DeepSeek引发算力怀疑论，英伟达股价大跌超10%，大模型不再需要堆GPU？

虽然最新推出的深度推理模型DeepSeek-R1已发布过去一周，但这款公司引发的大讨论正在让其进一步受到更多关注。

DeepSeek应用同时登顶苹果中国区和美国区苹果Store免费APP下载排行榜，美区下载榜力压ChatGPT，这是历史上首次中国应用能同时在中美苹果App Store占据第一位。

DeepSeek引发算力怀疑论，英伟达很受伤

“中国的DeepSeek可能代表对美国股市的最大威胁，因为该公司似乎以极低的成本构建了一个突破性的人工智能模型。这让人质疑投入该行业的数千亿美元资本支出的实际效用。”德国世界报知名市场评论员Holger Zschaepitz说到。

此前，大模型被认为是需要依靠预训练Scaling Law而迭代演进，算力则是其中的关键因素。

然而，DeepSeek现在则提供了另一种可能，其借助低廉的训练成本，实现了模型性能的巨大提升，这也是被业内持续称赞的核心因素之一。

去年12月，DeepSeek推出的DeepSeek-V3通过优化模型架构和基础设施等方式，展现了极致性价比。当时，该模型不仅在多个主流评测基准超越阿里、Meta等所有开源模型，并媲美GPT-4o、Claude-3.5等最强大的闭源模型。

更让业内震惊的是，DeepSeek-V3的训练成本只用了557.6万美元，包括预训练、上下文、后训练，其在由2048块H800组成的GPU集群上训练3.7天，预训练耗时不到两个月。

AI大神、OpenAI创始成员Andrej Karpathy（安德烈·卡帕西）用“a joke of a budget”（玩笑般的预算）表达了对成本的惊讶。

这远远低于主流模型的训练成本。公开信息显示，Llama-3-405B在约1.64万块H100 GPU集群上训练，预训练时间54天，成本超5460万美元，是DeepSeek-V3的10倍多。

类似GPT-4o、Claude-3等模型则是在数万块GPU上训练，成本高达1亿美元，是DeepSeek-V3成本的近18倍。

DeepSeek最新发布的深度推理模型DeepSeek-R1，在数学、代码、自然语言推理等任务上，性能则比肩o1正式版。

更关键的是，DeepSeek-R1创新了训练路径，其拒绝采样和监督微调，通过纯强化学习进行训练，摆脱了以往需要依赖大量数据监督微调来提升模型性能的路径，这也是业内首次证明大模型可以通过纯强化学习进行提升。

不过，DeepSeek并未披露DeepSeek-R1的训练成本，但其相较o1依然具备明显价格优势。该模型API服务定价为每百万输入tokens 1元（缓存命中）/4元（缓存未命中），输出为每百万输出tokens 16元，不到o1的4%，意味着其成本仍可能远低于o1。

这也让业界“恍然大悟”：原来不靠大规模的算力，也可以训练出模型性能媲美GPT-4o和o1的模型，由此引发了对大模型算力决定论的质疑。

“DeepSeek R1在OpenAI、Meta、Grok以及谷歌的屁股下点了一把火，就像Open AI在第一次推出ChatGPT时那样震撼。如果去掉人力瓶颈，达到o1级性能真的不需要花太多钱！”有评论称。

加利福尼亚大学伯克利分校教授亚历克斯·迪马基认为，DeepSeek的技术路线揭示了一个残酷事实——达到顶尖性能未必需要天文数字投入，这对硅谷的烧钱竞赛无异于釜底抽薪。

澜舟科技创始人&CEO周明发文表示，DeepSeek从技术突破到APP登顶，不仅成功改写了AI行业发展的轨迹，更有力地宣告了大模型轻量化的重要意义和所谓的Scaling Law的终结。

“这是技术极致主义的胜利，更是中国人才智慧与创造力的胜利。那些对OpenAI亦步亦趋，拿Scaling law忽悠，瞧不起中国人才的所谓大咖可以回去洗洗睡睡了。”

“过去如果想在AI创业中位于前列，那么必须面对巨大的支出。DeepSeek为硅谷从业者打开了眼界——用几千万就能做出这样一个模型。”硅谷风头人Chetan Puttagunta表示。

