DeepSeek震動硅谷，其高性價比的訓練技術引發(fā)了市場的廣泛關注。
在最新發(fā)布的研報中，花旗分析師Atif Malik、Asiya Merchant等詳細分析了DeepSeek對AI基建產(chǎn)業(yè)鏈各環(huán)節(jié)的潛在影響，揭示了哪些環(huán)節(jié)將受益，哪些環(huán)節(jié)可能面臨挑戰(zhàn)。
花旗表示，DeepSeek的R1模型有望推動AI模型的廣泛采用，尤其是在消費者和企業(yè)市場中，隨著計算成本的降低，AI的潛在投資回報率（ROI）將顯著提升。
在報告開頭，花旗首先對縮放定律（Scaling laws）進行了定義，并指出，當前最新的觀點認為，縮放定律有三個階段：預訓練、后訓練和測試時間縮放。其中，DeepSeek是“測試時間縮放”的絕佳范例。
預訓練（Pre-Training）：在大型數(shù)據(jù)集上訓練機器學習模型以生成通用特征的過程。
后訓練（Post-Training）：在預訓練后通過強化學習、人類反饋等技術優(yōu)化模型的一系列技術。
測試時間縮放（Test-Time Scaling）：在推理階段，通過多步推理延長模型的思考過程。
對AI基建產(chǎn)業(yè)鏈來說，DeepSeek的創(chuàng)新技術帶來的影響是多方面的�；ㄆ煺J為，盡管某些環(huán)節(jié)可能面臨短期挑戰(zhàn)，但整體來看，AI基礎設施的建設將繼續(xù)保持強勁增長。推理階段的普及將為GPU、ASIC、DCI等環(huán)節(jié)帶來新的機會，而訓練需求的減少可能對Retimers和光模塊等環(huán)節(jié)產(chǎn)生一定壓力。
隨著AI技術的不斷進步，AI基礎設施的建設將成為全球科技行業(yè)的核心驅(qū)動力之一。DeepSeek的創(chuàng)新不僅推動了AI模型的普及，也為AI基建產(chǎn)業(yè)鏈的各個環(huán)節(jié)帶來了新的機遇與挑戰(zhàn)。
對AI基建各細分領域的影響
GPU：中性。
GPU作為AI訓練和推理的核心硬件，其市場需求一直保持強勁。花旗認為，盡管DeepSeek的技術可能減少對大規(guī)模訓練的需求，但推理階段的計算需求將增加，因此GPU市場整體保持中性。
ASIC（專用集成電路）：中性到積極。
ASIC在AI推理階段的表現(xiàn)尤為突出�；ㄆ祛A計，隨著推理需求的增加，ASIC的市場份額將逐步擴大。盡管訓練需求的減少可能對ASIC市場產(chǎn)生一定影響，但長期來看，推理需求的增長將抵消這一負面影響。ASIC最終可能更多地與推理相關，因此訓練階段的潛在減少可能會被未來推理的增長所抵消。
Retimers（重定時器）：中性到消極。
Retimers（重定時器）主要用于高速數(shù)據(jù)傳輸，尤其是在AI訓練階段�；ㄆ熘赋�，隨著AI計算從訓練向推理轉(zhuǎn)移，Retimers的需求可能會下降，因為推理階段的計算密集度較低，對高速數(shù)據(jù)傳輸?shù)男枨笠蚕鄬p少。
光模塊（Intra Server/DC）：中性到消極。
與Retimers類似，光模塊在AI訓練階段的需求較高�；ㄆ煺J為，隨著推理階段的普及，光模塊的市場需求可能會受到一定影響，尤其是在數(shù)據(jù)中心內(nèi)部的連接需求上。
DCI（數(shù)據(jù)中心互連）：積極。
DCI相對不受訓練與推理的影響，因為它與AI模型和工作負載的具體細節(jié)關系不大�；ㄆ煺J為，DCI的需求相對不受訓練和推理比例變化的影響，推理階段的增長將為DCI帶來新的機會。
交換機：中性到積極。
交換機作為數(shù)據(jù)中心網(wǎng)絡的核心組件，其市場需求與AI計算的普及密切相關�；ㄆ熘赋�，盡管訓練需求的減少可能對交換機市場產(chǎn)生短期影響，但推理階段的增長將推動更高的網(wǎng)絡帶寬需求，長期來看，交換機市場將保持中性至正面。
連接器：中性到積極。
與交換機類似，連接器被認為與訓練與推理無關，其市場需求與AI基礎設施的整體增長密切相關�；ㄆ煺J為，隨著AI計算的普及，連接器的需求將保持穩(wěn)定，尤其是在分布式計算的推動下，連接器市場有望迎來新的增長點。
存儲：中性到積極。
存儲OEM尚未受到AI支出的影響，通常討論AI的影響還為時尚遠。花旗指出，盡管目前AI對存儲設備的影響尚未完全顯現(xiàn)，但隨著推理階段的加速，數(shù)據(jù)管理、數(shù)據(jù)移動和數(shù)據(jù)安全等方面的需求將推動存儲市場的增長。
服務器OEM（原始設備制造商）：中性。
花旗認為，盡管AI訓練服務器的需求可能減少，但推理服務器的需求將增加，整體來看，服務器OEM市場將保持中性。
PC/智能手機：中性到積極。
隨著AI模型的優(yōu)化，本地設備上的AI計算能力將得到提升�；ㄆ熘赋�，這將推動PC和智能手機的更新?lián)Q代，尤其是在具備更高計算能力的設備上，市場需求將保持中性至正面。
