热点观察

自ChatGPT横空出世，算力便被视作大模型产业创新的核心驱动力。这一趋势使得GPU（图形加速芯片）的地位急速攀升，甚至成为AI产业发展的关键制约因素，也就是我们常常听到的“卡脖子”。

然而，这种趋势却被我国一家成立仅一年半的人工智能创业公司深度求索（下称DeepSeek）终结。近日，DeepSeek仅凭借2048张英伟达GPU加速卡，在短短两个月内成功训练出拥有6710亿参数的开源大模型DeepSeek-V3，着实让刚高呼着进入“万卡”时代（1万张以上的加速卡组成的算力系统）的AI大模型产业界惊掉了一地的“下巴”。

从测评数据来看，相对于全球公认的顶级大模型GPT-4o，DeepSeek-V3的训练成本仅为其二十分之一、输入+输出的售价也只有GPT-4o的十分之一，性能已然赶超GPT-4o。

还处在研发阶段的GPT-5，或许更强。但OpenAI立项GPT-5已经一年半有余，目前也只做了两轮训练，且每轮训练仅计算成本就接近5亿美元。这也意味着，人们所期待的新一代通用大模型训练成本已经达到十数亿美元，甚至还会更高。产业界估计，按照这种传统的训练路径，未来3年内大模型的训练成本将上升至100亿美元，甚至上不封顶。

这种大参数、大算力、大投入的研发模式，对于实力稍弱的AI企业来说，无疑是一道难以逾越的门槛。即便能“组局”成功，这种成本结构下产出的大模型产品，又有多少人能用得起呢？

再来看DeepSeek-V3，它证明了即使在硬件资源有限的情况下，通过数据与算法层面的优化创新，依然能够高效利用算力，实现一流的大模型性能，同时还能大幅降低应用成本。其实，早在去年5月发布的DeepSeek-V2，就成功以“价格屠夫”的方式杀入市场，让一众大模型产品不得不跟进降价。“AI界拼多多”的称号，绝非浪得虚名。

性价比方面，DeepSeek已经甩了OpenAI等业界大佬好几条街了。在AI领域，一直有这样的说法：硅谷企业擅长从0到1的创新，而中国企业则在从1到10的应用拓展上更具优势，因为中国拥有广阔的应用市场。

对于大模型产业而言，性价比已成为阻碍产业规模化应用的关键因素，DeepSeek的出现为解决这一难题提供了新思路。

当前，AI大模型仍处于技术创新的爆发阶段，距离应用的全面爆发还有一段路要走，这也意味着产业发展充满变数与机遇。不可否认，今天的英伟达市值逆天、GPU产品也供不应求，但如果DeepSeek的成功可以复制，产业界不再执着于万卡集成的研发路径时，GPU的主导地位还能持续多久呢？

大模型创新的另一种可能，不仅出现在AI产业，通信、芯片、量子计算等前沿科技领域也正悄然发生着改变。科技创新的魅力在于，它永远蕴含着无限的可能性，并不断突破边界。