DeepSeek颠覆人工智能经济：成本骤降，巨头与初创的博弈加剧

DeepSeek颠覆人工智能经济：成本骤降，巨头与初创的博弈加剧今年1月，人工智能初创公司DeepSeek凭借其新模型R1，实现了人工智能领域的两项突破性进展，以仅为之前模型1/40的成本达到了顶级性能，由此悄然改写了人工智能经济学的格局。此后，在2024年12月，DeepSeek的V3大语言模型更是将训练成本降低了90%以上

DeepSeek颠覆人工智能经济：成本骤降，巨头与初创的博弈加剧

今年1月，人工智能初创公司DeepSeek凭借其新模型R1，实现了人工智能领域的两项突破性进展，以仅为之前模型1/40的成本达到了顶级性能，由此悄然改写了人工智能经济学的格局。此后，在2024年12月，DeepSeek的V3大语言模型更是将训练成本降低了90%以上。这两项进展的核心在于DeepSeek的两大创新：首先，DeepSeek采用“思维链提示（chain-of-thought prompting）”方法，显著提高了AI模型的准确性和效率，促使模型能够阐述其推理过程；其次，DeepSeek成功地利用人工智能自主生成数据集，彻底摆脱了对人工标注数据的依赖。虽然DeepSeek的成本降低幅度存在争议，但其技术突破不可否认地开启了人工智能经济的新纪元，并深刻地改变了人工智能的成本结构。每一美元性能的提升，都对初创企业、企业应用和基础设施投资产生了深远的影响，市场力量的平衡也因此面临颠覆性的改变。灵活的初创公司有望在短期内赶超科技巨头，同时显著提高利润空间。

科技巨头们在人工智能基础设施的开发上已经累计投入超过1000亿美元，并且仍在持续增加投资。如今，它们必须认真思考如何从这些巨额投资中获得回报，并维持在算法上的竞争优势，以应对来自更灵活、更具成本效益的小型市场竞争者的挑战。无论是科技巨头还是初创企业，都面临着一个清晰的信号：迅速抓住技术进步的机会，否则将面临被淘汰的风险。

DeepSeek之前与之后的AI市场格局对比鲜明。在此之前，初创企业难以与科技巨头在基础设施支出方面抗衡。科技巨头凭借着每季度巨额投入建设的大型数据中心，以及由此带来的技术优势，在人工智能领域占据主导地位。它们不仅拥有海量的数据资源，还汇聚了大量的博士级人才，并拥有强大的技术实力来推动算法的进步。此外，长期建立的分销网络使它们能够快速将产品推向现有客户，并通过反馈循环加速技术进步。

然而，DeepSeek的出现改变了这一切。仅在2025年，模型的训练成本就下降了95%，科技巨头的基础设施优势被大幅削弱。过去三年，推理成本骤降近千倍，并且预计未来还将进一步下降。算法优势的持续时间也大幅缩短，从几个月甚至几年缩短至45至100天，并且这一趋势可能仍在持续。当训练成本不再是关键瓶颈时，推理性能（即AI模型在实时应用中的运行表现）成为了新的竞争焦点。

我们正进入一个新的阶段：更小、更便宜的模型可以提供与大型模型相媲美的能力，并且可以在性能较低的GPU上运行，延长旧版GPU的使用寿命。如果更智能的AI产品能够以极低成本交付，那么初创企业将有机会超越科技巨头，同时提高利润。

高效的人力配置进一步强化了挑战者的优势。由于不再需要雇佣大量博士级人才来组建一个具有竞争力的人工智能团队，初创公司可以以远低于科技巨头的成本开发、优化和分发模型。而且，由于它们主要集中在应用层面，挑战者能够享受更高的利润空间，这与15年前云计算初创公司通过改善单位经济效益获得优势的模式类似。

这种趋势不仅对初创公司有利，也给像英伟达这样的公司带来了更大的风险。DeepSeek的突破性进展公布后，英伟达的股价下跌了12%，尽管随后有所反弹。芯片制造商面临的风险日益加剧，因为市场需求正在从侧重训练的硬件转向更加高效的推理解决方案。消费级神经处理单元（NPU）的崛起可能会加速这一转变，使得AI模型能够在智能手机和笔记本电脑等设备上本地运行。人工智能开支对挑战者的利好，恰恰是科技巨头的利空。

历史趋势表明，大多数人工智能进展确实是依赖于对规模的过度资本投入。Transformer架构的成功，正是因为过度训练，即超出了当时认为算法上最理想的训练量。而DeepSeek等新技术的进步则证明，在更低成本的情况下，我们能够实现相同的性能。

尽管像DeepSeek这样的高效方案显著提高了效率，但即使如此，超大规模云服务商的推陈出新仍然需要更大的数据中心，并且必须承受不断膨胀的推理成本。然而，科技巨头们并未坐以待毙。我们已经看到了一场争夺DeepSeek成就的军备竞赛，包括谷歌的Gemini模型、微软的Azure AI Foundry（AI模型工厂）和Meta的开源LLaMA等都在争夺主导地位。

开源模型可能发挥关键作用。Meta首席执行官马克·扎克伯格强调了个性化人工智能的重要性——即根据个人用户的需求、文化和偏好量身定制的模型。这一愿景与人工智能开发的更广泛趋势一致：更小、更专业的模型能够在无需庞大云基础设施的情况下提供高性能。

初创公司赢得新筹码的同时，开源与封闭源代码巨头的目标差异进一步增强了挑战者的优势。Meta等公司创建的开源模型将持续竞争，并降低整个生态系统的成本，而闭源模型则试图通过更好的技术收取更高的费用。初创企业可以利用这两大阵营的竞争博弈，在每次使用中实现最佳性价比，同时提高利润率。

无论企业规模大小，都面临一个明确的信息：迅速利用其可用的特定优势——市场动态、算力和人才——否则将面临失败。技术进步的周期越来越短，从以前需要几个月甚至几年的时间来设立新的性能标准，到DeepSeek的技术突破表明，现在可能只需要41天。创新正以前所未有的速度推进，而容错空间也在迅速缩小。