文 丨 新浪科技 周文猛

期数：No.67

嘉宾：GMI Cloud创始人、CEO Alex

今年以来，伴随DeepSeek快速爆火并引发全球轰动，国内大众对于本土AI企业的信心进一步增强，有效减缓了英伟达高端AI芯片采购受阻带来的沮丧。

然而，信心提升之余，在硅谷AI科技进步同样日新月异的当下，DeepSeek爆火的趋势能延续多久？与OpenAI、X等公司旗下顶尖大模型相比有哪些比较优势？

近日，在与新浪科技《科创100人》沟通中，GPU云算力提供商GMI Cloud创始人、CEO Alex从硅谷视角给出了自己的看法。Alex直言，DeepSeek出来后，“GMI Cloud作为当时北美唯一上线H200（适配DeepSeek-R1模型）的企业，电话都被打爆了”。大量的企业级客户，正因DeepSeek的出现有了加速部署AI的计划。

Alex指出，DeepSeek在实现出色的技术能力时，其采用的开源策略更加直观且透明，因此能够更加快速地取信于用户，其在硅谷产生的轰动在一定程度上已超越了GPT-4.5及Grok-3发布带来的影响。

他还指出，“未来三年，算力成本将大幅度下降，同时将出现大量AI应用。”他建议中国创企在布局AI时要尽量往To C领域发展，同时也可以“走向全球”。

“DeepSeek揍了OpenAI后，我电话被打爆了”

在DeepSeek V3、R1等模型及产品快速引发全球“轰动”后，在美国硅谷，马斯克旗下xAI团队也很快发布了性能与DeepSeek系列模型相当甚至于更好的Grok-3大模型；与此同时，OpenAI也快速宣布了将开源系列模型，同时推出了号称“最好的聊天模型”GPT-4.5。

在多项基准测试的性能表现上，目前Grok-3以及GPT-4.5的能力表现，在一些领域已经实现了对于DeepSeek的超越。但是，这两款模型目前都存在两大问题：第一，均基于庞大的算力训练得出；第二，目前相关模型代码并未完全开源。

相较而言，DeepSeek以较低的算力成本带来较高的模型性能的同时，更为关键的事还把一些必要的技术论文和多款核心代码库开源了。这一系列的举动，让更多的中小型企业级客户，具备了低成本获取高性能AI能力的条件，因此也促使了大量的企业竞相接入。

在与新浪科技沟通中，Alex直言：“DeepSeek以开源的方式“揍”了OpenAI一顿，给硅谷带来了非常大的震撼，春节期间，美国硅谷爆炸了，每个客户都希望抢着去使用新的DeepSeek模型，去测试、做应用。”

Alex表示，在DeepSeek之前，最好的大模型是OpenAI-o1，但这个模型是需要付费的，每个月需要200美元，对于普通开发者而言，据此开发新的应用其实需要配套购置许多设备，整体成本并不低，因此大家会非常谨慎地去使用o1。

“就好比当年有人发明了电，但是因为价格太高没人能够去用，于是只能去做一些非常高价值的解决方案，但开源之后，任何有想法的人就可以将他拿过来去做新的创新和应用，这对于前三、四的大公司可能不是好事，但其他的中小公司都非常喜欢它，这会催生非常多的应用。”Alex表示。

据他介绍，GMI Cloud作为当时北美唯一大规模上线H200的算力云服务公司，因为DeepSeek-R1模型用H200支持运算性价比会更高，因此在当时市场上都没有其他可替代供应商的情况下，“我电话都被打爆了”。

相比于x AI发布的Grok-3大模型，Alex认为，“由于目前Grok-3还没有真正的将自己的API开放出来，只是开放了应用体验，这让很多开发者很难真真正地去测试并基于Grok-3作大量落地，因此，Grok-3可能很难大规模普及，给硅谷带来的轰动也更弱一些。”

“因为它（Grok-3） 是闭源的，只能在自己的平台上，所以能做的事情相对有限，他提供了非常惊人的演示效果，但他却以一个高层墙的方式把自己围起来了，大家不能去使用他，这种不透明让很多希望基于大模型进行商业化的开发者有所顾忌，也就让它的震动效果不如DeepSeek那么大。”Alex表示。

“未来3~5年，AI算力成本可能下降10倍”

在这一轮基于预训练大语言模型发展起来的AI 2.0技术浪潮中，算力作为最为核心的三大发展要素之一，被给予了极高的期待。但在国内，受制于英伟达高端AI芯片采购规定等多方面原因，目前国内在相关算力获取方面仍存在一定困难。

