近期，中國 AI 新創公司 DeepSeek 宣布其 DeepSeek-V3 模型的訓練成本僅不到 600 萬美元，這一數字遠低於其他 AI 公司動輒上億美元的投入，且性能表現與主流 AI 模型相當。此消息一出，市場開始擔憂 DeepSeek 的低成本模式將對 AI 產業的供需格局產生重大影響，尤其是可能迫使其他 AI 公司重新評估其成本結構，並尋求更高效的訓練方法，進而減少對高端晶片的需求。這也是近期 AI 硬體股價下跌的主要原因之一。
然而，面對這樣的重大事件，投資者不應僅憑表面資訊做出判斷，而應深入分析其背後的產業影響與長期趨勢。
成本與技術的雙重突破
DeepSeek 所宣稱的 600 萬美元成本，是基於 278 萬個 H800 GPU 小時的市場價格計算而來，每小時約 2 美元，總計約 550 萬美元的 GPU 訓練費用。然而，這僅是模型預訓練階段的成本，並未涵蓋研發、硬體、人力等其他開支。因此，這一數字並不能完全反映實際投入。DeepSeek 的成功不僅在於低成本，更在於其技術創新與策略性成本控制，這使其在競爭中脫穎而出。
算力需求的長期趨勢
儘管 DeepSeek 的低成本模式可能短期內減少對算力的需求，但長期來看，AI 產業對算力的需求並不會因此減少。根據傑文斯悖論（Jevons Paradox），當技術進步提高資源使用效率時，資源的總體消耗量往往不減反增。這是因為效率提升降低了使用成本，進而促進了更多應用場景的出現。
例如，蒸汽引擎的技術進步提高了煤炭的使用效率，但煤炭的需求卻因此增加；節能燈泡雖然降低了每小時的電力消耗，但卻鼓勵了更多的照明使用，總電力消耗可能不降反升。同樣地，DeepSeek 的低成本 AI 模型雖然減少了訓練所需的算力，但隨著 AI 應用的普及和新場景的出現，長期來看，對算力的需求仍將持續增長。
AI Agent 時代的來臨
隨著 AI Agent 時代的到來，算力需求將從訓練階段轉向推理階段。AI 模型引入思維鏈（Chain of Thought, CoT）機制後，AI 的思考時間越長，答案的精確度就越高，這將需要更多的算力來支持更複雜的推理過程。因此，算力需求不會消失，而是會從訓練轉移到推理，這將成為未來 AI 產業的重要趨勢。
DeepSeek 開發的大型語言模型 R1 結合低代碼或無代碼的開發平台，將為開發者提供前所未有的能力，使他們無需撰寫傳統程式碼即可創建複雜的全端應用。這種技術突破不僅降低了軟體開發的門檻，還將加速 AI Agent 的發展，推動各行各業以更低成本、更快速度打造高效的 AI 產品，從而提升生產力與創新能力。
產業鏈的重塑與投資機會
DeepSeek 的技術突破將對 AI 產業鏈產生深遠影響。硬體端的贏家將從單純追求算力峰值，轉向提供能效比與推理優化解決方案。例如，AMD 的 MI300X 憑藉其記憶體頻寬優勢，在長上下文推理場景中已佔據 38% 的市場份額。而軟體端的競爭將集中在「平台黏著度」上，例如 Salesforce 推出的 Einstein Copilot 能將企業 CRM 數據流自動轉化為訓練語料，這種數據-模型-應用的閉環正在建立新型態的競爭壁壘。
此外，隨著模型訓練成本門檻的降低，擁有垂直領域數據的企業將紛紛建立自有模型。例如，沃爾瑪利用其 20 年的消費數據訓練的零售預測模型，在促銷精準度上已超越通用型模型 32%。這種「去中心化 AI」趨勢將重塑產業格局，並創造新的投資機會。
資本市場的認知差異
當前市場對 DeepSeek 事件的解讀仍停留在「硬體需求衰退」的層面，但實際上，這一事件將帶來更多非線性變化：
推理晶片市場的複合成長率將從 25% 上修至 41%（2024-2027）。
企業軟體預算中，AI Agent 相關支出佔比將從 8% 躍升至 22%。
垂直領域模型訓練需求年增率將維持在 67% 的高位。
具備第二層思考的投資者應關注以下領域：
推理加速器供應商（如 Tenstorrent、Groq）。
擁有數據閉環能力的 SaaS 平台（如 ServiceNow、Adobe）。
分散式算力調度技術商（如 HashiCorp、Apollo GraphQL）。
結論
DeepSeek 的技術突破不僅是 AI 產業的一次重大變革，更是推動 AI Agent 時代到來的催化劑。雖然短期內市場可能對硬體需求產生疑慮，但長期來看，AI 產業的算力需求將從訓練轉向推理，並隨著 AI 應用的普及而不斷增長。投資者應把握這一趨勢，聚焦於 AI Agent 相關的軟體與技術供應商，並在適當時機進行布局，以迎接 AI 產業的下一個成長浪潮。
