郭明錤：DeepSeek 加速生成式 AI 产业迈入新阶段

IT之家 1 月 31 日消息，天风国际证券的分析师郭明錤于 29 日发布的一份报告中指出，DeepSeek-R1 发布后，有两个值得关注的新兴 AI 产业趋势。

• 当 Scaling Law 的边际效益逐渐降低时，AI 算力依然能够通过优化训练策略持续增长，从而推动新的应用开发。

• API 和 Token 的价格大幅下降，这对 AI 软件及服务与硬件 AI 的发展有利，将加速 AI 应用的多样化。

郭明錤提到，尽管没有 DeepSeek-R1，这些趋势终究会显现，但这款产品的发布无疑加速了其进程。以下是IT之家对其观点的总结：

在 DeepSeek-R1 的发布之后，有两个重要的 AI 产业新趋势值得重视。尽管没有 DeepSeek-R1，这些趋势终将明显浮现，但该产品的推出确实加速了这一进程。

• 即使 Scaling Law 的边际效益减弱，AI 算力仍能通过优化训练技术持续增长，从而促进新应用的探索。

• 随着 API 和 Token 价格的显著下降，可以促进 AI 软件及服务与终端设备AI的协同发展，加速 AI 应用的多样性。

趋势一：在 Scaling law 的边际效益减弱时，AI 算力仍可通过优化训练增强，同时有助于挖掘新应用

• 在过去的 1-2 年里，投资者对 AI 服务器供应链的关注主要集中在 Scaling law 下 AI 服务器出货量的可持续增长上。然而，随着 Scaling law 边际效益的减弱，市场愈发关注 DeepSeek 如何通过其他方式显著提升模型效益。

• 被广泛引用的 Chinchilla 的 Scaling law 表明，AI 模型性能取决于模型参数量 (N)、训练数据量 (D) 和计算能力 (C) 三个方面，理想的情况是N、D 和 C 同时增长。

• 导致 Scaling law 边际效益减弱的原因包括：

1）人类创作的文本资料（D）几乎已接近上限，

2）在计算能力 (C) 未大幅提升且训练数据量 (D) 接近饱和的情况下，单纯增加模型参数量 (N) 并不能有效提高模型性能，

3）短期内计算能力（C）难以显著提高（如 Blackwell 系统尚未大规模生产、电力供应限制等）。

• 从行业研究的角度来看，DeepSeek-R1 核心在于其通过优化训练方法，而非仅依赖 Scaling law，显著增强了模型效益，通过检验其开源成果可以确认。

• 当 Scaling law 的边际效益降低时，采用优化训练策略来提升模型效益有助于不断提升 AI 基础设施的算力，并拓展新的应用场景，对 AI 产业的长远发展而言，两者缺一不可。

趋势二：API / Token 价格显著下滑，将推动 AI 软件 / 服务和设备端 AI，加速多元化应用

• 当前，生成式 AI 领域的盈利方式仍然主要是通过降本增效，而非创造新业务或提升现有业务价值。

• DeepSeek-R1 采取了颇具攻击性的定价策略，提供免费使用，其 API / Token 价格甚至低于OpenAI-o1 的 1/100，这种竞争压力将推动 AI 使用成本降低。中国市场中的 AI 产业竞争非常激烈，预计将有其他中国公司推出价格更具竞争力的优质 LLM。

• 近期，AI 供应链相关的股票经历了显著的价格修正，主要由于投资者对Scaling law 边际效益减弱对 AI 服务器出货的潜在影响进行调整，而非担心 LLM 服务供应商与 CSP 的盈利能力，因为大部分投资者仍旧愿意耐心等待盈利的到来。

• 由于 API / Token 价格的下滑与训练方法的优化，AI 软件 / 服务和设备端 AI 的成本正在降低，这将推动 AI 算力的需求，并降低投资者对 AI 投资回报的顾虑。

• AI 的使用量必然会因价格的降低而上升，但上涨的幅度是否能弥补下滑幅度尚需观察。此外，AI 使用的增加将有助于创造可持续盈利的商业模式，尽管这种情况并非绝对。然而，在投资者普遍愿意耐心等待盈利的情况下，这些担忧可以暂时忽略。

总结：

• Scaling law 是一个经验法则，理性看待并合理降低预期，反而有助于长远的投资逻辑。改善芯片技术 (C)、电力供应限制 (C) 及训练中引入更多多模态数据 (D)，均将有利于再次加速 Scaling law 的边际效益。

• 仅大规模的部署者会面临 Scaling law 边际效益放缓的挑战，而这也印证了英伟达的行业领导地位。当英伟达方案的 Scaling law 边际效益再度加速时，其市场主导地位将愈发明显（相较 ASIC 和 AMD）。

• GB200 NVL72 的量产情况不理想，因此此时对 Scaling law 与 AI 服务器出货预期的调整并非坏事。在股价调整后，更有可能反映出 GB300 / Rubin 的潜在利好。

• 一线 CSP 不会因更好的训练方式而削减资本开支，因为这两者相辅相成。如果此时减少资本支出，等到 Scaling law 的边际效益再次加速时，将会处于竞争劣势。

• 开放社区资源以及中国市场的激烈竞争，预计将涌现出其他中国厂商发布性能卓越且定价激进的 LLM。若 LLM 服务供应商未能实现稳定盈利，将面临更大的压力。

• 随着 API / Token 价格的显著下滑，AI 软件 / 服务以及设备端 AI 将会吸引更多投资者的关注。不过，是否能够形成新的长期投资趋势，取决于是否能创建可盈利的商业模式。

• Nvidia 在未来 Scaling law 边际效益再次加速的过程中仍将是赢家，但需要注意的是短期内 GB200 NVL72 的量产困境以及中长期美国半导体出口禁令的潜在变化。

广告声明：文内包含的对外跳转链接（包括不限于超链接、二维码、口令等）旨在传递更多信息，节省审核时间，结果仅供参考。