《“算力崩塌”，是真是假？》

近期“算力崩塌”的说法在相关领域引起轩然大波。一方面，一些数据显示部分地区的算力设施出现故障或者性能急剧下降的情况，这似乎印证了“算力崩塌”。例如，某些大型数据中心因电力供应问题，导致部分算力中断。然而，从全局来看，也有许多反对的声音。科技企业不断投入研发，新的算力技术和设备也在持续增加，整体的算力在很多应用场景下依然能够满足需求，并且在逐步发展壮大。所以“算力崩塌”目前来看并非完全真实，更像是局部问题被放大后的一种说法，还需要综合多方面因素深入分析。

DeepSeek的开发成本极低，开源、服务完全免费，这让山姆·奥特曼和其他AI人工智能的从业者“印象深刻”，让世界首富马斯克破防，让瑞·达利欧对美股深感担忧。

知名投资人“木头姐”凯茜·伍德甚至直言：DeepSeek加剧了人工智能的成本崩溃。

“神秘的东方力量”让全世界为之侧目，也引发了中美AI领导地位更替的思考。不过，对于算力进行重新判断，可能仍然为时尚早。

当前，我国AI算力部署占全球算力基础设施的26%，名列世界第二。在“算力即国力”的思潮下，东数西算等数字基础设施工程正积极进行。

DeepSeek颠覆了固有的“大力出奇迹”的大模型性能提升路径，短期内对算力需求预期会出现大幅下降。但长期来看，算力部署仍然有大规模需求扩张作的基础。

正在进行的超大规模算力投资，对于中国科技产业来说，仍是一笔巨大的财富。DeepSeek带来的对算力成本的大幅节省，与如今中国大规模投入的算力基础设施建设并不冲突。

一、颠覆

DeepSeek的颠覆性创新，在于极致的效率革命。它仅用不到OpenAI十分之一的成本，就达到了后者最新大模型的性能。

1月20日，DeepSeek正式发布DeepSeek-R1模型系列，大模型排行榜Chatbot Arena上，DeepSeek-R1的基准测试排名已升至全类别第三，与ChatGPT-4o最新版并驾齐驱，并在风格控制类模型分类中与OpenAI-o1并列头名。

R1模型虽未公布训练成本，但据DeepSeekV3技术报告，V3模型的训练总计只需要278.8万GPU小时，相当于在2048块H800（英伟达特供中国市场的低配版GPU）集群上训练约2个月，合计成本仅557.6万美金。

有传言，R1模型的训练成本基本相当，但参数规模达到惊人的6710亿，这些数据都足够令外界震惊。

作为对比，GPT-4o模型的训练成本约为1亿美元，需要英伟达GPU量级在万块以上，且是比H800性能更强的H100。

同样是开源模式的Meta Llama 3系列模型，其训练需要多达3930万H100 GPU小时，DeepSeek的训练成本约相当于Llama 3的7%。也有AI大佬表示过，仅DeepSeek-V3级别的能力就需要接近16000颗GPU的集群。

也就是说，这家中国初创AI公司仅用不到十分之一的成本，就达到了世界一流水平。

这种颠覆性的成本优势，极有可能改变过往“高投入、高算力”的研发路径，市场对算力硬件需求持续高增长的预期或产生动摇。

“四两拨千斤”的能力源于其自研的MLA和MOE架构，为其自身的模型训练成本下降起到了关键作用。

此外，R1模型使用数据蒸馏技术（Distillation），通过一系列算法和策略，将原始复杂的数据进行去噪、降维、提炼，从而得到更为精炼、更为有用的数据，提升训练效率。

模型蒸馏可以通过训练小型模型模仿大型模型，广泛应用于提高AI效率与降低成本。比喻来说，DeepSeek相当于通过更高效的学习方法获得了优异分数，而OpenAI还在搞题海战术。

关于“蒸馏技术”网络上出现了一些争议

OpenAI的训练非常依赖人工，其数据团队甚至分为不同水平的部门，大量数据标注还要转交给肯尼亚等廉价外包劳工，高维数据还需更高素质的专业人员进行标注，这些都是成本。

近期OpenAI和一些舆论也在公开指责DeepSeek团队通过“模型蒸馏”技术“违规复制”其产品功能，但始终未提供具体证据。

而且“数据越多性能越强”属于惯性固有思维，因为数据量越多，其中的干扰也将随之变大，在此之前，市场上已经有“人工智能变蠢了”的讨论出现。

也就是说，如何对数据进行清洗和精炼，同样是提升模型能力的关键。通过创新训练方法，DeepSeek改变了堆砌算力的共识。

正如创始人梁文锋所说：“我们想去验证一些猜想。”

二、改写

半导体领域普遍遵循摩尔定律，AGI行业则是沿着Scaling Law（模型规模定律）向前演进。

Scaling Law被业界认为是大模型训练的“第一性原理”，模型性能与规模（参数量、数据大小、算力资源）呈正相关——参数越多、计算资源越大，模型的性能就越强。

好比一个中学生，给他提供更丰富的学习资料、更长的学习时间和更好的学习环境，他的学习成绩普遍会更好。

此次AI浪潮正是以Scaling law为底层逻辑的技术革命，但DeepSeek的出现打破了这一定律，或者至少让Scaling law的边际效益出现放缓的迹象。

这带给业界的启示是，人工智能产业将不再一味追求大规模算力的投入，而是在模型架构和工程优化结合上进行突破。粗放式的疯狂投入发展阶段逐步退潮，AI创新进入追求效率，追求模型架构设计、工程优化全新阶段。