自ChatGPT诞生以来，算力成为大模型最核心的资源。Scaling Law信仰者认为，卡越多，就能训练出更强大的大模型。

科技巨头由此也在持续进行算力竞赛，从万卡集群到十万卡集群，微软、谷歌、Meta，以及马斯克的xA为此都在抢英伟达的芯片。这也推动英伟达的业绩和股价在过去两年翻倍爆发，成为这波浪潮最大的受益者。

但DeepSeek则证明，不用万卡、不用高额的成本，依靠算法、工程等方面的组合创新和极致效率，同样可以训练出类似GPT-40和o1的模型，实现花小钱、办大事。

显然，这让市场对支撑英伟达的算力信仰产生了动摇。

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。”

纽约大学教授盖瑞·马库斯（Gary Marcus）认为，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。

不过，目前最紧张的可能是Meta。Meta CEO扎克·扎克伯格在最近的一档播客节目中坦言，DeepSeek的技术非常先进，中国正在全力追赶，甚至让人担忧这一开源模型可能会影响美国的科技领先地位，“这是一场差距很小的竞争”。

最新报道显示，Meta生成AI小组和基础设施团队的经理和工程师已开设四个作战室来学习DeepSeek的工作原理。

其中两个动员起来的小组正在试图了解如何降低训练和运行DeepSeek的成本；第三个小组正在试图弄清楚可能使用哪些数据来训练其模型，第四个小组正在考虑基于DeepSeek模型属性重构Meta模型的新技术。

“工程师们正在争分夺秒地分析DeepSeek，试图复制其中的一切可能技术，这绝非夸张。”有Meta研究员表示。

全球最大开源平台HuggingFace也宣布将复刻DeepSeek-R1，完成之后，所有的训练数据、训练脚本等，亦将全部开源。DeepSeek已飙升至该平台下载量最多的模型，DeepSeek-R1已超13万次。

过去业内都在尝试复现OpenAI，但由于闭源，使得复现难度很大。如今DeepSeek走的则是开源路线，并在技术论文中详细地介绍了使用的算法、策略、框架以及尝试的失败经验等，意味着这条路可能会更容易被复现出来。

不过，有观点认为，DeepSeek的出现，使得硅谷几乎陷入自证悖论——即便真的复现成功，Meta等也不可能公布复现结果，从而证伪自己的巨大估值和大额资本支出的必要性。

此前，微软和OpenAI等发文强调AI基础设施的重要性，微软表示将投入800亿美元，并呼吁美国加强投入以确保领先地位，而谷歌、亚马逊、Meta也都有计划增加AI支出的计划。

微软副董事长&总裁Brad Smith（布拉德·史密斯）此前发文表示，中国AI领域的快速发展加剧了美国和中国AI之间的竞争，很可能在接下来的四年中在全球市场展开，这场竞赛很可能由最快的先行者赢得。

此前，美国政府则宣布了5000亿美元的“星际之门”计划，OpenAI、软银、甲骨文、微软、英伟达等巨头等均有参与。

不过，马库斯认为，除非出现重大变数，否则即便投入5000亿美元的基础设施建设，未来数年内中美两国都难以在这场竞争中取得决定性优势。

他预测称，技术进步将更趋于渐进，创新会很快被追上。“GPT-5类模型终将问世，但无论是哪家公司拔得头筹，领先优势都将转瞬即逝。”

同时，马库斯认为，到2027年底，中美两国都不太可能实现AGI。在LLM领域无休止的竞争，只会消耗原本用于更创新方案的宝贵资源。

这是否意味着前沿大模型不再需要大型算力集群？“并不是，但你必须确保不会浪费你所拥有的，且在数据和算法方面还有很多事情要做。”安德烈此前提到。

黄仁勋在CES2025演讲中提到，Scaling Law是AI行业一个强大的经验法则，且将继续。不过，除了预训练Scaling Law，还有后训练Scaling Law和推理Scaling Law，这都将带来巨大的计算需求。

周明认为，随着预训练和推理等关键技术的攻克，模型轻量化导致的成本的大幅度降低，开源带来的普惠，AI 应用的爆发之势已然蓄势待发，智能体作为核心载体，将开启一个全新的智能化时代，企业将可以用很低的成本实现应用大模型技术。

随着AI应用的加速落地，算力需求将从训练转向推理，而DeepSeek则可能会加速这一趋势，即未来推理算力的需求将成为主要驱动力。对于目前聚焦于训练侧的英伟达来说，可能需要作出调整，以应对市场的变化。