DeepSeek的低成本神话后，云大厂们为何还要增加算力投入

  尽管具体的相关话题不断变化，但对Deepseek的讨论至今热度不减，不知道你家楼下小饭馆的老板，是不是也在考虑用DeepSeek来换新自家二十年没有变过的菜单？

  当然，话题变迁的路径依旧清晰可见，从人工智能业内开始、从专业人士开始、从对“低成本”的惊叹开始。

  丁科技网注意到，一个有意思的现象是，DeepSeek的出现虽然演绎了低成本神话，看起来是对规模定律的打破，站在AI创新背后、提供基础设施的云厂商们也都在积极拥抱他，但于此同时，全球头部云厂，对算力的投入看起来非但没有减少，反而还要继续增加。

（截图自DeepSeek | 深度求索）

  从公开信息来看，特别是作为全球“一哥”和中国“一哥”的两家：

  亚马逊计划在2025年投入1000亿美元，主要用于云业务，作为主要载体的应当依旧是从2024年以来明显加码AI领域的亚马逊云科技；阿里巴巴计划在未来三年投入535亿美元，用于云和AI硬件基础设施，这据说超过过去十年的总和。

  另外，从公开信息看，微软、谷歌也计划增资。比如，微软提到的AI算力产能有限，因此在加大投资力度；谷歌也提到增加AI产品产能。

  就丁科技网的理解，这背后可能有如下几点原因：

  先就DeepSeek角度来看，“低成本”可能不是事实的全部。

  通常被关注的信息是，DeepSeek-V3以不到OpenAIGPT-4o模型的训练成本的十分之一（大约是558万美元），实现了接近的性能。不过，同时需要注意的是，DeepSeek在V3模型技术报告中指出了一个事实，就是“558万美元不包括与架构、算法或数据相关的前期研究和消融实验的成本”。也就是说，约558万美元的金额，属于净算力成本。

  如果从更长的时间线来看，DeepSeek母公司幻方量化在2019年的深度学习训练平台“萤火二号”搭载约1万张英伟达A100显卡，这在当时已经算“先进”了。

  所以，一些可见的专业解读认为，DeepSeek给到行业最大的意义是算法创新提高了资源的利用率，而不是颠覆掉通过增加算力提升模型性能的现有规律，另外就是开源实现的友好性。

  再从全球头部云厂角度来看，应该有三点诉求。

  其一是推出更多可能更好的模型。不难发现，在DeepSeek看起来横空出世之后，同样作为模型大厂的全球头部云大厂基本都在对标，大有加快创新节奏的感觉，DeepSeek很像是在带来“鲶鱼效应”。全球头部云厂在尝试推出更多可能更好的模型，来应对之后的风险，为可能的竞争持续加码。

  在丁科技网看来，这里还有三个细节原因，一是，DeepSeek模型并不算是全面领先；二是，全球头部云大厂大概率也有规模定律未失效的判断；三是，多模型应用才是客户在现实中解决问题时的常态，这代表依然有很多未被看到的机会。

  DeepSeek用相对少的资源、更创新的算法以及开源的态度赢得了关注，那么如果是创新算法、开源再加上更为丰富的算力和训练参数呢？在丁科技网看来，云大厂们没理由不这么想。

  其二是应对对后续AI应用可能更大爆发的支持。去年以来有算力成本下降的趋势，以阿里云为代表，在持续推动云服务降价、大模型降价，受益于此，一方面是AI应用更多出现，另一方面是AI应用的能力持续增强，随之而来的是AI应用用户增加，那么，对算力的消耗其实应该是会明显增加的。

  其三是对相关服务使用的支持。从趋势来看，更多企业会将模型从应用实践推向真实生产，这就不仅涉及模型本身，还会涉及大量云服务的相关算力支持。（丁科技网原创，转载务必注明“来源：丁科技网”）