摘要

DeepSeek 所宣称的经济性，挑战了“前沿 AI 必须由最富有的实验室、最好的芯片和数百亿美元基础设施支撑”这一假设。 这家成立约1年的中国公司称，V3 使用受出口限制的芯片训练，成本为550万美元——约为可比 OpenAI 模型的百分之一；但 Kevin Roose 提醒，这个数字需要“打个折扣”看待。如果数据经得起核验，行业的进入壁垒、模型定价和利润率都将下移。
DeepSeek 发布 R1 推理模型、随后将模型带给消费者后，技术故事演变成了一场市场事件。 NVIDIA 下跌约18%，市值蒸发数千亿美元；与此同时，DeepSeek 的免费、无广告应用冲上美国 App Store 第一名。R1 被定位为 OpenAI o1 和 o3 的对应产品，其可见的思考过程让提示词不再像“往喷泉里扔一枚硬币”。
Casey Newton 的反方判断是，AI 成本快速下降本来就是既有趋势，而不是对整个行业的突然证伪。 Ethan Mollick 分享的一张图显示，在某些情况下，GPT-4 级别推理的成本在几年内下降了1,000倍；而此前美国的投资也为 DeepSeek 提供了可继续搭建的技术基础：“之所以他们能做到便宜，原因之一是其他人先付出了昂贵代价。”
即便 Big Tech 的数据中心不会变成闲置资产，定价压力也已立即出现。 一家大型 AI 公司的一名员工告诉 Kevin，客户已经在询问：如果从 OpenAI API 切换到 DeepSeek，能否节省80%；与此同时，同一批训练服务器和芯片可以转用于推理，随着使用量增长，具备规模优势的既有厂商反而可能受益。
DeepSeek 表明，开放模型可以更快缩短与封闭实验室的领先差距，但也放大了地缘政治和安全风险。 R1 的权重可以下载和修改；它会拒绝回答一些政治敏感问题，例如天安门广场相关问题；而 DeepSeek 没有披露清晰的安全计划。Casey 仍警告，不要仅仅因为中国的存在就本能地加速 AI 竞赛，尤其是当相关倡议者可能从冲突中获利时。
Jevons 悖论是既有厂商看多叙事的出口，但几位主持人并未把它视为定论。 Satya Nadella 认为，更高的效率会让 AI 变成“我们怎么都用不够的一种商品”，即使单位成本下降，也能维持需求。Kevin 指出，这也正是 Microsoft CEO 在市场抛售期间会说的话；Casey 的结论仍是，DeepSeek 意义重大，但一些反应已经“冲过了滑雪板前端”。

精读

1. DeepSeek 把一篇效率论文变成了消费者冲击

Kevin 追溯了 DeepSeek 的起点：High-Flyer，这家成立约1年的中国 AI 公司正是从这家对冲基金中脱胎而出。它第一次获得大规模关注是在圣诞节前后，当时发布了 V3，并称其可以与美国领先系统竞争。
真正令人震惊的不只是性能。DeepSeek 称，V3 使用的是受出口限制的“二流”芯片，而非顶级 H100，单次训练的原始成本为550万美元。Kevin 保留了必要的谨慎，提醒读者对这个数字“打个折扣”看待；但即便如此，这也意味着训练成本大约低至原来的百分之一。
随后发布的 R1，是 DeepSeek 对 OpenAI o1、o3 这类推理模型的回应；几天后，面向大众的应用上线。数百万人下载了这款免费、无广告的聊天机器人，认为它“和 ChatGPT 一样好，甚至更好”，推动这款罕见的中国消费应用登上美国 App Store 第一名。
Casey 认为，DeepSeek 的产品设计突破之一，是在回答问题时展示它如何理解查询。提示词不再像“往喷泉里扔一枚硬币”，用户可以看懂模型的思路，并据此提出更好的追问。

