DeepSeek是否利空算力？

長遠來看，算力才是真正的決勝因素。

原標題：DeepSeek是否利空算力？
文章來源：智猩猩GenAI
內容字數：3787字

DeepSeek V3與R1：開源浪潮下的算力博弈

本文總結了關于DeepSeek V3和R1模型訓練成本及開源對算力市場影響的討論要點，主要觀點是：開源模型的崛起，特別是DeepSeek系列，正在重塑AI算力格局，并最終利好整個行業。

1. 訓練成本的：遠超550萬美元

   網絡廣泛流傳的DeepSeek V3 550萬美元訓練成本，僅為其正式訓練成本的冰山一角，未包含前期研究、實驗等費用。 幻方R1的訓練成本更是遠高于V3，這體現了前沿探索與后發追趕在算力需求上的巨大差異。

2. 算力效率提升并非成本降低：而是更高效地攫取更大收益

   算法進步、算力通縮、模型蒸餾等技術提升了訓練效率，但并未降低整體訓練成本。相反，這使得模型訓練者能夠利用更高的效率，榨取更多算力，以獲得更大的收益。 這解釋了為何即使在算力效率提升后，像幻方這樣的機構仍在面臨算力不足的問題。

3. 開源的勝利：閉源模型的挑戰

   DeepSeek的開源，代表著開源模型對閉源模型的一次重大勝利。 這在國內已有所體現，一些未能趕上開源模型步伐的閉源公司面臨倒閉或轉型。 未來，如果閉源模型無法超越開源模型的性能，其API價值將大幅下降。 然而，這也將導致模型訓練參與者的減少。

4. 推理成本的降低：應用繁榮的引擎

   DeepSeek V3在推理成本上的降低，比訓練成本的降低更為顯著。其兼容性強，支持多種類型的GPU，這將促進LLM應用的繁榮，并最終拉動更大的算力需求。 這與早期昂貴的推理成本形成鮮明對比。

5. 北美算力投資的反思：從浪費到繁榮

   北美大型云服務提供商過去兩年投入巨資用于算力建設，但其中一部分可能因早期探索而浪費。 然而，開源模型的繁榮最終將利好這些云服務提供商，因為算力需求將轉向推理，而非僅僅是訓練。 這印證了“算力才是真正的決勝因素”的觀點。

6. 未來展望：算力與應用的雙重增長

   未來，算力需求將主要來自推理，而非訓練。 開源模型的快速迭代和應用生態的繁榮，將持續推動算力需求的增長。 這將形成一個良性循環，驅動整個AI行業的進一步發展。

聯系作者

文章來源：智猩猩GenAI
作者微信：
作者簡介：智猩猩旗下賬號，專注于生成式人工智能，主要分享技術文章、論文成果與產品信息。