從 2022 年 11 月到 2023 年 1 月，1 億人開始使用 OpenAI 的 ChatGPT。Instagram 達到同樣的里程碑用了兩年半。自那以后，投資者就被 AI 應用的不同環節所吸引。
? 第一環節——超大規模企業：提供大規模云計算技術的公司。
? 第二環節——數據中心計算和基礎設施：生產硬件（芯片）和電氣設備等輸入產品，使數據中心得以運行的公司。
? 第三環節——電力和傳輸：供應和傳輸數據中心所需電力的公司。
? 第四環節——跨行業受益者：將 AI 納入其中以提高生產力并獲得收入好處的公司。
自 ChatGPT 推出以來，投資者一直注重第一到第三環節的公司，因為超大規模企業為了追求 AI 產生的收入，加大了對數據中心基礎設施和電力的支出。此時，DeepSeek 登場了，這是一家兩年前成立的中國 AI 初創公司。特朗普就職前夕，DeepSeek 推出了其完整的 R1 模型，這是一個開放推理大型語言模型（LLM）。R1 模型在數學、編碼和推理任務上的表現與 o1（OpenAI 的前沿推理 LLM）相當。當然行業專家和金融市場中仍然存在關于 DeepSeek 有效性的猜測，但市場認為他們的突破挑戰了推動 AI 應用的既有假設。
因此，AI 公司遭受了自 ChatGPT 推出以來最大的單日跌幅。
? 第一個受到挑戰的假設是超大規模企業必須在先進 AI 芯片上花費數十億美元。DeepSeek 聲稱其模型使用了英偉達的 H800 芯片，這些芯片的內存帶寬受到美國芯片出口管制的限制，不如更先進的 H100 芯片。此外，他們聲稱訓練耗時 2788000 個圖形處理單元（GPU）小時，成本為每 GPU 小時 2 美元。因此，最終訓練運行的總成本僅為 557.6 萬美元。Meta 最新的 Llama 模型的最終訓練運行成本是其 10 倍。投資者立即質疑英偉達預期的收入和利潤率。事實上，其他芯片制造商已經發布博客，指導開發人員如何使用他們自己的芯片運行 DeepSeek 模型。
? 第二個受到挑戰的假設是 AI 的未來需要不斷增加的電力和能源。DeepSeek 的突破部分依賴于他們設計的“混合專家”（MoE）系統。總體而言，該模型擁有 6710 億個參數容量，但任何給定時間只有 370 億個（不到 6%）處于活躍狀態。這降低了能源需求以及總體成本。如果 AI 模型在沒有相應增加計算基礎設施和電力的情況下保持有效性，那么這可能意味著數據中心驅動的電力需求被高估了。因此，許多基于樂觀電力需求估計而飆升的公司股價（例如 Constellation、Vistra、Eaton 和 Digital Realty）大幅下跌。
? 第三個受到質疑的假設是美國在 AI 技術方面的領先地位。DeepSeek 展示了通過大量優化可以在較弱的硬件和較低的內存帶寬上取得顯著成果。與此同時，美國實驗室一直在大量投資尖端技術，并建立最先進的芯片庫以獲得優勢。競爭格局比之前假設的更加平衡。然而，DeepSeek 使用了美國模型作為其技術基礎（Llama）、美國芯片來運行模型（英偉達）并與美國機構合作發布其發現（麻省理工學院）。
這對 AI 應用意味著什么？
我們相信 DeepSeek 的模型代表了人工智能技術的一大進步。即使這在一定程度上將價值從半導體、數據中心基礎設施和電力轉移到超大規模企業和收入及生產力受益者身上，這可能對廣泛市場和經濟都是積極的。這是因為更高效的模型可能會進一步使 AI 商品化，并對資本支出和能源需求施加下行壓力。與此同時，更便宜的模型應該會推動家庭和企業的采用和需求。一個關鍵問題仍然存在：AI增加的應用是否會抵消因成本和能源效率而減少的資本支出？
以下是我們對 AI 應用4個相關環節的評估：
第一環節——超大規模企業：假設超大規模企業因成本和能源效率而削減資本支出計劃。在最壞的情況下，超大規模企業的資本支出強度（資本支出/收入）可能會回落到 2015 年至 2019 年的水平。這可能導致這些公司的資本支出減少近 24%。這顯然對數據中心計算和基礎設施公司的收入是不利的，但對超大規模企業股票可能是積極的。事實上，減少資本支出可以釋放現金流以回饋股東，特別是如果假設 AI 創新繼續以同樣的速度發展。然而，這不是我們的基本情況。最近微軟和 Meta 報告了收益，并確認了繼續支出的意圖，主要集中在為推理而非訓練建設數據中心，這與大多數 AI 投資用于推理的觀點一致。話雖如此，隨著支出轉向專用集成電路（ASIC），將超大規模企業的知識產權與設計平臺相結合，傳統對 GPU 的依賴預計會減少。
第二環節——數據中心計算和基礎設施：超大規模企業減少支出可能意味著數據中心參與者收入減少。分析師估計芯片制造商的數據中心收入到 2028 年將增長 27%。我們估計，其中約 375 億美元的收入受到不斷變化的資本支出計劃的影響。這可能轉化為到 2028 年芯片制造商數據中心收入減少近七個百分點。然而，隨著成本的降低，應用場景可能會增加（彈性），繼續推動電力需求。事實上，我們的投資銀行指出，x86 虛擬化（一種在 2000 年代中期開發的技術，允許多個操作系統在單臺物理機器上運行）提高了效率，但也刺激了對半導體芯片和內存的需求。云計算的轉變同樣提高了效率并推動了對半導體的需求。
第三環節——電力和傳輸：2023 年，美國的電力需求約為 4200 太瓦時，其中數據中心占約 200 太瓦時。今年早些時候，美國能源部發布了數據中心電力需求的最新預測。預測的高端假設 AI 工作負載將推動未來幾年 26% 的復合年增長率（CAGR）。按照這個速度，數據中心的電力需求大約每 2.5 年翻一番。如果 DeepSeek 的效率導致幾乎沒有增量增長，數據中心的電力需求將恢復到 2014 年至 2023 年期間經歷的 13% 的增長率。我們的觀點略為樂觀，數據中心的電力需求將在該時間范圍內以 20% 的復合年增長率增長。此外，AI 并非推動電力需求的唯一因素。事實上，我們相信電動汽車和混合動力汽車、工業化和自動化以及非 AI 數據中心也將推動未來幾年整體電力需求以 2.5% 的復合年增長率增長，而不是過去十年中微不足道的 0.7% 的復合年增長率。盡管對電力需求的最高估計似乎不太可能，我們仍然相信電力是一種可投資的趨勢。
第四環節——跨行業受益者：最終，DeepSeek 的突破可能對大多數行業中眾多潛在的生產力和收入受益者最為正面。我們在價格走勢中看到了這一點。近來生產力受益者的表現在平均上超過了第一到第三環節的公司 7%。軟件行業是一個顯著的贏家，預計這種情況將繼續。
上一篇: 國家發展改革委黨組署 下一篇: 八部門發布《新型儲能
官方微信