2. 抛售重估了 AI 护城河

NVIDIA 下跌约18%，市值蒸发数千亿美元，这让 DeepSeek 的意义超越了又一次模型发布。Kevin 认为，投资者担心的是“利润率下滑和商品化”：一个名不见经传的后来者，可能用更弱的芯片和其一小部分投入，就追平了行业领先者。
受到威胁的核心前提是“越大越好”——前沿模型需要数十亿乃至数千亿美元、庞大数据中心和最好的 GPU。如果 DeepSeek 的说法成立，领先模型的成本可能只需数百万乃至数千万美元，这会吸引更多竞争者，并限制服务商的收费空间。
Casey 的反驳值得保留：DeepSeek 并非脱离昂贵的美国创新独立出现。“之所以他们能做到便宜，原因之一是其他人先付出了昂贵代价”；早期实验室承担了摸索相关技术的成本，DeepSeek 得以在这些技术之上继续搭建。

3. 更便宜的模型未必会让算力资产闲置

Casey 表示自己“没那么慌了”，因为成本下降早已极其剧烈，也是市场普遍预期的方向。他引用 Ethan Mollick 分享的一张图指出，GPT-4 级别推理成本在几年内下降了1,000倍；DeepSeek 只是再次凸显了一条已经启动的曲线。
数据中心投入同样可以复用。为大规模训练购买的同一批芯片和服务器，也能用于推理；随着 AI 采用率上升，手握产能的既有厂商可以承接查询，并围绕这些流量建立业务。Casey 认为，DeepSeek 自己的需求就说明它仍然“恨不得拥有所有这些芯片”，所以它的成功并不能证明出口管制失效。
Kevin 保留了短期看空逻辑：他认识的一家大型 AI 公司员工说，客户已经在询问，用 DeepSeek 替代 OpenAI API 能否节省80%。即便算力需求能够延续，模型供应商仍面临压力，因为买家希望推理服务“尽可能便宜”。
Satya Nadella 给出的答案是 Jevons 悖论：效率提升可能带来足够大的消费增长，从而抵消节省的成本。他所说的 AI 使用量将“飙升”，或许能够维持 Microsoft 的经济模型；但 Kevin 指出，这正是投资者预期一家处于恐慌中的公司 CEO 会传递的信息。

4. 开放权重正在缩短每一家封闭模型公司的领先期

Casey 认为，DeepSeek 的成就有一部分是“精巧地照搬美国开创的技术”。真正的变化在于速度：过去，开放模型通常会落后 OpenAI 或 Google 的系统一截；DeepSeek 则表明，它们如今可以快得多地追上来。
Kevin 表示，DeepSeek 展示了如何对 Llama 3 或 Llama 4 这类模型进行蒸馏——在基本不牺牲性能的情况下，让模型变得更小、更便宜。一旦技术路径变得清晰，Casey 说，维持可防守的护城河就会更难。
在 AI 上投入数十亿美元、却持续免费开放模型的 Meta，可能最直接地感受到这种压力。The Information 报道称，Meta 已设立4个内部战情室应对 DeepSeek；Casey 说自己没有独立报道，但相信这些消息。他的辛辣概括是：Meta“本来应该是最擅长照搬别人东西的公司”，现在却遇到了一个更快的模仿者。

5. 开放扩散同时放大地缘政治和安全风险

DeepSeek 的模型仍然明显带有中国烙印：据报道，R1 会拒绝回答有关天安门广场的提示词。Kevin 担心，如果中国企业取得领先，其审查法律和价值观可能嵌入广泛使用的 AI，并且很难再被移除。
Casey 接受这一担忧，但不相信仅仅因为中国存在，就应当加速 AI 竞赛。当那些拥有可能从旷日持久冲突中获益的投资的人，用地缘竞争为更快的 AI 竞赛辩护时，他会“扬起眉毛”。
AI 安全专家担心，能力不断增强的系统可能很快达到通用智能或超级智能，并以人类不愿看到的方式收场。R1 的开放权重意味着任何人都可以下载、运行或修改它，这进一步加剧了这样的担忧：危险的未来系统将“非常难以控制”，也很难被限制在一个国家或一家公司之内。
Casey 看不到 DeepSeek 披露过任何安全理念，甚至找不到一名明确的安全研究员：其显然采取的路线是“构建 AGI，把它交给尽可能多的人”，然后看看会发生什么。

Blake Hall - 战斗、服务与创新 - [Invest Like the Best，第408期]TSMC创始人 Morris Chang