蝉鸣报告（原爱报告知识星球）
摩根士丹利近日发布了一份名为“DeepSeek对于科技和更广义经济的含义是什么”的行业研究报告。该报告深入探讨了DeepSeek技术在降低训练和推理成本方面的创新，以及这些进步如何推动更快的GenAI产品创新、可用性和应用渗透，对科技巨头的资本支出计划、互联网和软件行业的GenAI ROIC提升、半导体行业的投资计划等多个领域产生深远影响。报告中详细分析了DeepSeek模型对科技行业的具体影响，包括对美国科技巨头资本支出的预测、对互联网和软件行业的ROI影响，以及对ASIC芯片未来发展的乐观预期。这份报告提供了对当前科技趋势的深刻洞察，是理解DeepSeek技术及其经济影响的宝贵资源。
在当今这个科技飞速发展的时代，DeepSeek技术的出现无疑为人工智能领域带来了一场革命。这项技术的核心在于降低了训练通用人工智能（GenAI）模型的成本，使得更快的产品创新、可用性和应用渗透成为可能。根据摩根士丹利的研究报告，美国科技巨头计划在2025/2026年投入约6500亿美元用于总资本支出，这一投资规模将极大地推动GenAI产品的创新和可用性。
DeepSeek模型的创新之处在于，它通过自我进化和纯粹的强化学习过程，探索了在没有任何监督数据的情况下发展推理能力的潜力。这一技术的发展，不仅在成本上大大降低，而且已经显示出与OpenAI-o1相当的性能。据估计，DeepSeek-v3模型基于280万H800 GPU小时的计算资源进行了约560万美元的训练，远低于训练Meta Llama 3 405B所需的约30.8百万H100 GPU小时。这一成本的降低，预示着更快的LLM启用和生成式AI产品创新，以及消费者和企业采用的加速。
在互联网和软件行业，由Google、Meta、Amazon和Microsoft等巨头领导的市场，将因计算成本的下降和使用渗透率的上升而受益。这些公司不仅拥有庞大的资本支出和用户基础，还具备将DeepSeek的改进应用于自己模型的能力。这样的技术进步，将推动这些行业的GenAI投资回报率（ROIC）提高。
然而，技术的发展总是伴随着挑战。出口管制和LLM商品化的问题引发了对半成品的担忧。尽管如此，计算机的历史表明，成本的降低加速了使用和需求。DeepSeek的技术进步，尽管令人印象深刻，但并没有利用大型CSP必然投资不足的技术。这一点，从行业反馈中得到了一致的确认。
在半导体领域，DeepSeek的成功并不会影响行业的投资计划。尽管如此，技术限制中国只能使用H20绩效水平，并没有阻止中国发展LLM。这引发了对政府政策的影响的思考，尤其是拜登提出的限制人工智能的提案，这可能会限制集群规模，但同时也可能为中国国内硅产业注入一剂强心针。
开源相对于其他开源软件的性能差距正在缩小，这给人工智能领域最大的支出者带来了压力，迫使他们合理化越来越大的训练运行，而不是以较低的价格利用他人的工作。DeepSeek的R1重新点燃了这些风险，这可能会改变人工智能市场的格局。
在能源领域，美国的人工智能基础设施增长对股票市场产生了影响。关键问题包括人工智能训练和推理的混合比例，以及是否正在经历一种“杰文斯悖论”动态，即成本的迅速下降导致对人工智能推理的需求迅速加速。模型显示，在6年期间内，计算单位成本下降了约90%，这表明随着计算成本的下降，人工智能的采用速度可能会加快。
最后，这篇文章的灵感来自于摩根士丹利发布的关于DeepSeek对科技和更广义经济影响的研究报告。这份报告只是众多同类型报告中的一份，它们都提供了深刻的行业洞察和市场分析。对于那些对科技行业和市场趋势感兴趣的读者，推荐阅读这些报告，它们都被收录在同名星球中，供大家自行获取和研究。
以上为节选样张，关注公众号【蝉鸣报告】回复领取PDF完整电子版（无广告）。
【蝉鸣报告】每日更新最新硬核报告，覆盖产业报告、全球化、经济报告、趋势等全领域。
