DeepSeek现象背后：算法博弈与巨头焦虑

　　21世纪经济报道记者孔海丽北京报道

　　从2024年12月发布V3大模型，到最近推出R1模型和多模态模型Janus-Pro，DeepSeek持续出圈，形成了全球AI界甚至整个科技圈的“DeepSeek现象”。

　　多次采访马斯克等AI企业家的知名播客主持人莱克斯·弗里德曼（Lex Fridman），用了一个词叫做“DeepSeek 时刻”，“我认为 5年后它仍将作为科技史上的关键事件被人们铭记。”

　　DeepSeek出圈的原因之一是，它采用“更聪明”的算法，把AI训练成本砍掉近60%，却实现甚至超越了同类模型的性能。简单来说，同样的产品，别人花100块训练一个AI模型，它只要40元。这种“省钱打法”直接戳中了行业的痛点——过去拼的是谁能买更多高价芯片，现在比的是谁能把芯片用得更好。

　　DeepSeek不仅提供了新的AI技术路线，更重要的是，它在硅谷和华尔街联合主导的AI叙事铁墙上撕开了一道口子。

　　但自豪和兴奋之余，还是要保持清醒的头脑。且不说，在资金、技术、人才等方面，以DeepSeek为代表的新创AI企业，尚无法向OpenAI、Anthropic 这些巨头发起全面挑战，单单就V3、R1而言，其算法优化也有代价：处理复杂场景时，它的表现明显不如烧钱堆出来的大模型。就像用精简版PS软件修图——日常够用，专业场景会露怯。何况，短时间内我们还不足以撼动英伟达巨头们的硬件江湖。

　　摆脱硬件依赖尚不现实

　　在“DeepSeek现象”推动下，未来的算力图景，并非单一曲线绘就。

　　一方面，像DeepSeek这样的产品，更高流量、更低开发和消费成本，可能带来AI应用的突然爆发，这是所有从业人员梦寐以求的场景。

　　另一方面，当训练成本下降刺激更多公司入场，消费者应用呈指数级增加，催生AI生态链全面繁荣，芯片需求将迎来超乎预期的增长。

　　硬币两面，恰好构成了算力命题的悖论。

　　但是，业内人士援引腾讯之前发布的白皮书，AI Agent应用要实现跳跃式增长乃至爆发，必须闯过三关：场景渗透率大于15%、任务完成度大于80%、用户信任度大于60%。

　　仅以信任度为例，此前Gartner的一项抽样调查显示，64%的人表示，不希望在客户服务中使用人工智能。

　　目前AI Agent应用的技术能力仅满足简单场景，如客服、日程管理等。而复杂决策如医疗咨询、法律建议等，仍存在难以填补的缺陷。AI最大的应用场景是教育、医疗、金融等，但是，误诊率5%的AI医生看病，依然很难被接受。就好比，无人驾驶比人类更安全，但无人驾驶每出现一次事故都会被凝视。人类对AI的信任，只是处于初始水平，此外还面临着各国隐私保护法规、用户习惯、能源约束、技术路线分歧、多智能体协作、伦理困境等方面的挑战。

　　业内此前预计，要到2026年前后，才将出现AI信任度的分水岭（大于60%）。“DeepSeek现象”会不会加快这个时间表的到来？现在没有人能够断定。

　　有人说，2025年将是AI Agent应用元年。而DeepSeek通过异构计算架构、CPU+FPGA+ASIC混合部署和动态负载均衡算法等创新，将单位算力产出提升2倍多，这是否意味着它探索的技术方向将打破算力垄断，导致算力过剩？

　　这关系到算力现状。其特点是严重不均衡。一是地区不均衡。北美尤其是美国占据了全球算力最大份额，其次是中国，但高端算力基本集中在北美。

　　二是供应不均衡。通用算力芯片厂商主要是英伟达，占据70%以上份额，2025年其GPU销量预计可达700万块；BSIC芯片的主要厂商是博通和Marvell，合计占有超60%的份额；云计算方面，谷歌、微软、亚马逊占据全球65%的市场份额。这就是大家所说的算力垄断。