在Alex看来，想要真正地实现AI平权或许还需要非常多的时间，但未来，随着大模型算力成本的不断下降，将会有越来越多的应用产生。“预计3~5年内，伴随第一批H100投资成本逐渐收回，H100的边际成本将大幅降低，当算力成本再降低2-3倍时，就有可能迸发出非常多好的应用。”

“以前互联网时代注册一个域名做一个网站，成本也就几万美元，现在客户做一个需要GPU渲染的游戏，成本都要几十万美元，还是太高了。”Alex认为，当3~5年后硬件成本被消化掉的时候，它的成本就会开始往下掉，而且是指数性的往下掉，如果是90%掉下去，成本从50万变到5万块美金一个月，那将做出非常多的AI产品，让大家真正的用到AI。

他以车辆降价举例道，“如果一辆车的成本从20万降到2万，且性能差不多，那会有多少人买车啊，那肯定会人手十台车。”在他看来，真正的AIGC大型应用，尤其机器人，都需要经过4次迭代才能变得非常好用，按照迭代一次0.5年~1年计算，四个代际迭代下来，均值是三年，那时候就一定会有非常多大的机会出现，有非常优秀的AI应用出现。

“现在咱们已经走了2年了，很快就要到了爆发的时候了。”Alex表示。

“中国优势是AI硬件交互、To C，建议出海走走”

作为一家生长在硅谷的企业，GMI Cloud去年进入中国市场，主要服务国内AI出海的企业，Alex对于中美两国AI产业的发展也有着独特的见解。

就Alex观察，美国在To B或SaaS消费领域的付费意识很成熟，而国内相较薄弱，同时中国企业数字化发展起步相对较晚，数据生态分布呈现出高度的碎片化与割据态势，不同行业、领域及地域间，数据相互孤立，缺乏有效的流通与共享机制，形成了一个个 “数据孤岛”。与此同时，大量有价值的数据资源被集中整合于少数实力强劲的头部公司手中，这些公司凭借数据优势构筑起坚固的竞争壁垒，而这也导致国内垂直行业大模型的研发陷入瓶颈。相比之下，国外许多公司数据化其实做得非常好，当一个企业客户的数据能够很快地可以用于模型训练，那么也就能很快做出出色的垂类模型。

但从另外一个角度看，中国非常强的优势在于硬件交互，在诸如AI眼镜、智能汽车、机器人，以及AI To C、营销等领域，也有着非常强的优势。“国内企业不一定要选跟美国企业同样的方向，也可以更加聚焦于自己的优势。”Alex表示，“通常6个月就可能做出一个App，按照DeepSeek出来的时间计算，今年下半年可能会有很多软件应用出现。”

他结合自己对中美两国市场的观察，为国内AI企业发展提出了四点建议。

• 要找到自己的一个价值，国内的企业不可避免地都会跟国内或者国际的企业去产生竞争，卷Token卷价格是避免不了的，找到自己的价值点并做到最优才能让客户或用户买单。
• 做AI To C的产品会更好一点，比如就聚焦在某一用户痛点研发一款AI应用，要实施一些业务形态和赚钱的模式都难以被同质化的策略，不要跟大厂卷他们擅长的事，这很可怕，卷应用有可能出爆款，还有可能有出路，现在DeepSeek出来了，“地上有非常好的枪了“要赶快捡起来用。
• 一定要出海，赶快到国外去看一看，中国硬件交互的产品真的很厉害，中国许多硬件交互的赛道都已经很多人在做了，但美国做相关应用的项目都非常少，你在中国有idea搬到美国去做，也是非常有优势的，现在全球都在学中国。
• 出海成功的关键就是打开思路，要选择好的合作伙伴，把专业的事情交给他们做，美国大家都是分工化的，所以别人迭代的时候速度会非常快，如果你全部把控全部自己做可能迭代就会慢，你可能就会落后，不要存在路径依赖；此外，负责人一定要亲自走到你想要发展业务的地区，亲自去当地去了解市场，深入本地，很多时候不走到当地真的很难发现“本地问题”，像“合规”、“用户需求”等都离不开当地调研。

建议之外，就Alex的介绍，相比于亚马逊AWS、微软Azure等云计算企业庞大的业务体系，GMI Cloud除了能够提供最顶尖的GPU硬件算力外，最大的特点还是能够提供更多灵活、细致且更加敏捷的服务。“我们能让任何一个拥有GPU需求的企业都变成一个拥有非常厉害、稳定的AI基础设施的应用企业。”Alex表示。