【DeepSeek】华尔街多头分析师-嘴硬-表态 - DeepSeek的创新不是算力利空

　　作为周一全球股市的风云事件，随着DeepSeek击碎了“只有疯狂烧钱才能搞AI”的信仰，算力产业“卖铲人”们集体暴力大跌。

　　截至发稿，高性能GPU和ASIC芯片的“两朵金花”英伟达和博通，双双抱团下跌超15%。台积电、阿斯麦、东京电子等产业链概念股一同走弱。今年表现优异的“AI+电力/核电”概念也出现宣泄式的狂跌，大牛股星座能源、Vistra能源、燃气轮机制造商GE Vernova、核电牛股Oklo和NuScale能源盘中下跌幅度都摸到过20%。

（英伟达、博通、星座能源日线图，来源：TradingView）

　　归根结柢，是因为AI产业大牛们纷纷在互联网上兴奋地表示，DeepSeek提供了一种在极低成本下，训练出与OpenAI等业内巨头性能相近大模型的渠道，并且能够在全球各地的工程团队中复现。这些话传到华尔街，变成了对超级巨头估值合理性的疑惑。

　　使得局面更加焦灼的是，过去两年美股市场的大部分上涨幅度，恰恰就来自己别几家科技巨头。原本分析师们已经勉强接受这些公司的收益增速会慢于股票价格，造成估值一直处在高位，所以对炒作逻辑底线的打击，都会使得高估值变得难以维持。

　　面对周一AI牛股集体大跌的事实，仍有一些多头分析师“嘴硬”地表示，不应该把DeepSeek的成就单纯视作整个行业的利空。

　　美国候任贸易部长卢特尼克开办的投资银行Cantor Fitzgerald，周一向客户通报了研究团队的最新研判：需要较少算力的中国大模型横空出世，更有可能为高端图形处理单元（GPU）开发商和 数据中心 建设者造成繁华。

　　Cantor半导体行业分析师C.J. Muse领导的团队在报告中写道：“在此前DeepSeek发布V3大模型之时，人们就曾对算力需求感到非常焦虑，并延展到GPU需求峰值层面。我们认为这种看法与事实相去甚远，实际上这一进展非常‘看涨’，AGI似乎离实现更近，而杰文斯悖论肯定会造成AI行业需要更多的算力，而不是更少。”

　　杰文斯悖论（Jevons paradox）是上世纪中期的经济学概念，指的是技术进步提高了使用资源的效率，但因为成本下降造成需求增加，结果造成资源消耗的速度上升，而非减少。这也是能源领域最广为人知的悖论。

　　非常恰巧的是，微软总裁纳德拉上周末也在社交媒体上表示：杰文斯悖论再次出现！随着 人工智能 变得更高效和更容易获取，我们将看到它的使用激增，变成难以满足需求的商品。

（来源：X）

　　Muse进一步表示，这个行业仍将进行预训练、后训练和基于时间的推理，未来在大规模（芯片）集群上的投资只会加速......我们认为这一进展，对算力需求越来越大的 势头是积极的，其实不会造成减少。

　　瑞银的半导体研究主管Timothy Arcuri也持有类似观点。他在周一的报告中表示，关于训练R1模型所用的资源，市场上有一些猜想，但这其实不影响R1在推理上的效率，每个token的成本要比（OpenAI的）o1模型低95%以上。模型开发者会考虑将R1的一些新技术融入到他们的模型中，这将有助于提高效率。

　　Arcuri表示，虽然听上去这会对算力需求发生不良影响，但事实仍然是，即便模型变得更加高效，算力仍将继续推动模型性能。

　　除此之外，Bernstein的数据分析师们也表示市场似乎被社交媒体上的恐慌过分影响了。该团队表示，当前AI大模型的成本增长轨迹显然不会永远持续下去，在这种环境下，如果 人工智能 要继续进步，我们需要这样的创新（如MoE、蒸馏、混合精度等）。

　　Bernstein也“坚定地相信杰文斯悖论”（即效率提升会造成需求的净增加），并认为任何新解锁的算力更有可能因使用和需求的增加而被吸收，而不是在此时影响长期支出前景，现在AI的算力需求压根没有接近其极限。