Nvidia 仍是 AI 硬件和軟件領域極具創(chuàng)新性的領導者,。隨著 DeepSeek 的突破性 AI 技術顛覆了半導體行業(yè),，了解從訓練到推理的轉變及其對 Nvidia 等主導參與者的影響變得尤為重要,。行業(yè)正在從以訓練為主的重點轉向推理階段，在這個階段,，現(xiàn)實世界的應用和貨幣化都會發(fā)生。即使 GPU 訓練需求趨于平穩(wěn),，多元化的半導體生態(tài)系統(tǒng)仍然存在重大機會,。DeepSeek 最近聲稱以典型成本的一小部分獲得高端結果，這讓投資者感到不安,，并引發(fā)了對 Nvidia 主導地位的質疑,。然而，超大規(guī)模企業(yè)和企業(yè)可以將重點轉移到利用現(xiàn)有的 AI 基礎設施進行推理,，而 Nvidia 在其軟件生態(tài)系統(tǒng)和下一代產(chǎn)品方面仍具有顯著優(yōu)勢,。

更廣泛的半導體市場多元化的時機已經(jīng)成熟，專業(yè) ASIC 和其他芯片制造商已準備好抓住需求,。因此,，在整個半導體領域采取平衡的投資方法仍然是最謹慎的策略。

據(jù)稱,，DeepSeek 的 R1 提供了近乎最先進的推理性能,，而成本只是其中的一小部分。DeepSeek 表示,，與 OpenAI 和其他領先的 AI 實驗室相比,，他們使用的芯片質量較差，但仍以顯著降低的訓練成本取得了令人印象深刻的結果,。這引發(fā)了一個關鍵問題：如果新模型可以如此便宜地進行訓練,，那么超大規(guī)模企業(yè)是否還需要更多的 GPU 投資才能實現(xiàn)最佳性能？

在過去兩年中,，主要云提供商已向配備 Nvidia GPU 的數(shù)據(jù)中心投入了數(shù)十億美元,，以大規(guī)模處理 AI 訓練。懸而未決的問題是,，這些超大規(guī)模企業(yè)如何計劃將該基礎設施貨幣化,。AI 研究人員的評論表明,，大模型的性能提升可能會帶來遞減的回報，從而推動市場從投資更大的集群轉向將現(xiàn)有模型貨幣化,。GPU 實力動態(tài)也已經(jīng)開始從 Nvidia 的市場所有權轉變?yōu)槌笠?guī)模企業(yè)增加的購買力,。

DeepSeek 的公告顯示，在更便宜的硬件上訓練高性能模型,，引起了市場對未來 GPU 需求的擔憂,。以前關于縮放定律的假設可以用這個模型來反駁。R1 可以用更少的計算做更多的事情,。更令人擔憂的是,，如果超大規(guī)模企業(yè)能夠以成本較低的替代硬件實現(xiàn)最先進的結果，那么 Nvidia 在數(shù)據(jù)中心 GPU 方面的增長很可能會放緩,。這種情緒將導致 AI 芯片制造商的股價持續(xù)下跌,。

盡管頭條新聞負面，但兩個主要觀點指出了多元化半導體投資的明智之舉,。如果 DeepSeek 的說法完全正確,，DeepSeek 的 R1 表明，您可以使用更便宜的硬件訓練頂級模型,。隨著訓練硬件需求的擴大,，其他芯片設計人員可以站穩(wěn)腳跟，尤其是在推理領域,，其中專用芯片具有成本效益和功耗效率,。即使 GPU 訓練需求趨于平穩(wěn)，在多樣化的半導體生態(tài)系統(tǒng)（即無晶圓廠）中仍然存在重大機會,。

如果 DeepSeek 的說法被夸大了,，也許 DeepSeek 的成就并不像看起來那么具有開創(chuàng)性，或者存在未公開的限制,。長期的 AI 周期自然而然地轉變?yōu)橥ㄟ^推理使模型貨幣化,。該推理階段通常偏愛專用 ASIC、較小的 GPU 實例和其他加速器（包括 CPU 增強功能）,，從而擴大了與 Nvidia 高端 GPU 的競爭,。Nvidia 可能會繼續(xù)在訓練方面處于領先地位，但隨著 AI 的成熟,，更多的參與者將爭奪 AI 硬件堆棧的不同部分,。

Nvidia 仍然是 AI 硬件和軟件領域極具創(chuàng)新性的領導者。他們宣布了專為推理工作負載設計的新產(chǎn)品,，例如下一代 GPU 架構（例如 Hopper）和橋接訓練和推理的專用平臺,。隨著市場轉型，Nvidia 的數(shù)據(jù)中心 GPU 業(yè)務可能會實現(xiàn)更正常的增長,，但其全面的生態(tài)系統(tǒng)（硬件、CUDA 軟件、企業(yè)合作伙伴關系）仍將其定位為關鍵參與者,。與此同時,，其他芯片制造商正在加速發(fā)展，越來越多的 ASIC 和 CPU 正在出現(xiàn),，從而實現(xiàn)了各種經(jīng)濟高效的推理解決方案,。