要说当下科技圈最当红的存在，显然非DeepSeek莫属。凭借着用更低的成本打造与OpenAI o1性能接近的开源推理模型R1，以及与GPT-4媲美的大模型V3，DeepSeek用算法创新塑造了一个有别与OpenAI的技术叙事。

如果大模型的训练和推理不再需要海量的算力，那么对于数据中心的需求自然就会减少，这也是英伟达的市值曾一度蒸发5000多亿美元的理由。可是在经过一段时间的发酵后，美国科技巨头却对于DeepSeek的“低成本AI大模型算力范式”视而不见，他们不仅没有收缩阵线，反而在继续加码投资AI。

谷歌母公司Alphabet于本周二发布了2024年第四季度的财报，其中提及其2025年资本支出计划高达750亿美元、以继续扩展AI战略，这个数字远超华尔街分析师599.4亿美元的预期。其实不光是谷歌，在1月29日同时召开财报电话会议的微软和Meta，也在强调将继续重金投资AI领域。

Meta创始人扎克伯格重申了投资AI的必要性，他表示“在资本支出和基础设施上进行‘大量’投资，随着时间的推移将成为一种战略优势”，并强调Meta将投入600亿至650亿美元资本支出用于AI开发。微软CEO萨蒂亚·纳德拉则透露，“随着人工智能变得越来越高效和普及，我们将看到需求呈指数级增长”，从侧面回应了微软本财年已为AI拨款800亿美元的理由。

顶着投资者对AI业务巨额支出和缺乏明显回报的担忧，美国这些科技巨头却依然认为“烧钱有理”。难道DeepSeek的成功所可能导致的算力需求下滑是无稽之谈？答案其实是肯定的，或者说正是因为DeepSeek的成功，算力需求反而会变得更加旺盛。

DeepSeek V3和R1所取得的成绩显然是客观，它们确实在算法层面进行了创新，也证明了为什么只用更少的算力就能打造媲美OpenA的模型。但一个反直觉的现象，是DeepSeek所实现的效率改进会推动市场对于AI增量需求的增长。

因为AI算力其实是分为训练算力和推理算力，DeepSeek只是做到了大幅降低训练算力，而当下的现实则是市场对于推理算力的需求其实要比训练算力的需求更大。训练算力主要用于AI模型的训练阶段，即通过大量的数据和算法对模型进行参数调整和迭代优化，推理算力的应用场景是基于训练好的模型、对新的输入进行快速计算。

简而言之，推理算力才是大家使用DeepSeek R1、OpenAI o1时消耗的算力，它是AI模型写代码、做视频、画图的“燃料”。用谷歌CEO桑达尔·皮查伊的话来说，AI成本的下降将有利于谷歌以及整个行业的发展。

从某种意义上来说，AI行业目前的状态与上世纪90年代的互联网产业几乎如出一辙。在拉里·施韦卡特的《美国企业家》一书中就指出，20世纪90年代中期电脑和芯片的成本急剧下降，而电脑的处理能力却有了质的飞跃，数字存储能力在不到五年时间里增长了五万倍。这次信息技术革命带来的结果，就是计算资本价格相对于产出价格的持续大幅下降，由此也引发了互联网经济的繁荣。

萨蒂亚·纳德拉此前在社交媒体上就曾用杰文斯悖论（Jevons paradox）来解释微软坚定投资AI的原因，而杰文斯悖论指的是随着蒸汽机效率的提升、煤炭消耗量不降反增，即随着技术的进步会降低资源的使用成本，但总体需求会增加，因此导致资源消耗总量的上升。

虽然瓦特并不是这个世界上第一个发明蒸汽机的人，但这并不妨碍后世以他改良蒸汽机为第一次工业革命的标志，从某种意义上来说，DeepSeek扮演的也是一个降本增效的角色。得益于DeepSeek-R1的出现，更多的用户和设备需要用到AI模型，从而增加了对于推理算力的需求。

别看从ChatGPT诞生的2022年秋季到“百模大战”的2023年，再到AI原生应用爆发的2024年，两年多时间过去之后，AI行业依然处于不赚钱的状态。截至目前，从B端赚钱一直是AI行业向资本市场画出的大饼，从初创企业到巨头莫不如此。可根据OpenAI首席财务官Sarah Friar给出的数据，该公司约75%的营收来自消费者订阅、要远高于分析师预测的55%。

通过“AI赋能”来提升企业的生产效率，是整个AI业界在过去数年反复讲的一个故事。可问题在于，大模型的使用成本其实并不便宜，API价格便宜的模型往往难当大任，而性能足够的模型又缺乏性价比。如今在经过DeepSeek的“降本增效”后，就会使得更多的企业客户也有了尝试使用AI的勇气。

一旦越来越多的企业客户使用AI，自然就会对算力产生更大的需求。如果目前的微软、谷歌、Meta、亚马逊没有继续砸钱建设数据中心等AI基础设施，等到需求真的大量涌现可就来不及了。正因为美国科技巨头从DeepSeek的“降本增效”中，预见了未来市场对于AI算力的需求，所以才会进行前瞻性的投资。

所以并不是DeepSeek的出现吓阻了谷歌、微软等大厂大手笔投资AI，反倒是后者因为DeepSeek下决心继续为AI业务大把砸钱。