今天小編分享的互聯網經驗：DeepSeek算力需求暴降，為什麼全球算力競賽反而更瘋狂了？，歡迎閲讀。
本文來自微信公眾号：觀弈行研，作者：我是叁叁啊，原文标題：《DeepSeek 算力悖論：算力需求暴降？一場 " 降本增效 " 的觀察與迷思》，題圖來自：AI 生成
春節期間，國產大模型 DeepSeek-R1 的橫空出世，一度讓人們看到了 " 降本增效 " 的曙光。DeepSeek-R1 以更低的成本和算力需求，實現了世界一流的模型性能，打破了大模型領網域 " 燒錢買芯片 " 的傳統路徑。
彼時彼刻，英偉達股價應聲下跌，似乎印證了市場對算力需求放緩的預期，也宣告着 " 暴力堆算力 " 時代的終結。
然而，在通往 AGI 的征途上，算力真的不再重要了嗎？至少，從硅谷科技巨頭們的行動來看，答案是否定的——這場效率革命，正在将人類拽入更瘋狂的算力競賽。
一、 巨頭加碼：硅谷的 " 反效率 " 投資
與 DeepSeek 的算力焦慮不同，硅谷的科技巨頭們顯然沒有對此產生任何遏制的擔憂，反而在不斷增加投入。1 月底以來，谷歌、微軟、Meta 和亞馬遜這四大科技巨頭相繼發布了最新财報。令人矚目的是，他們不約而同地在财報中強調：2025 年将加大在算力方面的投入。
谷歌母公司 Alphabet 在 2025 年的資本開支目标為 750 億美元，較上年激增 42%。微軟同樣表示，2025 财年将在人工智能數據中心上投資 800 億美元，并透露其對于算力投資的節奏保持謹慎，原因在于硬體的快速迭代。
Meta 和亞馬遜也分别在财報中披露了大幅增加算力投入的計劃。Meta 将其資本開支預算增加了 66%，而亞馬遜則計劃在 2025 年投入 1000 億 ~1050 億美元，主要用于 AI 和雲服務領網域。
面對 DeepSeek，硅谷的四大科技巨頭——谷歌、微軟、Meta 和亞馬遜，以加碼算力的方式回應了這一挑戰。算力，似乎仍然是支撐未來 AI 技術發展的核心資源。
二、 傑文斯悖論在 AI 領網域的再度應驗
四巨頭在算力上的持續投入，并非對 DeepSeek 視而不見。但亞馬遜 CEO Andy Jassy 指出，推理成本的降低并不意味着總支出下降，" 我們在雲計算領網域經歷過類似情形 "。微軟 CEO 納德拉則在社交媒體上引用了 " 傑文斯悖論 " 來表達他的觀點。
如經濟學家傑文斯所言：技術進步雖然提高了資源的使用效率，但需求的增加常常會導致總消耗量反而增加。
具體到實際，我們可以看到，過去在汽車領網域，發動機熱效率的提高使得車輛燃油消耗降低，但因使用成本降低，車主反而選擇更多購車，最終導致石油的消耗量反而增加。
這一悖論同樣适用于 AI 領網域。當微軟 CEO 納德拉在 X 平台轉發 " 傑文斯悖論 " 詞條時，現實中正在上演着現代版的技術寓言：1850 年，英國蒸汽機的熱效率提升了三倍，煤炭消耗量卻暴漲了十倍；而今天的 R1 模型将推理成本壓縮了 97%，全球的算力需求卻因其高性價比反而呈現指數級膨脹。
更殘酷的現實在于：DeepSeek-V3 的混合專家架構（MoE）在推理環節，需要同時激活 14 個專家模塊。這導致在線服務時，每個 token 生成需消耗 0.78TFLOPs 算力，較傳統架構高出 18%。
可以説，效率革命的 B 面，是更復雜的資源調度噩夢。
具體到實際數據，可以看到，DeepSeek API 調用量在推出後迅速飙升。根據市場機構估算，DeepSeek 每秒的推理算力需求已經接近 1.6 × 10^19 TOPs。
而前不久，DeepSeek 官方甚至發表聲明，暫停其 API 充值服務，原因便是伺服器算力資源緊張。
一系列數據的背後仍然依賴于強大的硬體支持。而 DeepSeek 的出現，沒有抑制算力的需求，反而推動了更多企業和開發者投入更多資源以獲得服務，加劇了算力資源的壓力。
三、 DeepSeek 的隐憂：算力之下的挑戰
" 成本創新 " 并不等于 " 削減算力 "。DeepSeek-R1 的訓練成本大幅降低，但依然遵循着 Scaling Law。在其之下，模型性能與算力需求可以近似看作一個正相關函數。過往的模型效率較低，性能提升緩慢；DeepSeek 效率較高，性能提升更快。在這種情況下，企業大概率會因為效率更高而加大投入，而非減少投入。
而 DeepSeek 在算力方面的努力遠未結束。随着硬體和算法的不斷進化，DeepSeek 依然會通過創新優化降低算力需求，但從當前的趨勢來看，算力的需求依舊高漲。
與其擔心算力過剩，我們或許更應該關注的是：當算力和效率都得到提升時，優質訓練數據是否會成為新的瓶頸？
微軟研究院的最新模拟顯示，要保持大模型性能的指數增長，2026 年需要 430 艾字節 ( EB ) 的高質量訓練數據——這相當于把人類現存所有文字資料復制 2300 遍。
為便于理解，依然以汽車為例，當汽車油耗（模型效率）和汽油（算力）都充足時，如果道路（優質訓練數據）不足，就會導致 " 堵車 "，出行速度無法進一步提升。
當科技巨頭們開始不計代價地購入算力，優質數據的焦慮，正在變異為更本質的危機。
四、產業變局 : 本地部署的浪潮
DeepSeek 暫停 API 充值服務，引發了用户對其算力資源的擔憂，但在另一方面也意外激活了本地部署的第二戰場。
微軟率先宣布将針對 NPU 優化的 DeepSeek R1 版本直接嵌入 Windows 11 Copilot+ PC，讓開發者可在本地構建 AI 應用。英特爾則表示其 Ultra 系列處理器已實現 R1-7B 蒸餾模型的本地推理，延遲控制在 300ms 以内。而國内廠商中，華為、軌迹流動、阿裏、知乎等互聯網公司也相繼宣布部署 DeepSeek 模型。
甚至，騰訊 " 元寶 " 與百度 " 文小言 " 也官宣将接入 DeepSeek-R1 模型。
DeepSeek 無疑為 LLM 大模型的發展提供了新的思路，但這無法從根本上消除全球範圍内的算力焦慮。而這場靜默的本地部署與算力之争，亦将持續下去。
寫在最後：算力競賽，遠未結束
DeepSee-R1 的出現，證明了算法優化和工程創新的重要性，也讓我們看到了 " 輕量級颠覆 " 的可能性。
然而，DeepSeek 并不能終結算力競賽。相反，算力依然是核心驅動力。但這場競賽将不再是單純的 " 堆料 "，而是算法與算力的雙重博弈。誰能更好地平衡效率與投入，誰就能在這場競賽中占據優勢。
在這場沒有終點的馬拉松裏，DeepSeek 既是破局者也是催化劑。它用算法利刃劈開算力鐵幕，卻釋放出更洶湧的欲望洪流……
本文來自微信公眾号：觀弈行研，作者：我是叁叁啊
