DeepSeek低成本方案打破AI大模型Scaling Laws，英伟达股价暴跌20%

长期以来，AI大模型的发展遵循着 Laws。这一规律指出，当模型参数规模、训练数据量和AI芯片同步扩大时，模型的智能表现会呈现指数级跃升，甚至出现“智能涌现”现象。简而言之，越想训练出优秀的大模型，就需要越多的AI芯片。过去几年，科技巨头争相买入AI芯片，以期望能训练出超越同行的AI大模型。然而，的低成本方案却打破了这一叙事。

首当其冲受到影响的就是英伟达。其在2025年1月27日股价一度下跌超过20%，市值蒸发约6000亿美元。美国投资人 表示，的低成本路线摧毁了 Laws，行业长期存在算力浪费，硬件优势可能被效率优化取代。

然而，事实真的如此吗？

众所周知，大模型可以划分为训练和推理两个阶段，前者的目标是通过向模型输入大量数据，优化调参，得到一个可用的模型，后者是利用训练好的模型来解决实际问题。的创新是以捷径降低训练成本，而面向广大下游的推理场景，缺口仍然存在。

事实上，训练成本每年都在降低。美国著名投资人Cathy Wood表示，AI训练成本正以年均75%-78%的速度急剧下降，这一趋势远超传统行业预期。成本下降的来源取决于硬件效率提升（如英伟达架构）、算法优化（如MoE混合专家模型）及开源生态的繁荣。让训练成本大幅下降，但却并非唯一因素。

Cathy Wood还认为，低成本训练能力使初创企业和中型科技公司能够以更低成本参与AI竞争，直接促进AI在医疗、金融、自动驾驶等领域的落地。而下游推理市场的百花齐放，也正需要无穷无尽的算力。从某种意义上来说，加速了AI芯片市场从训练到推理的转移，而推理所需的AI芯片，毫无疑问是更大的市场。

英伟达CEO黄仁勋表示，AI市场的竞争焦点正从训练转向推理，而推理阶段的算力需求将远超预期。在昨日的第四季度业绩说明会上，他表示未来推理市场将会是现在训练市场的百万倍。同时，他提出“第三扩展定律”，即模型在生成高质量回答前需进行多次迭代推理，这一过程本质是计算密集型的。而AI应用的爆发（如自动驾驶、医疗诊断）将推动推理算力需求持续攀升，的普及反而会因降低行业门槛扩大整体市场规模。

在讨论是否会讨论算力市场骤降之前，我们可能忽略了一个前提，-R1并非终局。-R1仅仅是一个对话模型，不具备多模态功能，并且离终极目标AGI也相差甚远。针对推理的AI芯片固然会迎来大发展，而-5、-R2、Grok-4等海内外优秀的大模型尚在迭代，针对训练的AI芯片也会维持高速增长。

02 云厂商在做什么

美股著名投资人 表示，中国AI公司的出现改变了AI行业格局，可能会使AI市场出现分化，一部分是商品化且竞争激烈的低等级AI产品，另一部分是高端产品。同时，他将AI芯片市场规模预期从5000亿美元砍至3000亿美元，引发的效率革命将终结算力泡沫，AI芯片市场的增长可能并不像之前市场预期的那么乐观。

然而，这一观点迅速被科技巨头的财报驳斥。从常理上看，起码在短期内降低了AI芯片的需求，然而谷歌、微软、亚马逊、Meta这四大云厂商的资本开支却显示，2025年的资本开支将会达到3000亿美元，较2024年还增长了约800亿美元，远超市场预期。

图表 2：北美四大云厂商资本开支（单位：亿美元）

图表 3：2025年以来中国AI芯片领域投融情况