DeepSeek算力需求暴降，为什么全球算力竞赛反而更疯狂了？

春节期间，国产大模型DeepSeek-R1的横空出世，一度让人们看到了“降本增效”的曙光。DeepSeek-R1以更低的成本和算力需求，实现了世界一流的模型性能，打破了大模型领域“烧钱买芯片”的传统路径。

彼时彼刻，英伟达股价应声下跌，似乎印证了市场对算力需求放缓的预期，也宣告着“暴力堆算力”时代的终结。

然而，在通往AGI的征途上，算力真的不再重要了吗？至少，从硅谷科技巨头们的行动来看，答案是否定的——这场效率革命，正在将人类拽入更疯狂的算力竞赛。

一、 巨头加码：硅谷的“反效率”投资

与DeepSeek的算力焦虑不同，硅谷的科技巨头们显然没有对此产生任何遏制的担忧，反而在不断增加投入。1月底以来，谷歌、微软、Meta和亚马逊这四大科技巨头相继发布了最新财报。令人瞩目的是，他们不约而同地在财报中强调：2025年将加大在算力方面的投入。

谷歌母公司Alphabet在2025年的资本开支目标为750亿美元，较上年激增42%。微软同样表示，2025财年将在人工智能数据中心上投资800亿美元，并透露其对于算力投资的节奏保持谨慎，原因在于硬件的快速迭代。

Meta和亚马逊也分别在财报中披露了大幅增加算力投入的计划。Meta将其资本开支预算增加了66%，而亚马逊则计划在2025年投入1000亿~1050亿美元，主要用于AI和云服务领域。

面对DeepSeek，硅谷的四大科技巨头——谷歌、微软、Meta和亚马逊，以加码算力的方式回应了这一挑战。算力，似乎仍然是支撑未来AI技术发展的核心资源。

二、 杰文斯悖论在AI领域的再度应验

四巨头在算力上的持续投入，并非对DeepSeek视而不见。但亚马逊CEO Andy Jassy指出，推理成本的降低并不意味着总支出下降，“我们在云计算领域经历过类似情形”。微软CEO纳德拉则在社交媒体上引用了“杰文斯悖论”来表达他的观点。

如经济学家杰文斯所言：技术进步虽然提高了资源的使用效率，但需求的增加常常会导致总消耗量反而增加。

具体到实际，我们可以看到，过去在汽车领域，发动机热效率的提高使得车辆燃油消耗降低，但因使用成本降低，车主反而选择更多购车，最终导致石油的消耗量反而增加。

这一悖论同样适用于AI领域。当微软CEO纳德拉在X平台转发“杰文斯悖论”词条时，现实中正在上演着现代版的技术寓言：1850年，英国蒸汽机的热效率提升了三倍，煤炭消耗量却暴涨了十倍；而今天的R1模型将推理成本压缩了97%，全球的算力需求却因其高性价比反而呈现指数级膨胀。

更残酷的现实在于：DeepSeek-V3的混合专家架构（MoE）在推理环节，需要同时激活14个专家模块。这导致在线服务时，每个token生成需消耗0.78TFLOPs算力，较传统架构高出18%。

可以说，效率革命的B面，是更复杂的资源调度噩梦。

具体到实际数据，可以看到，DeepSeek API调用量在推出后迅速飙升。根据市场机构估算，DeepSeek每秒的推理算力需求已经接近1.6×10^19 TOPs。

而前不久，DeepSeek官方甚至发表声明，暂停其API充值服务，原因便是服务器算力资源紧张。

一系列数据的背后仍然依赖于强大的硬件支持。而DeepSeek的出现，没有抑制算力的需求，反而推动了更多企业和开发者投入更多资源以获得服务，加剧了算力资源的压力。

三、 DeepSeek的隐忧：算力之下的挑战

“成本创新”并不等于“削减算力”。DeepSeek-R1的训练成本大幅降低，但依然遵循着Scaling Law。在其之下，模型性能与算力需求可以近似看作一个正相关函数。过往的模型效率较低，性能提升缓慢；DeepSeek效率较高，性能提升更快。在这种情况下，企业大概率会因为效率更高而加大投入，而非减少投入。

而DeepSeek在算力方面的努力远未结束。随着硬件和算法的不断进化，DeepSeek依然会通过创新优化降低算力需求，但从当前的趋势来看，算力的需求依旧高涨。

与其担心算力过剩，我们或许更应该关注的是：当算力和效率都得到提升时，优质训练数据是否会成为新的瓶颈？

微软研究院的最新模拟显示，要保持大模型性能的指数增长，2026年需要430艾字节(EB)的高质量训练数据——这相当于把人类现存所有文字资料复制2300遍。

为便于理解，依然以汽车为例，当汽车油耗（模型效率）和汽油（算力）都充足时，如果道路（优质训练数据）不足，就会导致“堵车”，出行速度无法进一步提升。

当科技巨头们开始不计代价地购入算力，优质数据的焦虑，正在变异为更本质的危机。

四、产业变局: 本地部署的浪潮

DeepSeek暂停API充值服务，引发了用户对其算力资源的担忧，但在另一方面也意外激活了本地部署的第二战场。

微软率先宣布将针对NPU优化的DeepSeek R1版本直接嵌入Windows 11 Copilot+ PC，让开发者可在本地构建AI应用。英特尔则表示其Ultra系列处理器已实现R1-7B蒸馏模型的本地推理，延迟控制在300ms以内。而国内厂商中，华为、轨迹流动、阿里、知乎等互联网公司也相继宣布部署DeepSeek模型。

甚至，腾讯“元宝”与百度“文小言”也官宣将接入DeepSeek-R1模型。

DeepSeek无疑为LLM大模型的发展提供了新的思路，但这无法从根本上消除全球范围内的算力焦虑。而这场静默的本地部署与算力之争，亦将持续下去。

写在最后：算力竞赛，远未结束

DeepSee-R1的出现，证明了算法优化和工程创新的重要性，也让我们看到了“轻量级颠覆”的可能性。

然而，DeepSeek并不能终结算力竞赛。相反，算力依然是核心驱动力。但这场竞赛将不再是单纯的“堆料”，而是算法与算力的双重博弈。谁能更好地平衡效率与投入，谁就能在这场竞赛中占据优势。

在这场没有终点的马拉松里，DeepSeek既是破局者也是催化剂。它用算法利刃劈开算力铁幕，却释放出更汹涌的欲望洪流……

本文来自微信公众号：观弈行研，作者：我是叁叁啊