今天小编分享的互联网经验：DeepSeek算力需求暴降，为什么全球算力竞赛反而更疯狂了？，欢迎阅读。
本文来自微信公众号：观弈行研，作者：我是叁叁啊，原文标题：《DeepSeek 算力悖论：算力需求暴降？一场 " 降本增效 " 的观察与迷思》，题图来自：AI 生成
春节期间，国产大模型 DeepSeek-R1 的横空出世，一度让人们看到了 " 降本增效 " 的曙光。DeepSeek-R1 以更低的成本和算力需求，实现了世界一流的模型性能，打破了大模型领網域 " 烧钱买芯片 " 的传统路径。
彼时彼刻，英伟达股价应声下跌，似乎印证了市场对算力需求放缓的预期，也宣告着 " 暴力堆算力 " 时代的终结。
然而，在通往 AGI 的征途上，算力真的不再重要了吗？至少，从硅谷科技巨头们的行动来看，答案是否定的——这场效率革命，正在将人类拽入更疯狂的算力竞赛。
一、 巨头加码：硅谷的 " 反效率 " 投资
与 DeepSeek 的算力焦虑不同，硅谷的科技巨头们显然没有对此产生任何遏制的担忧，反而在不断增加投入。1 月底以来，谷歌、微软、Meta 和亚马逊这四大科技巨头相继发布了最新财报。令人瞩目的是，他们不约而同地在财报中强调：2025 年将加大在算力方面的投入。
谷歌母公司 Alphabet 在 2025 年的资本开支目标为 750 亿美元，较上年激增 42%。微软同样表示，2025 财年将在人工智能数据中心上投资 800 亿美元，并透露其对于算力投资的节奏保持谨慎，原因在于硬體的快速迭代。
Meta 和亚马逊也分别在财报中披露了大幅增加算力投入的计划。Meta 将其资本开支预算增加了 66%，而亚马逊则计划在 2025 年投入 1000 亿 ~1050 亿美元，主要用于 AI 和云服务领網域。
面对 DeepSeek，硅谷的四大科技巨头——谷歌、微软、Meta 和亚马逊，以加码算力的方式回应了这一挑战。算力，似乎仍然是支撑未来 AI 技术发展的核心资源。
二、 杰文斯悖论在 AI 领網域的再度应验
四巨头在算力上的持续投入，并非对 DeepSeek 视而不见。但亚马逊 CEO Andy Jassy 指出，推理成本的降低并不意味着总支出下降，" 我们在云计算领網域经历过类似情形 "。微软 CEO 纳德拉则在社交媒体上引用了 " 杰文斯悖论 " 来表达他的观点。
如经济学家杰文斯所言：技术进步虽然提高了资源的使用效率，但需求的增加常常会导致总消耗量反而增加。
具体到实际，我们可以看到，过去在汽车领網域，发动机热效率的提高使得车辆燃油消耗降低，但因使用成本降低，车主反而选择更多购车，最终导致石油的消耗量反而增加。
这一悖论同样适用于 AI 领網域。当微软 CEO 纳德拉在 X 平台转发 " 杰文斯悖论 " 词条时，现实中正在上演着现代版的技术寓言：1850 年，英国蒸汽机的热效率提升了三倍，煤炭消耗量却暴涨了十倍；而今天的 R1 模型将推理成本压缩了 97%，全球的算力需求却因其高性价比反而呈现指数级膨胀。
更残酷的现实在于：DeepSeek-V3 的混合专家架构（MoE）在推理环节，需要同时激活 14 个专家模块。这导致在线服务时，每个 token 生成需消耗 0.78TFLOPs 算力，较传统架构高出 18%。
可以说，效率革命的 B 面，是更复杂的资源调度噩梦。
具体到实际数据，可以看到，DeepSeek API 调用量在推出后迅速飙升。根据市场机构估算，DeepSeek 每秒的推理算力需求已经接近 1.6 × 10^19 TOPs。
而前不久，DeepSeek 官方甚至发表声明，暂停其 API 充值服务，原因便是伺服器算力资源紧张。
一系列数据的背后仍然依赖于强大的硬體支持。而 DeepSeek 的出现，没有抑制算力的需求，反而推动了更多企业和开发者投入更多资源以获得服务，加剧了算力资源的压力。
三、 DeepSeek 的隐忧：算力之下的挑战
" 成本创新 " 并不等于 " 削减算力 "。DeepSeek-R1 的训练成本大幅降低，但依然遵循着 Scaling Law。在其之下，模型性能与算力需求可以近似看作一个正相关函数。过往的模型效率较低，性能提升缓慢；DeepSeek 效率较高，性能提升更快。在这种情况下，企业大概率会因为效率更高而加大投入，而非减少投入。
而 DeepSeek 在算力方面的努力远未结束。随着硬體和算法的不断进化，DeepSeek 依然会通过创新优化降低算力需求，但从当前的趋势来看，算力的需求依旧高涨。
与其担心算力过剩，我们或许更应该关注的是：当算力和效率都得到提升时，优质训练数据是否会成为新的瓶颈？
微软研究院的最新模拟显示，要保持大模型性能的指数增长，2026 年需要 430 艾字节 ( EB ) 的高质量训练数据——这相当于把人类现存所有文字资料复制 2300 遍。
为便于理解，依然以汽车为例，当汽车油耗（模型效率）和汽油（算力）都充足时，如果道路（优质训练数据）不足，就会导致 " 堵车 "，出行速度无法进一步提升。
当科技巨头们开始不计代价地购入算力，优质数据的焦虑，正在变异为更本质的危机。
四、产业变局 : 本地部署的浪潮
DeepSeek 暂停 API 充值服务，引发了用户对其算力资源的担忧，但在另一方面也意外激活了本地部署的第二战场。
微软率先宣布将针对 NPU 优化的 DeepSeek R1 版本直接嵌入 Windows 11 Copilot+ PC，让开发者可在本地构建 AI 应用。英特尔则表示其 Ultra 系列处理器已实现 R1-7B 蒸馏模型的本地推理，延迟控制在 300ms 以内。而国内厂商中，华为、轨迹流动、阿里、知乎等互联网公司也相继宣布部署 DeepSeek 模型。
甚至，腾讯 " 元宝 " 与百度 " 文小言 " 也官宣将接入 DeepSeek-R1 模型。
DeepSeek 无疑为 LLM 大模型的发展提供了新的思路，但这无法从根本上消除全球范围内的算力焦虑。而这场静默的本地部署与算力之争，亦将持续下去。
写在最后：算力竞赛，远未结束
DeepSee-R1 的出现，证明了算法优化和工程创新的重要性，也让我们看到了 " 轻量级颠覆 " 的可能性。
然而，DeepSeek 并不能终结算力竞赛。相反，算力依然是核心驱动力。但这场竞赛将不再是单纯的 " 堆料 "，而是算法与算力的双重博弈。谁能更好地平衡效率与投入，谁就能在这场竞赛中占据优势。
在这场没有终点的马拉松里，DeepSeek 既是破局者也是催化剂。它用算法利刃劈开算力铁幕，却释放出更汹涌的欲望洪流……
本文来自微信公众号：观弈行研，作者：我是叁叁啊
