随着 DeepSeek 的突破性 AI 颠覆了半导体行业，我们需要了解从训练到推理的转变以及对 Nvidia 等主导参与者的影响。“Nvidia 仍是 AI 硬件和軟體領域極具創新性的領導者。”
作者 |VanEck
編譯 | 華爾街大事件
隨着 DeepSeek 的突破性 AI 顛覆了半導體行業，我們需要了解從訓練到推理的轉變以及對 Nvidia 等主導參與者的影響。
該行業正在從以訓練爲主的重點轉向推理階段，在這個階段，現實世界的應用和貨幣化都會發生。如果 GPU 訓練需求趨於平穩，那麼多元化的半導體生態系統仍然存在重大機會。
DeepSeek 最近聲稱以典型成本的一小部分獲得高端結果，這讓投資者感到不安，並引發了對 Nvidia主導地位的質疑。
儘管，超大規模企業和企業可以將重點轉移到利用現有的 AI 基礎設施進行推理，而但Nvidia 在其軟體生態系統和下一代產品方面仍然擁有顯著優勢。
與此同時，更廣泛的半導體市場多元化的時機已經成熟，專業 ASIC 和其他芯片製造商已準備好抓住需求。因此，在整個半導體領域採取平衡的投資方法仍然是最謹慎的策略。
突破性聲明：
DeepSeek的R1模型
據稱，DeepSeek 的 R1 提供了近乎最先進的推理性能，而成本只是其中的一小部分。
DeepSeek 表示，與 OpenAI 和其他領先的 AI 實驗室相比，他們使用的芯片質量較差，但仍以顯著降低的訓練成本取得了令人印象深刻的結果。
這引發了一個關鍵的行業問題：如果新模型可以如此便宜地進行訓練，那麼超大規模企業是否還需要更多的 GPU 投資才能實現最佳性能？
超大規模企業在AI訓練上的巨額資本支出
在過去兩年中，主要雲提供商（AWS、Azure、Google Cloud 等）已向配備 Nvidia GPU 的數據中心投入了數十億美元，以大規模處理 AI 訓練。
懸而未決的問題是，這些超大規模企業正在計劃如何將該基礎設施貨幣化。
AI 研究人員的評論表明，大模型的性能提升可能會帶來遞減的回報，從而推動市場從投資更大的集群轉向將現有模型貨幣化。
GPU 實力動態也已經開始從 Nvidia 的市場所有權轉變爲超大規模企業增加的購買力。
DeepSeek的顛覆：
Nvidia和其他芯片製造商的擔憂
DeepSeek 的公告顯示，在更便宜的硬件上訓練高性能模型，引起了市場對未來 GPU 需求的擔憂。
以前關於縮放定律的假設可以用這個模型來反駁。R1 可以用更少的計算做更多的事情。
更令人擔憂的是，如果超大規模企業能夠以成本較低的替代硬件實現最先進的結果，那麼 Nvidia 在數據中心 GPU 方面的增長很可能會放緩。這種情緒將導致 AI 芯片製造商的股價持續下跌。
解讀DeepSeek故事的兩種方式
（以及多元化的案例）
儘管頭條新聞負面，但兩個主要觀點指出了多元化半導體投資的明智之舉，例如通過VanEck Semiconductor ETF和 VanEck Fabless Semiconductor ETF 等。
如果 DeepSeek 的說法完全正確......
DeepSeek 的 R1 表明，您可以使用更便宜的硬件訓練頂級模型。
隨着訓練硬件需求的擴大，其他芯片設計人員（例如ASIC製造商、Broadcom、Intel、AMD、專業初創公司）可以站穩腳跟，尤其是在推理領域，其中專用芯片具有成本效益和功耗效率。
即使 GPU 訓練需求趨於平穩，在多樣化的半導體生態系統（即無晶圓廠）中仍然存在重大機會。
如果 DeepSeek 的說法被誇大了......
也許 DeepSeek 的成就並不像看起來那麼具有開創性，或者存在未公開的限制。
儘管如此，長期的 AI 週期自然而然地轉變爲通過推理使模型貨幣化。
該推理階段通常偏愛專用 ASIC、較小的 GPU 實例和其他加速器（包括 CPU 增強功能），從而擴大了與 Nvidia 高端 GPU 的競爭。
Nvidia 可能會繼續在訓練方面處於領先地位，但隨着 AI 的成熟，更多的參與者將爭奪 AI 硬件堆棧的不同部分。
多元化的 semis 策略仍然謹慎。
Nvidia 的持續優勢和向推理的轉變
Nvidia 仍然是 AI 硬件和軟體領域極具創新性的領導者。
他們宣佈了專爲推理工作負載設計的新產品，例如下一代 GPU 架構（例如 Hopper）和橋接訓練和推理的專用平台。
隨着市場轉型，Nvidia 的數據中心 GPU 業務可能會實現更正常的增長，但其全面的生態系統（硬件、CUDA 軟體、企業合作伙伴關係）仍將其定位爲關鍵參與者。
與此同時，其他芯片製造商正在加速發展，越來越多的 ASIC 和 CPU 正在出現，從而實現了各種經濟高效的推理解決方案。
【如需和我們交流可後臺回覆「進群」加社群】
評論(0)
請選擇舉報原因