《科创板日报》2月8日讯，Deepseek R1模型的横空出世，不仅在全球范围内掀起了一场技术革命，还一度引发了对算力长期需求的广泛讨论，甚至导致了英伟达股价的短期波动。

　　面对这一新兴模型的出现，算力需求是否会萎缩成为业界关注的焦点。然而，AI芯片初创公司对此持不同看法。在他们眼中，Deepseek R1的推出并非威胁，而是一个前所未有的发展机遇。随着越来越多的客户采用和搭建Deepseek开源模型，对推理芯片和算力的需求正呈现出显著的增长趋势。

　　以英伟达竞争对手之一的Cerebras Systems为例，该公司主要为客户提供AI芯片，并能够通过自家的计算集群提供云服务。去年8月，Cerebras Systems发布了号称“全球最快的AI推理解决方案”的Cerebras Inference。自Deepseek R1模型发布以来，Cerebras Systems迎来了前所未有的服务需求高峰。公司CEO Andrew Feldman在接受CNBC采访时表示，开发者们非常渴望用Deepseek R1这样的开源模型来取代OpenAI昂贵且封闭的模型。他认为，随着价格的下降，Deepseek R1将推动全球使用范围的扩张，类似于之前的PC和互联网行业，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也感受到了Deepseek带来的变革。自Deepseek发布推理模型以来，已有数十家公司向Etched表达了合作意愿。因此，Etched正在将支出从训练集群转向推理集群，以满足日益增长的算力需求。Etched方面表示，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，将需要越来越多的算力。

　　AI芯片初创公司d-Matrix的首席执行官Sid Sheth也对此表示赞同。他认为，从Deepseek的例子中可以看到，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，而且可以以极低的成本实现。这种小型模型的普及将进一步催化推理时代的到来。

　　在芯片初创公司和业内分析师们看来，Deepseek不仅是一个技术创新的典范，更有可能加速“从训练到推理”的AI周期，促进新芯片技术的采用。Morningstar半导体分析师Phelix Lee指出，AI训练是构建一个工具或算法的过程，而推理则是将这个工具实际应用于现实场景中的过程。虽然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。

　　然而，Deepseek日前的表现也反映出算力资源的紧张。2月6日，Deepseek突然暂停了其API服务的充值功能，按钮显示灰色不可用状态。官方声明称，由于当前服务器资源紧张，为避免对客户造成业务影响，已暂停API服务充值。但存量充值金额仍可继续调用。这一事件再次凸显了算力资源在AI行业中的重要性。

　　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（约对应750个英文字母），则Deepseek每秒的推理算力需求为惊人的1.6*10^19TOPs。在这种普通推理情境下，如果Deepseek采用的是FP8精度的H100卡做推理、利用率为50%，那么推理端H100卡需求为16177张、A100卡需求为51282张。这一数据再次证明了算力资源在AI行业中的巨大需求。

　　国泰君安进一步表示，在以Deepseek为首的低成本推理模型逐渐普及的背景下，推理成本及价格的大幅削减势必会带来应用侧的繁荣。由此将拉动成倍数的总算力需求提升。未来的AI投入将不再盲目追求“大力出奇迹”的Scaling Law，而是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流量费用不断降低的历程，虽然单价下降，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、成本下探时，煤炭消费量反而会增加。这一现象被称为环境经济学中的“杰文斯悖论”。站在160年后的今天，当Deepseek通过技术降本为AI应用打开更多落地场景时，“杰文斯悖论”或许也将在AI行业应验。随着Deepseek等低成本推理模型的普及和算力需求的不断增长，AI行业将迎来更加繁荣的发展。

（文章来源：科创板日报）