“算力崩塌”，是真是假

2025-05-13 12:34 投資人說

算力基礎設施仍是一種人工智慧時代不可或缺的創新土壤、社會資源。
來源 | 巨潮WAVE
作者 | 謝澤鋒 
DeepSeek的開發成本極低，開源、服務完全免費——
這讓山姆·奧特曼和其他AI人工智慧的從業者“印象深刻”，讓世界首富馬斯克破防，讓瑞·達利歐對美股深感擔憂。
知名投資人“木頭姐” 凱茜·伍德甚至直言：
DeepSeek加劇了人工智慧的成本崩潰。
“神秘的東方力量”讓全世界為之側目，也引發了中美AI領導地位更替的思考。
不過，對於算力進行重新判斷，可能仍然為時尚早。
當前，我國AI算力部署佔全球算力基礎設施的26%，名列世界第二。
在“算力即國力”的思潮下，東數西算等數字基礎設施工程正積極進行。
DeepSeek顛覆了固有的“大力出奇跡”的大模型效能提升路徑，短期內對算力需求預期會出現大幅下降。
但長期來看，算力部署仍然有大規模需求擴張的基礎。
正在進行的超大規模算力投資，對於中國科技產業來說，仍是一筆巨大的財富。
Deepseek帶來的對算力成本的大幅節省，與如今中國大規模投入的算力基礎設施建設並不衝突。
01

顛 覆

DeepSeek的顛覆性創新，在於極致的效率革命。
它僅用不到OpenAI十分之一的成本，就達到了後者最新大模型的效能。
1月20日，DeepSeek 正式釋出DeepSeek-R1模型系列。
大模型排行榜Chatbot Arena上，DeepSeek- R1的基準測試排名已升至全類別第三，與ChatGPT-4o最新版並駕齊驅，並在風格控制類模型分類中與OpenAI-o1並列頭名。
R1模型雖未公佈訓練成本，但據DeepSeekV3技術報告——
V3模型的訓練總計只需要278.8萬GPU小時，相當於在2048塊H800 (英偉達特供中國市場的低配版GPU)叢集上訓練約2個月，合計成本僅557.6萬美金。
有傳言，R1模型的訓練成本基本相當，但引數規模達到驚人的6710億，這些資料都足夠令外界震驚。
作為對比，GPT-4o模型的訓練成本約為1億美元，需要英偉達GPU量級在萬塊以上，且是比H800效能更強的H100。
同樣是開源模式的Meta Llama 3 系列模型，其訓練需要多達3930萬H100 GPU小時，DeepSeek的訓練成本約相當於Llama 3的7%。
也有AI大佬表示過，僅DeepSeek-V3級別的能力就需要接近16000顆GPU的叢集。
也就是說，這家中國初創AI公司僅用不到十分之一的成本，就達到了世界一流水平。
這種顛覆性的成本優勢，極有可能改變過往“高投入、高算力”的研發路徑，市場對算力硬體需求持續高增長的預期或產生動搖。
“四兩撥千斤”的能力源於其自研的MLA和MOE架構，為其自身的模型訓練成本下降起到了關鍵作用。
此外，R1模型使用資料蒸餾技術（Distillation），透過一系列演算法和策略，將原始複雜的資料進行去噪、降維、提煉，從而得到更為精煉、更為有用的資料，提升訓練效率。
模型蒸餾可以透過訓練小型模型模仿大型模型，廣泛應用於提高AI效率與降低成本。
比喻來說，DeepSeek相當於透過更高效的學習方法獲得了優異分數，而OpenAI還在搞題海戰術。
關於“蒸餾技術”網路上出現了一些爭議
OpenAI的訓練非常依賴人工——
其資料團隊甚至分為不同水平的部門，大量資料標註還要轉交給肯亞等廉價外包勞工，高維資料還需更高素質的專業人員進行標註。
這些都是成本。
近期OpenAI和一些輿論也在公開指責DeepSeek團隊透過“模型蒸餾”技術“違規復制”其產品功能，但始終未提供具體證據。
而且“資料越多效能越強”屬於慣性固有思維，因為資料量越多，其中的干擾也將隨之變大。
在此之前，市場上已經有“人工智慧變蠢了”的討論出現。
也就是說，如何對資料進行清洗和精煉，同樣是提升模型能力的關鍵。
透過創新訓練方法，DeepSeek改變了堆砌算力的共識。
正如創始人梁文鋒所說：“我們想去驗證一些猜想。”
02