正如达摩院首席科学家赵德丽所认为的，大模型可以看成是知识的压缩，怎么利用知识产生更好的智能，就是基于基础模型的思维推理必然发展的方向。

如微软rStar-Math无需蒸馏，用60块A100训练的7B模型在数学推理上可媲美OpenAI-o1；上海AI实验室的书生·浦语3.0，仅使用4T数据进行训练，综合性能超过了同量级的开源模型，而且训练成本降低了75%以上。‌

DeepSeek带来的“范式转移”，不仅破除了科技大厂建立的技术领先壁垒，同时还打破了重资本比拼的游戏惯例。而且它不仅开源，而且还免费。

作为回应，OpenAI紧急上线新一代推理模型o3系列的mini版本，并且首次免费向用户开放其基础功能。奥特曼承认，“我个人认为，在（开闭源）这个问题上我们站在了历史的错误一方，需要找出一个不同的开源策略。”

效率优化策略，无疑给互联网大厂们的超级愿景泼了一盆冷水。

字节跳动2024年在AI赛道的资本开支就高达800亿元，接近BAT的总和；微软、谷歌、亚马逊、Meta、苹果五巨头合计资本开支2253亿美元，2025年有望继续增长19.6%。其中，单是微软就计划在2025财年砸下800亿美元，用于建设人工智能数据中心。

就在DeepSeek-R1模型发布两天后，美国政府就联合OpenAI、软银、甲骨文等启动“星际之门”项目，计划在未来四年内最高投资5000亿美元。孙正义还宣布要给OpenAI投资250亿美元，巨头们期望通过“军备竞赛”，维持自身在AI领域的全球领导地位。

此前，美国大厂为GPT-5、Llama4等下一代模型正使尽全力补充算力，奥特曼甚至一度去找到中东巨富，计划筹集7万亿美金建设一座超级数据中心和芯片制造厂。

DeepSeek的出现，改变了这种超大规模扩张算力的行业发展“固定路径”，但同时也出现了一种应该彻底放弃算力建设的声音。

三、过剩？

国家算力战略部署的复杂性，显然会超过一般舆论讨论所得出的结论。尤其是，我国算力基础设施目前仍处于初步搭建阶段，还远未到过剩状态。

一方面，随着访问量急速飙升，用户蜂拥而至，DeepSeek深度思考和联网搜索功能也出现了宕机情况。DeepSeek移动应用上线仅18天就迎来了1600万次下载，几乎是ChatGPT同期的两倍，更是成为全球140个市场中下载量最高的APP。

另一方面，需要注意的是，DeepSeek目前仅支持文字问答、读图、读文档等功能，还未涉及图片、音频和视频生成领域，未来要想突破文本范畴，其对算力和前期训练成本的投入都将呈几何级飙升。

对于其他追随DeepSeek的大模型公司来说情况也是类似，随着用户的增长和产品线的不断丰富，最终都需要不断扩张算力。目前国内各大投资机构都在“疯狂对接”DeepSeek，显然是对此有非常清晰的判断。

百度CTO王海峰就认为，规模定律（Scaling Law）仍然有效，更高质量更大规模的数据、更大的模型将会带来更强的能力。

目前算力建设已成为国家级战略。2024年《政府工作报告》中就明确提出，适度超前建设数字基础设施，加快形成全国一体化算力体系。根据《中国综合算力指数（2024年）》报告，截至2023年末，我国算力基础设施规模占全球的26%，名列第二，仅次于美国。

工信部数据显示，截至2024年9月，我国算力总规模246EFLOPS（每秒进行百亿亿次浮点运算的能力），在用算力中心机架总规模超过830万标准机架。

此前，六部门联合印发《算力基础设施高质量发展行动计划》，其中指出到2025年，我国算力规模将达到300EFLOPS，智能算力占比要达到35%。

“东数西算”工程早在2021年5月就已启动，京津冀、长三角、粤港澳大湾区、成渝、贵州、内蒙古、甘肃、宁夏八大枢纽和10大集群雏形已现。

国内已建、正在建设的智算中心超过250个，规划具有超万张GPU集群的智算中心已有十多个，国产芯片厂商也因此受到极大关注。华为、寒武纪、百度昆仓芯、海光信息，加上中芯国际，共同形成了对抗英伟达、AMD的中国军团。

这些大规模部署和研发投入，都具有历史性的战略意义，是人工智能时代的重要社会财富。

四、写在最后

用低成本开发出优质产品，是中国在资源匮乏的历史条件下，实现工业现代化的独特文化，而美国则擅长所谓的“范佛里特弹药量”，倚仗超大规模投入获得超级领先地位。

在当前的世界经济格局中，中国家电、光伏等制造业基本都是以高性价比策略取胜，DeepSeek的成功，也是在另一个领域中体现出了中国智慧、巧思和韧性。

中美AI拉锯的混战中，原先还处在追赶阶段的中国企业，突然以一种领先或颠覆者的身份出现，让全球科技界大为吃惊。但我们仍需要保持冷静和谦逊的心态。

就像梁文锋所说的：

在美国每天发生的大量创新里，这是非常普通的一个。他们之所以惊讶，是因为这是一个中国公司，以创新贡献者的身份，加入到他们的游戏里去。

也正因如此，算力基础设施仍是一种人工智能时代不可或缺的创新土壤、社会资源。