華爾街研究：DeepSeek是AI末日嗎市場恐慌被指過度

小大

用微信掃描二維碼
分享至好友和朋友圈

關鍵詞：

2025-01-30 13:26:03 華爾街見聞

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注。市場上甚至有說法稱DeepSeek僅用500萬美元就復制了OpenAI,，認為這將給整個AI基礎設施產(chǎn)業(yè)帶來重大影響,。

對此，華爾街知名投行伯恩斯坦在詳細研究DeepSeek的技術文檔后發(fā)布報告稱,，這種市場恐慌情緒明顯過度,。“500萬美元復制OpenAI”的說法是市場誤讀,。實際上，這500萬美元僅僅是基于每GPU小時2美元的租賃價格估算的V3模型訓練成本,，并未包括前期研發(fā)投入,、數(shù)據(jù)成本以及其他相關費用,。

伯恩斯坦認為，雖然DeepSeek的效率提升顯著,，但從技術角度看并非奇跡,。即便DeepSeek確實實現(xiàn)了10倍的效率提升，這也僅相當于當前AI模型每年的成本增長幅度,。目前AI計算需求遠未觸及天花板,，新增算力很可能會被不斷增長的使用需求吸收，因此對AI板塊保持樂觀,。

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

MoE架構每次只激活部分參數(shù),，減少計算量,；MHLA技術降低內存占用，提升效率,；FP8混合精度訓練在保證性能的同時,，進一步提升計算效率。伯恩斯坦認為,，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模型通過強化學習等創(chuàng)新技術,，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技術的普及提供了新的思路,。

伯恩斯坦認為,，即便DeepSeek確實實現(xiàn)了10倍的效率提升,，這也僅相當于當前AI模型每年的成本增長幅度。在“模型規(guī)模定律”不斷推動成本上升的背景下,，像MoE,、模型蒸餾、混合精度計算等創(chuàng)新對AI發(fā)展至關重要,。根據(jù)杰文斯悖論,，效率提升通常會帶來更大的需求，而非削減開支,。該行認為,，目前AI計算需求遠未觸及天花板，新增算力很可能會被不斷增長的使用需求吸收,?；谝陨戏治觯魉固箤I板塊保持樂觀,。

(責任編輯：張蕾)

關閉

華爾街研究：DeepSeek是AI末日嗎 市場恐慌被指過度

相關新聞

今日熱點

頻道熱點

華爾街研究：DeepSeek是AI末日嗎市場恐慌被指過度