改 寫

半導體領域普遍遵循摩爾定律，AGI行業則是沿著Scaling Law（模型規模定律）向前演進。
Scaling Law被業界認為是大模型訓練的“第一性原理”，模型效能與規模（引數量、資料大小、算力資源）呈正相關——
引數越多、計算資源越大，模型的效能就越強。
好比一箇中學生，給他提供更豐富的學習資料、更長的學習時間和更好的學習環境，他的學習成績普遍會更好。
此次AI浪潮正是以Scaling law為底層邏輯的技術革命。
但DeepSeek的出現打破了這一定律，或者至少讓Scaling law的邊際效益出現放緩的跡象。
這帶給業界的啟示是，人工智慧產業將不再一味追求大規模算力的投入，而是在模型架構和工程最佳化結合上進行突破。
粗放式的瘋狂投入發展階段逐步退潮，AI創新進入追求效率，追求模型架構設計、工程最佳化全新階段。
正如達摩院首席科學家趙德麗所認為的——
大模型可以看成是知識的壓縮，怎麼利用知識產生更好的智慧，就是基於基礎模型的思維推理必然發展的方向。
如微軟rStar-Math無需蒸餾，用60塊A100訓練的7B模型在數學推理上可媲美 OpenAI-o1；
上海 AI 實驗室的書生·浦語3.0，僅使用4T資料進行訓練，綜合性能超過了同量級的開源模型，而且訓練成本降低了75%以上。‌
DeepSeek帶來的“正規化轉移”，不僅破除了科技大廠建立的技術領先壁壘，同時還打破了重資本比拼的遊戲慣例。
而且它不僅開源，而且還免費。
作為回應，OpenAI緊急上線新一代推理模型o3系列的mini版本，並且首次免費向用戶開放其基礎功能。
奧特曼承認，“我個人認為，在（開閉源）這個問題上我們站在了歷史的錯誤一方，需要找出一個不同的開源策略。”
效率最佳化策略，無疑給網際網路大廠們的超級願景潑了一盆冷水。
字節跳動2024年在AI賽道的資本開支就高達800億元，接近BAT的總和；
微軟、谷歌、亞馬遜、Meta、蘋果五巨頭合計資本開支2253億美元，2025年有望繼續增長19.6%。
其中，單是微軟就計劃在2025財年砸下800億美元，用於建設人工智慧資料中心。
就在DeepSeek-R1模型釋出兩天後，美國政府就聯合OpenAI、軟銀、甲骨文等啟動“星際之門”專案，計劃在未來四年內最高投資5000億美元。
孫正義還宣佈要給OpenAI投資250億美元。
巨頭們期望透過“軍備競賽”，維持自身在AI領域的全球領導地位。
此前，美國大廠為GPT-5、Llama4等下一代模型正使盡全力補充算力。
奧特曼甚至一度去找到中東鉅富，計劃籌集7萬億美金建設一座超級資料中心和晶片製造廠。
DeepSeek的出現，改變了這種超大規模擴張算力的行業發展“固定路徑”，但同時也出現了一種應該徹底放棄算力建設的聲音。
03

