为什么DeepSeek对AI算力长期是利好？

作者 | 高飞

编辑 | 周周

来源 | 科技行者

DeepSeek的热潮持续发酵之际，今天的AI界又被一个热搜霸屏——#DeepSeek一夜掀翻美股#，看到这个热搜，笔者讲讲自己的看法。

DeepSeek引发市场恐慌背后的逻辑很简单：“如果中国公司能用600万美元实现接近ChatGPT的效果，此前市场对AI芯片百亿美元级的规划就是过度的。”但我认为，这个逻辑不正确。

一、从根本上看，通用AI算力，也就是目前GPU及相关市场会的崩溃，只会在以下三个问题的答案都为“是”的情况下发生：

问题1：AI模型的架构演进是否已经到了尽头？

如果答案为“是”，这个时候就模型训练、推理，就不再需要软件和通用芯片的组合。因为面向特定算子的ASIC专用芯片效率会更高。这时，通用AI算力产业就会崩溃。

问题2：AI模型的性能提升是否已经到了尽头？

如果答案为“是”，模型的性能上限就已经确定，那么接下来需要做的，就是看谁的成本最优就好，也就是“卷”。而卷就代表着没有利润空间，很难高研发投入，产业搞运营就好了，我们到时只需要一个AI“沃尔玛”、AI“拼多多”了。AI算力产业会按零售业估值，一定会崩溃。

问题3：AI模型的算力需求是否已经到了尽头？

如果答案为“是”，市场对Token就没有增量需求了，能够用AI做的事情都已经实现，我们不再需要AI工厂生产新的Token，那么所有AI算力产业的市场总量也就固定了。总量固定的市场，就没有估值可言。这时，整个AI产业都会崩溃。

二、但是，以上三个问题的答案，我认为中长期看都是"不"。

对问题1：

DeepSeek R1的出现，反而证明了模型的架构演进（此时是后训练、测试时间计算）还在继续。整个产业看，预训练、后训练、测试时间计算等不同路径都有创新（甚至要把传统Tokenization给干掉）。更何况，现在还只是文本推理，没算下半场"世界模型"的情况。

对问题2：

DeepSeek研究员曾发推文表示，DeepSeek要做开源的AGI。现在，开源（目前最Open的AI）做到了，但是AGI大家都在追寻。模型的发展有性能和效率两条路要走，要向上走依然需要更强算力。

而且，如果真的证明强化学习是AGI的方向，对算力需求只会更大。因为强化学习需要的只有计算（见Alpha Zero）：机器生产数据，机器用机器生产的数据训练推理，机器再生产数据。

对问题3：

这个问题放在最后答，但却是最重要的。其实，当模型的成本越低，开源模型发展越好，模型的部署、使用就会更高频率、更多数量。

DeepSeek这波流量正好发生在春节，我相信，其实这让很多人第一次认识到AI模型的实用价值，真正开始使用模型。有了更多低成本、本地、开源模型，Token的需求量会成千上万倍的增加。

这就是经济学上著名的“杰文斯悖论”（下图是微软CEO萨提亚·纳德拉的推文，正好看到他也提到这一点）：当技术进步提高了资源使用的效率，不仅没有减少这种资源的消耗，反而因为使用成本降低，刺激了更大的需求，最终导致资源使用总量反而上升。

举例来说，如果一个家庭买了一台更节能的空调。按理说，更节能的空调应该会减少电费支出。但实际发生的往往是：因为电费便宜了，这家人反而更舍得开空调了，不仅开得时间更长，温度还调得更低，最后总电费不降反升。

三、市场对DeepSeek的过度反应可以理解

因为效率突破，确实会影响单位计算的价格，进而压缩高性能芯片供应商的利润空间。但从更长的周期来看，这种短期的价格压力，恰恰会加速AI的普及和创新，带来需求的量级提升。

更重要的是，DeepSeek这只“黑天鹅”（其实对业内人士而言，不能算黑天鹅），其实再次提醒我们，不能用刻舟求剑的思维来看待AI产业。因为，如果这一次是DeepSeek通过架构创新实现了效率突破，下一次可能就是其他玩家带来性能突破。这一次的创新在算法层面，下一次的创新可能发生在芯片层面，甚至数据层面。

AI是一个创新维度极其丰富的赛道，任何静态的防守思维都可能在下一个创新浪潮中被打破。