DeepSeek-R1 發布引發 AI 產業新趨勢，郭明錤詳解未來發展

DeepSeek-R1 發布帶來的 AI 產業新趨勢
1月31日消息，天風國際證券分析師郭明錤於29日發布報告指出，DeepSeek-R1 的發布引發了兩個重要的 AI 產業新趨勢。這兩個趨勢即使沒有 DeepSeek-R1 的出現，也終將顯著浮現，但 DeepSeek-R1 的出現加速了趨勢的發生。
趨勢一：Scaling law 邊際效益放緩時，AI 算力仍可通過優化訓練方式持續增長
過去1-2年，投資人對 AI 伺服器供應鏈的投資邏輯主要基於 AI 伺服器出貨量在 Scaling law 成立下可持續增長。然而，隨著 Scaling law 的邊際效益逐漸遞減，市場開始關注 DeepSeek 通過其他方式顯著提升模型效益。
Scaling law 指出，AI 模型性能由模型參數量 (N)、訓練數據量 (D) 與運算能力 (C) 三者決定，最理想的情況是 N、D 與 C 同時增加。然而，以下因素導致 Scaling law 的邊際效益放緩：
1. 人類創作的文本資料 (D) 幾乎已耗盡。
2. 在運算能力 (C) 沒有大幅提升與訓練數據量 (D) 耗盡的情況下，僅提升模型參數量 (N) 無助於模型效能。
3. 運算能力 (C) 短期內不易顯著提升（如 Blackwell 系統尚未量產、電力供應限制等）。
從產業研究角度來看，DeepSeek-R1 通過優化訓練方式顯著提升了模型效益，這表明在 Scaling law 邊際效益遞減時，優化訓練方式有助於持續提升 AI 基礎設施的算力並挖掘新應用。
趨勢二：API/Token 價格顯著下滑，有利於 AI 應用多元化
當前，AI 產業的獲利方式主要是賣鏟子與降低成本，而非創造新業務或提升現有業務的附加價值。DeepSeek-R1 採取了激進的定價策略，提供免費使用，且 API/Token 定價最低者不到 OpenAI-o1 的 1/100。這一競爭壓力可能推動 AI 使用成本下滑，加速 AI 應用多元化。
AI 軟件/服務與設備端 AI 的成本因 API/Token 價格下滑與訓練方法優化而降低，這有助於增加 AI 算力需求，並可降低投資人對 AI 投資能否獲利的疑慮。儘管 AI 使用量因價格下滑而提升，但提升幅度是否能抵消下滑幅度仍需觀察。
結論
Scaling law 是經驗法則，合理降低預期並理性看待有利於長期投資趨勢。晶片升級、改善電力供應限制與訓練中加入更多多模態數據等，都有利於未來再次加速 Scaling law 的邊際效益。大規模部署者才會遇到 Scaling law 邊際效應放緩，這也再次驗證了英偉達的領先地位。
開放社區資源與中國競爭激烈的環境，預計將見到其他中國廠商推出跑分優異且定價更激進的 LLM。屆時，如果 LLM 服務提供商還未開始穩定盈利，盈利壓力將進一步增加。
受益於 API/Token 價格顯著下滑，AI 軟件/服務與設備端 AI 將吸引更多投資者關注。而是否能成為新的長期投資趨勢，取決於是否能夠創造可盈利的商業模式。
Nvidia 仍然是未來 Scaling law 邊際效益再次加速的贏家，但需要關注短期內 GB200 NVL72 量產問題以及中長期美國半導體出口禁令是否有所變化。