DeepSeek-R1 发布引发 AI 产业新趋势，郭明锤详解未来发展

DeepSeek-R1 发布带来的 AI 产业新趋势
1月31日消息，天风国际证券分析师郭明锤于29日发布报告指出，DeepSeek-R1 的发布引发了两个重要的 AI 产业新趋势。这两个趋势即使没有 DeepSeek-R1 的出现，也终将显著浮现，但 DeepSeek-R1 的出现加速了趋势的发生。
趋势一：Scaling law 边际效益放缓时，AI 算力仍可通过优化训练方式持续增长
过去1-2年，投资人对 AI 服务器供应链的投资逻辑主要基于 AI 服务器出货量在 Scaling law 成立下可持续增长。然而，随着 Scaling law 的边际效益逐渐递减，市场开始关注 DeepSeek 通过其他方式显著提升模型效益。
Scaling law 指出，AI 模型性能由模型参数量 (N)、训练数据量 (D) 与运算能力 (C) 三者决定，最理想的情况是 N、D 与 C 同时增加。然而，以下因素导致 Scaling law 的边际效益放缓：
1. 人类创作的文本资料 (D) 几乎已耗尽。
2. 在运算能力 (C) 没有大幅提升与训练数据量 (D) 耗尽的情况下，仅提升模型参数量 (N) 无助于模型效能。
3. 运算能力 (C) 短期内不易显著提升（如 Blackwell 系统尚未量产、电力供应限制等）。
从产业研究角度来看，DeepSeek-R1 通过优化训练方式显著提升了模型效益，这表明在 Scaling law 边际效益递减时，优化训练方式有助于持续提升 AI 基础设施的算力并挖掘新应用。
趋势二：API/Token 价格显著下滑，有利于 AI 应用多元化
当前，AI 产业的获利方式主要是卖铲子与降低成本，而非创造新业务或提升现有业务的附加价值。DeepSeek-R1 采取了激进的定价策略，提供免费使用，且 API/Token 定价最低者不到 OpenAI-o1 的 1/100。这一竞争压力可能推动 AI 使用成本下滑，加速 AI 应用多元化。
AI 软件/服务与设备端 AI 的成本因 API/Token 价格下滑与训练方法优化而降低，这有助于增加 AI 算力需求，并可降低投资人对 AI 投资能否获利的疑虑。尽管 AI 使用量因价格下滑而提升，但提升幅度是否能抵消下滑幅度仍需观察。
结论
Scaling law 是经验法则，合理降低预期并理性看待有利于长期投资趋势。芯片升级、改善电力供应限制与训练中加入更多多模态数据等，都有利于未来再次加速 Scaling law 的边际效益。大规模部署者才会遇到 Scaling law 边际效应放缓，这也再次验证了英伟达的领先地位。
开放社区资源与中国竞争激烈的环境，预计将见到其他中国厂商推出跑分优异且定价更激进的 LLM。届时，如果 LLM 服务供应商还未开始稳定盈利，盈利压力将进一步增加。
受益于 API/Token 价格显著下滑，AI 软件/服务与设备端 AI 将吸引更多投资者关注。而是否能成为新的长期投资趋势，取决于是否能够创造可盈利的商业模式。
Nvidia 仍然是未来 Scaling law 边际效益再次加速的赢家，但需要关注短期内 GB200 NVL72 量产问题以及中长期美国半导体出口禁令是否有所变化。