華爾街多頭分析師“嘴硬”表態(tài)：DeepSeek的創(chuàng)新不是算力利空

  作為周一全球股市的風(fēng)云事件，隨著DeepSeek擊碎了“只有瘋狂燒錢才能搞AI”的信仰，算力產(chǎn)業(yè)“賣鏟人”們集體暴力大跌。

  截至發(fā)稿，高性能GPU和ASIC芯片的“兩朵金花”英偉達(dá)和博通，雙雙抱團(tuán)下跌超15%。臺(tái)積電、阿斯麥、東京電子等產(chǎn)業(yè)鏈概念股一同走弱。今年表現(xiàn)優(yōu)異的“AI+電力/核電”概念也出現(xiàn)宣泄式的暴跌，大牛股星座能源、Vistra能源、燃?xì)廨啓C(jī)制造商GE Vernova、核電牛股Oklo和NuScale能源盤中跌幅都摸到過20%。

  歸根結(jié)底，是因?yàn)锳I產(chǎn)業(yè)大牛們紛紛在網(wǎng)上興奮地表示，DeepSeek提供了一種在極低成本下，訓(xùn)練出與OpenAI等業(yè)內(nèi)巨頭性能相近大模型的途徑，并且能夠在全球各地的工程團(tuán)隊(duì)中復(fù)現(xiàn)。這些話傳到華爾街，變成了對(duì)超級(jí)巨頭估值合理性的質(zhì)疑。

  使得局面更加焦灼的是，過去兩年美股市場的大部分漲幅，恰恰就來自個(gè)別幾家科技巨頭。原本分析師們已經(jīng)勉強(qiáng)接受這些公司的利潤增速會(huì)慢于股價(jià)，導(dǎo)致估值一直處在高位，所以對(duì)炒作邏輯底線的打擊，都會(huì)使得高估值變得難以維持。

  面對(duì)周一AI牛股集體大跌的事實(shí)，仍有一些多頭分析師“嘴硬”地表示，不應(yīng)該把DeepSeek的成就單純視作整個(gè)行業(yè)的利空。

  美國候任貿(mào)易部長盧特尼克創(chuàng)辦的投資銀行Cantor Fitzgerald，周一向客戶通報(bào)了研究團(tuán)隊(duì)的最新研判：需要較少算力的中國大模型橫空出世，更有可能為高端圖形處理單元（GPU）開發(fā)商和數(shù)據(jù)中心建設(shè)者帶來繁榮。

  Cantor半導(dǎo)體行業(yè)分析師C.J. Muse領(lǐng)導(dǎo)的團(tuán)隊(duì)在報(bào)告中寫道：“在此前DeepSeek發(fā)布V3大模型之時(shí)，人們就曾對(duì)算力需求感到非常焦慮，并延展到GPU需求峰值層面。我們認(rèn)為這種看法與事實(shí)相去甚遠(yuǎn)，實(shí)際上這一進(jìn)展非常‘看漲’，AGI似乎離實(shí)現(xiàn)更近，而杰文斯悖論肯定會(huì)導(dǎo)致AI行業(yè)需要更多的算力，而不是更少?！?

  杰文斯悖論（Jevons paradox）是上世紀(jì)中期的經(jīng)濟(jì)學(xué)概念，指的是技術(shù)進(jìn)步提高了使用資源的效率，但因?yàn)槌杀鞠陆祵?dǎo)致需求增加，結(jié)果導(dǎo)致資源消耗的速度上升，而非減少。這也是能源領(lǐng)域最廣為人知的悖論。

  非常湊巧的是，微軟CEO納德拉上周末也在社交媒體上表示：杰文斯悖論再次出現(xiàn)！隨著人工智能變得更高效和更容易獲取，我們將看到它的使用激增，變成難以滿足需求的商品。

（來源：X）

  Muse進(jìn)一步表示，這個(gè)行業(yè)仍將進(jìn)行預(yù)訓(xùn)練、后訓(xùn)練和基于時(shí)間的推理，未來在大規(guī)模（芯片）集群上的投資只會(huì)加速......我們認(rèn)為這一進(jìn)展，對(duì)算力需求越來越大的趨勢是積極的，并不會(huì)導(dǎo)致減少。

  瑞銀的半導(dǎo)體研究主管Timothy Arcuri也持有類似觀點(diǎn)。他在周一的報(bào)告中表示，關(guān)于訓(xùn)練R1模型所用的資源，市場上有一些猜測，但這并不影響R1在推理上的效率，每個(gè)token的成本要比（OpenAI的）o1模型低95%以上。模型開發(fā)者會(huì)考慮將R1的一些新技術(shù)融入到他們的模型中，這將有助于提高效率。

  Arcuri表示，雖然聽上去這會(huì)對(duì)算力需求產(chǎn)生負(fù)面影響，但事實(shí)依然是，即便模型變得更加高效，算力仍將繼續(xù)推動(dòng)模型性能。

  除此之外，Bernstein的分析師們也表示市場似乎被社交媒體上的恐慌過分影響了。該團(tuán)隊(duì)表示，當(dāng)前AI大模型的成本增長軌跡顯然不可能永遠(yuǎn)持續(xù)下去，在這種背景下，如果人工智能要繼續(xù)進(jìn)步，我們需要這樣的創(chuàng)新（如MoE、蒸餾、混合精度等）。

  Bernstein也“堅(jiān)定地相信杰文斯悖論”（即效率提升會(huì)帶來需求的凈增加），并認(rèn)為任何新解鎖的算力更有可能因使用和需求的增加而被吸收，而不是在此時(shí)影響長期支出前景，現(xiàn)在AI的算力需求根本沒有接近其極限。