　　三是企业不均衡。微软、Meta、谷歌、亚马逊、xAI几大巨头目前囤积的算力总共约合355万块等效H100，这还不包括AI新贵OpenAI在内。其他经济体企业能拿到的芯片量，无法与之相比。

　　算力供需还存在结构性错配的问题。从纵向看，随着多模态应用的普及，推理侧的算力需求增速已经超过训练侧，但算力还主要布局于训练侧，调整需要一点时间；从横向看，大量算力被消耗在数据清洗和模型调试等非核心环节。

　　以大模型算力为例。2024年下半年以来，大模型算力已经从训练向推理转移，其中占据推理算力市场最大份额的，仍然是英伟达。

　　《中国算力发展报告（2024）》援引援引IDC报告，截至2023年四季度，英伟达全球市场份额达95.9%。英伟达通过在CUDA和GPU两端同时发力，构筑了软硬协同的护城河。有人说DeepSeek通过架构革新，绕开了CUDA，冲破了它的护城河，这其实是误读。多位专家研读DeepSeek公开（开源））论文后表示，V3、R1的底层架构仍然是基于CUDA生态建构。

　　在这种市场格局下，其他区域及其厂商要发起挑战，试图打破巨头垄断，摆脱以英伟达为代表的算力依赖，更多是乐观主义的展望式预期。除非量子芯片实现规模化商用，但那是5年甚至10年以后的事。

　　至于算力过剩，短期内不存在，整体上仍然是供大于求。《中国算力发展报告（2024）》援引中国信通院数据，截至2023年底，全球算力规模同比增长40%，但以CPU为代表但芯片年性能提升不足15%，无法满足视频、图片等非结构化数据的处理需求。赛迪智库2024年初测算，2023年中国智能算力需求达到123.6EFLOPS，但智能算力供给规模仅为57.9EFLOPS，严重供不应求。“DeepSeek现象”目前看来是增加了而不是减少了硬件需求。比如，32G的英伟达RTX50系显卡，近半个月涨势凶猛，最高已经炒到了6万元以上。其中部分原因在于，消费者购入RTX50显卡去做DeepSeek V3、R1本地化部署。

　　AI巨头为何焦虑

　　既然DeepSeek尚未突破硬件限制，所做的也是巨人肩上的创新，但为什么还是引起美国AI巨头的焦虑甚至恐慌？

　　从表层看，美国AI巨头嗅到了危机，不是因为技术被超越，而是实现目标的技术路径变了，新创企业有了更多选择。就像燃油车时代比拼的是发动机，电动车时代比拼的是电池管理技术。DeepSeek证明了硅谷堆硬件堆数据的路线不是唯一选择，高效用好现有资源同样能打。

　　DeepSeek省钱省力的R1模型发布时，刚好是OpenAI、软银、英伟达等科技巨头宣布5000亿美元算力基建——星际之门计划的时间段，放在这个背景下对比来看，美国AI巨头的刺痛感就更强烈了。

　　一位资深AI观察人士告诉21世纪经济报道记者，DeepSeek发起的这场“效率革命”，是AI发展从技术理想主义转向工程实用主义的标志性事件。它证明了，在现有硬件和物理约束条件下，通过计算拓扑结构优化获得的边际收益，远高于单纯增加芯片数量的线性增长。

　　这解释了为何美国AI巨头会产生战略焦虑的深层因素——当工程创新能力开始在AI竞争中脱颖而出，硅谷长期主导的技术先发优势就面临重估，而且它也将带来AI叙事的重估，背后是资本和资本市场的重估。

　　宏观趋势研究学者、经济学家David Woo近日接受访谈时表示，过去两年，人们一直在谈论美国经济的“例外主义”，而AI是推动这一论断形成的重要因素。美股市值占全球资本市场的份额达63%，其中ChatGPT出现后的两年，就增加了10个百分点，而七大科技巨头又占美股市值的25%。这些巨头正是依靠AI技术的强大优势巩固了它们的地位，从而间接巩固了美国资本市场的优势地位。