在，“尤其是OpenAI，可能会把DeepSeek作为一个竞争对手。”OpenAI CEO山姆·奥特曼更是在近期一场播客上直言，有计划跟DeepSeek团队进行一场交流。

搅动算力市场

以“鲸鱼”为标志的DeepSeek，如今遭视为一条搅动全球科技市场的“鲶鱼”。

中信建投证券研究所所长武超则向界面新闻记者表示，DeepSeek的 “鲶鱼效应” 最直观的体现，便是其掀起的“AI降本浪潮”——未来大家都能以更低的成本开发大模型。

据DeepSeek官方论文介绍，DeepSeek训练V3模型使用了2048张英伟达H800 GPU，全面训练消耗了278.8万个GPU小时，按照租赁价格每小时2美元计算，成本约为557.6万美元。

作为对比，Llama-3.1动用了超过1.6万张英伟达H100GPU训练，训练成本高达数亿美元，GPT-4o模型的训练成本业内估计在1亿美元上下。

Anthropic创始人Dario Amodei在个人播客网站上撰文称，虽然“用600万美元实现数十亿美元投入效果”的说法在传播上遭严重夸大，但DeepSeek所做的创新确实大幅降低了成本。更令硅谷震惊的是，当全球都在追求降低AI模型成本时，“第一个做到的是家中国公司。”

华尔街再次对AI算力泡沫心生恐慌。投资者们担心，未来DeepSeek的低成本模式一旦推广，科技公司是否还需要持续大量购入英伟达先进的AI芯片支持模型开发？

在美股市场芯片股1月27日受到的重挫中，英伟达跌超17%，台积电跌超13%，阿斯麦跌5%。

DeepSeek走红引发英伟达股价大跌。图片来源：东方IC

不过，英伟达在股价暴跌隔日发给界面新闻的声明中强调, 在中国大陆AI算力资源受限的背景下，DeepSeek主要在AI模型推理阶段运用了创新技术，但推理仍然需要大量英伟达GPU及配套的高性能网络技术。DeepSeek的进步不仅不意味算力过剩，“反而证明市场需要更多AI芯片”。

市场近期正流行用一项经济学经典理论“杰文斯悖论”（Jevons Paradox）来解释算力市场的供需变化。即一项技术创新在降低成本、提高效率的同时，资源消耗非但不会减少，反而会因成本降低和应用范围扩大而急剧增加。

事实上，最近微软、亚马逊、Meta、谷歌等巨头都相继在各自的财报会上表态大幅增加2025年的资本开支，重点投资数据中心等AI基建项目。四家巨头2025年资本支出总额将超过3200亿美元，总增速约为30%。

此外，OpenAI、软银、甲骨文等多家公司联合发起了一项“星际之门”AI基建计划（The Stargate Project），该计划要在2029年之前在算力市场投资高达5000亿美元，第一笔初始投资1000亿美元。

英国GPU公司Imagination产品管理副总裁Dennis Laudick在采访中告诉界面新闻，DeepSeek所做的创新属于一种降低人工智能功耗与优化效率的进步。“任何工作负载的简化都能让算力资源得到更充分利用，未来对算力的需求将持续超过供给。”

“现在就连DeepSeek自己都因为服务器不够用网站频繁卡顿。事实上，算力市场相当长时间内都处在一个高增长扩容的周期。”武超则说。因此无论从巨头资本开支的基本盘，还是更多公司对推理端算力的新增投资，算力泡沫都看不到有破裂的迹象。