摘要：AI芯片初创公司可能不会这么认为。在他们眼中，这不是一个威胁，而是一个能“做大做强”的巨大机会——随着越来越多的客户采用和搭建起DeepSeek开源模型，对推理芯片和算力的需求正在攀升。

《科创板日报》2月8日讯 DeepSeek R1模型的横空出世，在全球范围内一度引发了对算力长期需求的质疑，甚至重挫英伟达股价。

算力需求真的将要萎缩吗？

AI芯片初创公司可能不会这么认为。在他们眼中，这不是一个威胁，而是一个能“做大做强”的巨大机会——随着越来越多的客户采用和搭建起DeepSeek开源模型，对推理芯片和算力的需求正在攀升。

英伟达竞争对手之一Cerebras Systems主要为客户提供AI芯片，并可以通过自家计算集群为客户提供云服务，去年8月曾发布号称是“全球最快的AI推理解决方案”的Cerebras Inference。

这家公司CEO Andrew Feldman向CNBC透露，DeepSeek R1模型发布之后，公司迎来了“有史以来最大的服务需求高峰之一”。“开发者非常想用DeepSeek R1这样的开源模型取代OpenAI昂贵且封闭的模型。价格下降能推动全球使用范围扩张，就像之前的PC和互联网行业，而现在AI也正走在一条类似的长期增长之路上。”

另一家AI芯片制造商Etched也表示，自从DeepSeek发布推理模型以来，已有数十家公司向Etched伸出了橄榄枝，因此公司正在将支出从训练集群转向推理集群。“DeepSeek-R1证明了推理计算已成为每个主要模型供应商的‘最先进’方法，而推理思考并不便宜——为了将这些模型扩展到数百万用户，我们将需要越来越多的算力。”

“从DeepSeek的例子就能看到，较小的开放模型可以训练得与更大的专有模型一样强大，甚至更强，而且这可以以极低的成本实现。而小型模型的普及，将进一步催化推理时代到来。”AI芯片初创公司 d-Matrix首席执行官Sid Sheth也表示。

在芯片初创公司和业内分析师们看来，DeepSeek有望加速“从训练到推理”的AI周期，促进新芯片技术采用。

“简单来说，AI训练是构建一个工具或算法，而推理则是将这个工具实际应用于现实场景中。”Morningstar半导体分析师Phelix Lee称，AI训练非常依赖算力，但推理可以在不那么先进的芯片上进行，这些芯片可以执行较窄范围的任务。

▌“AI行业的杰文斯悖论”

实际上，DeepSeek日前的表现也反应了算力还是不够用。

2月6日DeepSeek突然暂停其API服务充值，按钮显示灰色不可用状态。对此官方声明称，“当前服务器资源紧张，为避免对您造成业务影响，我们已暂停 API 服务充值。存量充值金额可继续调用，敬请谅解！”

据国泰君安测算，假设DeepSeek日均访问量为1亿次、每次提问10次，每次提问的回复用到1000个token，1000个token大概对应750个英文字母，则DeepSeek每秒的推理算力需求为1.6*1019TOPs。在这种普通推理情境下， 假设DeepSeek采用的是FP8精度的H100卡做推理，利用率50%，那么推理端H100卡需求为16177张，A100卡需求为51282张。

其进一步表示，在以DeepSeek为首的低成本推理模型的逐渐普及下，推理成本及价格大幅削减势必会带来应用侧繁荣，由此将拉动成倍数的总算力需求提升。

未来的AI投入不再盲目“大力出奇迹”的Scaling Law，逐渐将重心从预训练转向推理，东吴证券认为，训练+推理的整体需求依然乐观，参考从2G到4G流量费用不断降低，但因为用量的指数级提升，导致整体市场规模依然快速增大。

回看19世纪，英国经济学家杰文斯发现，当通过技术提升，实现煤炭使用效率提高、成本下探，煤炭消费量反而会增加，从而提出了环境经济学中广为人知的“杰文斯悖论”。

来源：财联社