DeepSeek的突破对AI应用和能源行业意味着什么？

创作时间:

作者:

@小白创作中心

DeepSeek的突破对AI应用和能源行业意味着什么？

引用

来源

https://news.bjx.com.cn/html/20250211/1426387.shtml

从2022年11月到2023年1月，1亿人开始使用OpenAI的ChatGPT。Instagram达到同样的里程碑用了两年半。自那以后，投资者就被AI应用的不同环节所吸引。

AI产业链的四个环节

第一环节——超大规模企业：提供大规模云计算技术的公司。
第二环节——数据中心计算和基础设施：生产硬件（芯片）和电气设备等输入产品，使数据中心得以运行的公司。
第三环节——电力和传输：供应和传输数据中心所需电力的公司。
第四环节——跨行业受益者：将AI纳入其中以提高生产力并获得收入好处的公司。

DeepSeek的技术突破

DeepSeek是一家成立于两年前的中国AI初创公司。特朗普就职前夕，DeepSeek推出了其完整的R1模型，这是一个开放推理大型语言模型（LLM）。R1模型在数学、编码和推理任务上的表现与o1（OpenAI的前沿推理LLM）相当。DeepSeek声称其模型使用了英伟达的H800芯片，这些芯片的内存带宽受到美国芯片出口管制的限制，不如更先进的H100芯片。此外，他们声称训练耗时2788000个图形处理单元（GPU）小时，成本为每GPU小时2美元。因此，最终训练运行的总成本仅为557.6万美元。Meta最新的Llama模型的最终训练运行成本是其10倍。

对AI应用格局的挑战

DeepSeek的突破挑战了推动AI应用的三个既有假设：

超大规模企业必须在先进AI芯片上花费数十亿美元：DeepSeek的低成本训练模式让投资者质疑英伟达预期的收入和利润率。
AI的未来需要不断增加的电力和能源：DeepSeek的"混合专家"（MoE）系统设计降低了能源需求和总体成本。
美国在AI技术方面的领先地位：DeepSeek展示了在较弱硬件上取得显著成果的可能性，平衡了竞争格局。

对AI产业链各环节的影响

第一环节——超大规模企业

假设超大规模企业因成本和能源效率而削减资本支出计划。在最坏的情况下，超大规模企业的资本支出强度（资本支出/收入）可能会回落到2015年至2019年的水平。这可能导致这些公司的资本支出减少近24%。这显然对数据中心计算和基础设施公司的收入是不利的，但对超大规模企业股票可能是积极的。事实上，减少资本支出可以释放现金流以回馈股东，特别是如果假设AI创新继续以同样的速度发展。然而，这不是基本情况。最近微软和Meta报告了收益，并确认了继续支出的意图，主要集中在为推理而非训练建设数据中心，这与大多数AI投资用于推理的观点一致。话虽如此，随着支出转向专用集成电路（ASIC），将超大规模企业的知识产权与设计平台相结合，传统对GPU的依赖预计会减少。

第二环节——数据中心计算和基础设施

超大规模企业减少支出可能意味着数据中心参与者收入减少。分析师估计芯片制造商的数据中心收入到2028年将增长27%。我们估计，其中约375亿美元的收入受到不断变化的资本支出计划的影响。这可能转化为到2028年芯片制造商数据中心收入减少近七个百分点。然而，随着成本的降低，应用场景可能会增加（弹性），继续推动电力需求。事实上，我们的投资银行指出，x86虚拟化（一种在2000年代中期开发的技术，允许多个操作系统在单台物理机器上运行）提高了效率，但也刺激了对半导体芯片和内存的需求。云计算的转变同样提高了效率并推动了对半导体的需求。

第三环节——电力和传输

2023年，美国的电力需求约为4200太瓦时，其中数据中心占约200太瓦时。今年早些时候，美国能源部发布了数据中心电力需求的最新预测。预测的高端假设AI工作负载将推动未来几年26%的复合年增长率（CAGR）。按照这个速度，数据中心的电力需求大约每2.5年翻一番。如果DeepSeek的效率导致几乎没有增量增长，数据中心的电力需求将恢复到2014年至2023年期间经历的13%的增长率。我们的观点略为乐观，数据中心的电力需求将在该时间范围内以20%的复合年增长率增长。此外，AI并非推动电力需求的唯一因素。事实上，我们相信电动汽车和混合动力汽车、工业化和自动化以及非AI数据中心也将推动未来几年整体电力需求以2.5%的复合年增长率增长，而不是过去十年中微不足道的0.7%的复合年增长率。尽管对电力需求的最高估计似乎不太可能，我们仍然相信电力是一种可投资的趋势。