《科創(chuàng)板日報》2月8日訊 DeepSeek R1模型的橫空出世，在全球范圍內一度引發(fā)了對算力長期需求的質疑，甚至重挫英偉達股價。
算力需求真的將要萎縮嗎？
AI芯片初創(chuàng)公司可能不會這么認為。在他們眼中，這不是一個威脅，而是一個能“做大做強”的巨大機會隨著越來越多的客戶采用和搭建起DeepSeek開源模型，對推理芯片和算力的需求正在攀升。
英偉達競爭對手之一Cerebras Systems主要為客戶提供AI芯片，并可以通過自家計算集群為客戶提供云服務，去年8月曾發(fā)布號稱是“全球最快的AI推理解決方案”的Cerebras Inference。
這家公司CEO Andrew Feldman向CNBC透露，DeepSeek R1模型發(fā)布之后，公司迎來了“有史以來最大的服務需求高峰之一”。“開發(fā)者非常想用DeepSeek R1這樣的開源模型取代OpenAI昂貴且封閉的模型。價格下降能推動全球使用范圍擴張，就像之前的PC和互聯網行業(yè)，而現在AI也正走在一條類似的長期增長之路上。”
另一家AI芯片制造商Etched也表示，自從DeepSeek發(fā)布推理模型以來，已有數十家公司向Etched伸出了橄欖枝，因此公司正在將支出從訓練集群轉向推理集群。“DeepSeek-R1證明了推理計算已成為每個主要模型供應商的‘最先進’方法，而推理思考并不便宜為了將這些模型擴展到數百萬用戶，我們將需要越來越多的算力�！�
“從DeepSeek的例子就能看到，較小的開放模型可以訓練得與更大的專有模型一樣強大，甚至更強，而且這可以以極低的成本實現。而小型模型的普及，將進一步催化推理時代到來。”AI芯片初創(chuàng)公司 d-Matrix首席執(zhí)行官Sid Sheth也表示。
在芯片初創(chuàng)公司和業(yè)內分析師們看來，DeepSeek有望加速“從訓練到推理”的AI周期，促進新芯片技術采用。
“簡單來說，AI訓練是構建一個工具或算法，而推理則是將這個工具實際應用于現實場景中�！盡orningstar半導體分析師Phelix Lee稱，AI訓練非常依賴算力，但推理可以在不那么先進的芯片上進行，這些芯片可以執(zhí)行較窄范圍的任務。
“AI行業(yè)的杰文斯悖論”
實際上，DeepSeek日前的表現也反應了算力還是不夠用。
2月6日DeepSeek突然暫停其API服務充值，按鈕顯示灰色不可用狀態(tài)。對此官方聲明稱，“當前服務器資源緊張，為避免對您造成業(yè)務影響，我們已暫停 API 服務充值。存量充值金額可繼續(xù)調用，敬請諒解！”
據國泰君安測算，假設DeepSeek日均訪問量為1億次每次提問10次，每次提問的回復用到1000個token，1000個token大概對應750個英文字母，則DeepSeek每秒的推理算力需求為1.6*1019TOPs。在這種普通推理情境下， 假設DeepSeek采用的是FP8精度的H100卡做推理，利用率50%，那么推理端H100卡需求為16177張，A100卡需求為51282張。
其進一步表示，在以DeepSeek為首的低成本推理模型的逐漸普及下，推理成本及價格大幅削減勢必會帶來應用側繁榮，由此將拉動成倍數的總算力需求提升。
未來的AI投入不再盲目“大力出奇跡”的Scaling Law，逐漸將重心從預訓練轉向推理，東吳證券認為，訓練+推理的整體需求依然樂觀，參考從2G到4G流量費用不斷降低，但因為用量的指數級提升，導致整體市場規(guī)模依然快速增大。
回看19世紀，英國經濟學家杰文斯發(fā)現，當通過技術提升，實現煤炭使用效率提高、成本下探，煤炭消費量反而會增加，從而提出了環(huán)境經濟學中廣為人知的“杰文斯悖論”。
站在160年后的今天，當DeepSeek通過技術降本，為AI應用打開更多落地場景，“杰文斯悖論”或許也將在AI行業(yè)應驗。
（科創(chuàng)板日報 鄭遠方）
