2月12日上午盤中，但斌執掌的私募機構東方港灣公開發文：
此前，圍繞這位百億私募大佬的最新季報組合，以及他長期看好的英偉達與“DeepSeek衝擊波”，討論十分激烈。
作為過去兩年私募主動投資的“冠軍”，但斌一直看好並重倉包括英偉達在內的部分海外科技股。
但斌對英偉達的高倉位押注，還疊加了槓桿工具，可謂對晶片龍頭股保持相當高的預期。
如今，他從技術角度，回應了DeepSeek“火爆全網”後引發的三大投資“疑問”
1） 中國團隊在算力卡脖子的情況下，仍能研發出全球領先的AI大模型，是否說明了今後AI的進步不需要算力？
2） Deepseek團隊透過修改PTX指令集，優化了GPU的使用，是不是意味著繞過CUDA的壁壘，今後使用國產晶片可以暢行無阻了。
3） 中國模型的降本與平權，會帶來什麼投資機會與風險？
全球算力需求還會增加
但斌在文章中指出：Deepseek的成果會增加全球AI算力的需求，而非減弱。
他認為市場最大的誤解是，從根本上把演算法、算力和資料三者進行對立，誤認為演算法的創新進步，是對算力和資料形成了“替代和競爭”。
“而實際上，演算法、資料和算力三者之間，是一種‘協同關係’。”
假設過去演算法低效時，單位晶片在一個用例上只能服務10個使用者；現在演算法提效了，同一晶片可以服務100人。該晶片如果不提價，其價值量肯定是翻了10倍，而不是變得更低。如果一個商品的價值量提升了10倍，而價格不變，那麼需求一定是上升的，這是經濟學常識。
AI應用普及將加快
但斌進一步指出：成熟AI模型的“降本與平權”已是過去2年大趨勢。2025開年Deepseek作為“追趕者”送出的大禮包也在這一趨勢內，這是走向“應用普及”的必經之路。
而成熟模型的降本與前沿模型的探索是兩碼事，想爭做AI時代模型的領頭人，所需算力和資源都不是小數，這也是除了Openai以外許多巨頭的野心。
世界上任何一種技術的發展，基本遵循著“創新－跟隨－降本”的發展模式。前沿的“探索者”會花重金和時間進行實驗探索，最終找到一個有效果的技術方案，並將其商品化；
緊接著，社會會出現一大批“跟隨者”，沿著探索者的思路去復現其產品，並在工程上進一步降本最佳化。這種成本最佳化的思路又會回到探索者那裡進行整合和降本，雙方相互學習，相得益彰。
在所熟知的領域裡，包括了創新藥與仿製藥，特斯拉與中國電動車，還有大模型領域，皆是如此。
傑文斯悖論
但斌還提及，隨著AI成本的大幅下降，AI應用普及帶來的推理需求才是算力的主場。
我們在年度思考中對比過o1模型的推理成本，在每百萬token55美金的輸出價格下，Agent應用使用推理模型幾乎是寸步難行。而短短不到一個月，推理模型成本被追趕者的工程最佳化降低了100倍，我們預期的Agent應用生態，在以極快的速度向我們走來。
Deepseek帶火了一個概念——傑文斯悖論，指的是當資源使用效率提高後，資源的消耗總量不會下降，反而會增加的經濟現象。該理論最早於19世紀應用於煤炭的消耗問題。當瓦特改進蒸汽機，提高了煤炭利用率後（單位動力耗煤量大幅下降了75%），燒煤蒸汽機被更廣泛地應用到工廠、鐵路和船舶上，反而加速了煤炭消耗總量，也提升了煤炭價格。同樣的情況，也發生在當汽車燃油效率提升（每公里耗油更少了），帶來的行駛里程和總油耗的大幅增長，以及LED燈節能導致更長開燈時間和更多地方安裝燈光，總體耗電量不降反升的情況。
當一項技術未被大面積採用之前，其單位資源消耗量的下降，反而會促進整體資源消耗總量的上升。同樣的情況，也會在AI模型的應用身上發生，因為AI時代才剛剛開幕。
CUDA的壁壘不會被削弱
另外，但斌還很有信心的認為，CUDA（英偉達所推出的一種軟硬體整合技術）的壁壘在未來不會被削弱。
他舉了一個例子：AMD（一家美股晶片公司）正在透過HIP轉換器，將CUDA程式碼遷移，仍然存在效能損失和適配成本。這類似於在蘋果電腦上執行Windows系統——雖然技術上可行，但效能、相容性和體驗通常比原生環境差。除此之外，幾乎沒有更好的替代方案。
他還提及了一個細節，內地團隊為了最佳化英偉達晶片的使用效率，不滿足於CUDA的高階語言編輯，直接在底層編輯PTX指令集，對H800晶片中的流處理器進行通訊任務分配的修改，從而一定程度提高了全互聯的通訊效率和穩定性。很多人看到這裡，會認為相關團隊沒有使用CUDA軟體，而是用PTX組合語言對GPU進行功能修改，因此團隊具備能力繞過CUDA，使用匯編語言在其他廠商的晶片上去復現模型的訓練，這是很大的誤解。
相關團隊之所以能夠使用PTX（全稱為：平行計算任務執行緒的執行）進行任務執行的最佳化，也是英偉達架構的“可編輯性”所允許的。英偉達經常會吸收開發人員編輯PTX的創新工程方法，反過來最佳化官方的CUDA運算元，這也是CUDA生態的反哺優勢。
他自己很樂觀的認為：CUDA並未被繞開，壁壘反而被增強。
AI應用會湧現各種投資機會
但斌進一步提出觀點：隨著技術發展，全球的AI應用會湧現各種投資機會，而大模型企業的商業模式會繼續飽受挑戰。
DeepSeek以一己之力，短短一個月為全國人民做了一次“AI科普”，並在模型能力和推理成本上追平甚至超越了大多數美國模型。
其更重要的貢獻在於發現了一種高效的方法，即利用經過強化學習訓練並具備推理能力的大模型進行蒸餾，從而生成包含“思維鏈”的樣本資料，並對小模型進行直接的監督微調。
但斌還指出一個細節：在大模型領域，即沒有網路效應也沒有專利保護，希望成為領頭羊的模型企業，只有持續保持前沿模型領先，才能維持巨大的使用者數量和定價優勢，以彌補前期高額的探索成本。這種難度現在也變得越來越大了。
⭐星標華爾街見聞，好內容不錯過
⭐
本文不構成個人投資建議，不代表平臺觀點，市場有風險，投資需謹慎，請獨立判斷和決策。
覺得好看，請點“在看”