 過剩？

國家算力戰略部署的複雜性，顯然會超過一般輿論討論所得出的結論。
尤其是，我國算力基礎設施目前仍處於初步搭建階段，還遠未到過剩狀態。
一方面，隨著訪問量急速飆升，使用者蜂擁而至，DeepSeek深度思考和聯網搜尋功能也出現了宕機情況。
DeepSeek移動應用上線僅18天就迎來了1600萬次下載——
幾乎是ChatGPT同期的兩倍，更是成為全球140個市場中下載量最高的APP。
另一方面，需要注意的是，DeepSeek目前僅支援文字問答、讀圖、讀文件等功能，還未涉及圖片、音訊和影片生成領域，未來要想突破文字範疇，其對算力和前期訓練成本的投入都將呈幾何級飆升。
對於其他追隨DeepSeek的大模型公司來說情況也是類似，隨著使用者的增長和產品線的不斷豐富，最終都需要不斷擴張算力。
目前國內各大投資機構都在“瘋狂對接”DeepSeek，顯然是對此有非常清晰的判斷。
百度CTO王海峰就認為，規模定律（Scaling Law）仍然有效，更高質量更大規模的資料、更大的模型將會帶來更強的能力。
目前算力建設已成為國家級戰略。
2024年《政府工作報告》中就明確提出，適度超前建設數字基礎設施，加快形成全國一體化算力體系。
根據《中國綜合算力指數（2024年）》報告，截至2023年末，我國算力基礎設施規模佔全球的26%，名列第二，僅次於美國。
工信部資料顯示，截至2024年9月，我國算力總規模246EFLOPS（每秒進行百億億次浮點運算的能力），在用算力中心機架總規模超過830萬標準機架。
此前，六部門聯合印發《算力基礎設施高質量發展行動計劃》，其中指出到2025年，我國算力規模將達到300EFLOPS，智慧算力佔比要達到35%。
“東數西算”工程早在2021年5月就已啟動，京津冀、長三角、粵港澳大灣區、成渝、貴州、內蒙古、甘肅、寧夏八大樞紐和10大叢集雛形已現。
國內已建、正在建設的智算中心超過250個，規劃具有超萬張GPU叢集的智算中心已有十多個，國產晶片廠商也因此受到極大關注。
華為昇騰910B、寒武紀思元590、百度昆倉芯II-R200、海光資訊深算二號，加上中芯國際，共同形成了對抗英偉達、AMD的中國軍團。
這些大規模部署和研發投入，都具有歷史性的戰略意義，是人工智慧時代的重要社會財富。
04

寫在最後

用低成本開發出優質產品，是中國在資源匱乏的歷史條件下，實現工業現代化的獨特文化。
而美國則擅長所謂的“範佛里特彈藥量”，倚仗超大規模投入獲得超級領先地位。
在當前的世界經濟格局中，中國家電、光伏等製造業基本都是以高性價比策略取勝。
DeepSeek的成功，也是在另一個領域中體現出了中國智慧、巧思和韌性。
中美AI拉鋸的混戰中，原先還處在追趕階段的中國企業，突然以一種領先或顛覆者的身份出現，讓全球科技界大為吃驚。
但我們仍需要保持冷靜和謙遜的心態。
就像梁文鋒所說的：
在美國每天發生的大量創新裡，這是非常普通的一個。
他們之所以驚訝，是因為這是一箇中國公司，以創新貢獻者的身份，加入到他們的遊戲裡去。
也正因如此，算力基礎設施仍是一種人工智慧時代不可或缺的創新土壤、社會資源。
  ·   END   ·  
視 頻 推 薦
合 作 對 接
尋求報道、商務合作、投融資對接媒體互推、開白、投稿、爆料等……

掃碼新增投資人說運營者微信，備註「商務合作」詳細溝通。


超 級 社 群
【投資人說】正在組建超級投資者社群、超級創業者社群、超級讀者群、超級媒體群等，目前總人數已超1000人。
關注【投資人說】微信公眾號，傳送資訊「進群」，與各行業精英直接交流，共同進步。
旗 下 媒 體
發現贊和在看了嗎，戳下看看

相關文章