春節(jié)期間,，DeepSeek新一代開源模型以低成本和高性能引發(fā)熱議,，在全球投資界引起廣泛關(guān)注,。市場上甚至有說法稱DeepSeek僅用500萬美元就復(fù)制了OpenAI,，認(rèn)為這將給整個(gè)AI基礎(chǔ)設(shè)施產(chǎn)業(yè)帶來重大影響。

對(duì)此,，華爾街知名投行伯恩斯坦在詳細(xì)研究DeepSeek的技術(shù)文檔后發(fā)布報(bào)告稱,，這種市場恐慌情緒明顯過度?！?00萬美元復(fù)制OpenAI”的說法是市場誤讀。實(shí)際上,，這500萬美元僅僅是基于每GPU小時(shí)2美元的租賃價(jià)格估算的V3模型訓(xùn)練成本,，并未包括前期研發(fā)投入、數(shù)據(jù)成本以及其他相關(guān)費(fèi)用,。

伯恩斯坦認(rèn)為,，雖然DeepSeek的效率提升顯著，但從技術(shù)角度看并非奇跡,。即便DeepSeek確實(shí)實(shí)現(xiàn)了10倍的效率提升,，這也僅相當(dāng)于當(dāng)前AI模型每年的成本增長幅度。目前AI計(jì)算需求遠(yuǎn)未觸及天花板,，新增算力很可能會(huì)被不斷增長的使用需求吸收,，因此對(duì)AI板塊保持樂觀。

關(guān)于DeepSeek發(fā)布的兩大模型V3和R1,，伯恩斯坦進(jìn)行了詳細(xì)分析,。V3模型采用專家混合架構(gòu)，用2048塊NVIDIA H800 GPU,、約270萬GPU小時(shí)達(dá)到了可與主流大模型媲美的性能,。V3模型結(jié)合了多頭潛在注意力技術(shù)和FP8混合精度訓(xùn)練，使得其在訓(xùn)練時(shí)僅需同等規(guī)模開源模型約9%的算力,，便能達(dá)到甚至超越其性能,。例如，V3預(yù)訓(xùn)練僅需約270萬GPU小時(shí),，而同樣規(guī)模的開源LLaMA模型則需要約3000萬GPU小時(shí),。

MoE架構(gòu)每次只激活部分參數(shù)，減少計(jì)算量；MHLA技術(shù)降低內(nèi)存占用,，提升效率,；FP8混合精度訓(xùn)練在保證性能的同時(shí)，進(jìn)一步提升計(jì)算效率,。伯恩斯坦認(rèn)為,，與業(yè)界3-7倍的常見效率提升相比，V3模型的效率提升并非顛覆性突破,。

DeepSeek的R1模型通過強(qiáng)化學(xué)習(xí)等創(chuàng)新技術(shù),，顯著提升了推理能力，使其能夠與OpenAI的o1模型相媲美,。此外,，DeepSeek還采用了“模型蒸餾”策略，利用R1模型作為“教師”,，生成數(shù)據(jù)來微調(diào)更小的模型,，這些小模型在性能上可以與OpenAI的o1-mini等競爭模型相媲美。這種策略不僅降低了成本,，也為AI技術(shù)的普及提供了新的思路,。

伯恩斯坦認(rèn)為，即便DeepSeek確實(shí)實(shí)現(xiàn)了10倍的效率提升,，這也僅相當(dāng)于當(dāng)前AI模型每年的成本增長幅度,。在“模型規(guī)模定律”不斷推動(dòng)成本上升的背景下，像MoE,、模型蒸餾,、混合精度計(jì)算等創(chuàng)新對(duì)AI發(fā)展至關(guān)重要。根據(jù)杰文斯悖論,，效率提升通常會(huì)帶來更大的需求,，而非削減開支。該行認(rèn)為,，目前AI計(jì)算需求遠(yuǎn)未觸及天花板,，新增算力很可能會(huì)被不斷增長的使用需求吸收?；谝陨戏治?，伯恩斯坦對(duì)AI板塊保持樂觀。