核心观点： DeepSeek 公司发布的低成本、高效率的 LLM 模型，表明训练和推理成本将大幅下降，从而推动 GenAI 产品创新、可用性和应用渗透率提升。这将影响半导体、互联网、软件、能源、硬件等多个行业，并引发关于美国 LLM 领导者应对、地缘政治影响、ASIC 芯片未来发展和蒸馏能力创新的讨论。
关键数据：
- DeepSeek-R1-zero 模型在无监督数据情况下实现了推理能力，性能达到与 OpenAI GPT-4 相当的水平，但训练成本大幅降低。
- 训练 DeepSeek-v3 模型所需的计算资源远低于 Meta Llama 3，体现了成本创新的重要性。
- 美国科技巨头计划在 2025/2026 年投入约 6500 亿美元用于总资本支出，将推动更快的 GenAI 产品创新和可用性。
- 预计 GenAI 模型的训练成本将在未来 6 年内下降约 90%，推动计算需求加速增长。
研究结论：
- 下降的训练/推理成本将加速推理的采用，从而加速推理的需求。
- 出口管制仍然是一个风险，但技术限制并未阻止中国发展 LLM。
- 美国公司仍将投入大量资金进行创新，但在中国 LLM 的重大采用方面仍将面临障碍。
- 降低的训练/推理成本可能导致更快的创新、可用性和采用，并提高 GenAI 启用的 ROIC 和经济生产力。
- 更高效的架构可以导致更广泛的（成本更低的）GPU 支持，使小型企业的产品受益。
- 微软、谷歌和亚马逊等大型科技公司将从较低的成本中获益，因为它们拥有庞大的资本支出、用户基础以及应用 DeepSeek 改进并将其应用于自己模型的能力。
- 苹果公司可能成为这场辩论中的相对赢家，因为其人工智能雄心较小，专注于功能特定的小型设备上的人工语言模型，并且拥有当今最有价值的消费者技术分销平台。
- 戴尔和希捷科技等公司可能从 GenAI 驱动的硬件需求中受益，但市场担心人工智能选材和挖掘的中长期影响。
- 特斯拉公司可能成为超越电动汽车的领先者，因为 Dojo 支持的双飞轮策略可以加速用户基础扩大，并从经常性/高利润的软件和服务中产生更高的收入。
- 美国电力基础设施将受到美国人工智能基础设施增长的影响，预计数据中心项目将大量增加，这将需要建设新的可再生能源+天然气发电以及大量对电网的投资。
主要议题：
- 美国 LLM 领导者的回应： 预计美国公司将调整方法，提高训练效率，并继续投入大量资金进行创新。
- 地缘政治影响： 开源 LLM 的性能差距正在缩小，封闭模型面临压力，美国公司仍将投入资金，但在中国 LLM 的重大采用方面仍将面临障碍。
- ASIC 芯片未来发展： 降低的训练/推理成本可能导致更少的潜在用例/采用性能较低/成本较低的芯片，这对 NVDA 竞争对手来说是个利好消息。
- 蒸馏能力创新： DeepSeek 展示了小型模型的蒸馏能力，使用蒸馏技术为小型模型注入强大推理能力，这在未来将非常重要。
