IT之家 1 月 31 日消息，郭明天風國際證券分析師郭明錤 29 日發(fā)布報告指出，錤Dk加DeepSeek-R1 發(fā)布后，速生有以下兩個重要的成式產(chǎn)業(yè) AI 產(chǎn)業(yè)新趨勢值得關(guān)注。
Scaling Law 邊際效益放緩時，邁入AI 算力仍可透過優(yōu)化訓練方式持續(xù)成長并有利挖掘新應(yīng)用。新階
API / Token 價格顯著下滑，郭明有利 AI 軟件 / 服務(wù)與設(shè)備端 AI，錤Dk加加速 AI 應(yīng)用多元化。速生
郭明錤稱，成式產(chǎn)業(yè)就算沒有 DeepSeek-R1，邁入這兩個趨勢終將顯著浮現(xiàn)，新階但 DeepSeek-R1 的郭明出現(xiàn)，加速了趨勢發(fā)生。錤Dk加IT之家附其觀點如下：
DeepSeek-R1 發(fā)布后，速生有以下兩個重要的 AI 產(chǎn)業(yè)新趨勢值得關(guān)注。即便沒有 DeepSeek-R1，這兩個趨勢終將顯著浮現(xiàn)，但 DeepSeek-R1 的出現(xiàn)，加速了趨勢的發(fā)生。
Scaling law 邊際效益放緩時，AI 算力仍可通過優(yōu)化訓練方式持續(xù)增長，并有利于挖掘新應(yīng)用。
API / Token 價格顯著下滑，有利于 AI 軟件 / 服務(wù)與設(shè)備端 AI，加速 AI 應(yīng)用多元化。
趨勢一：Scaling law 的邊際效益放緩時，AI 算力仍可通過優(yōu)化訓練方式持續(xù)增長，并有利于挖掘新應(yīng)用
過去 1-2 年，投資人對 AI 服務(wù)器供應(yīng)鏈的投資邏輯主要基于 AI 服務(wù)器出貨量在 Scaling law 成立下可持續(xù)增長。然而，Scaling law 的邊際效益正逐漸遞減，這讓市場更加關(guān)注 DeepSeek 通過 Scaling law 以外的方式顯著提升模型效益。
最常被引用之一的 Chinchilla 的 Scaling law 指出，AI 模型性能由模型參數(shù)量 (N)、訓練數(shù)據(jù)量 (D) 與運算能力 (C)三者決定，最理想的情形是 N、D 與 C 同時增加。
Scaling law 對提升模型性能邊際效益放緩的原因：
1) 人類創(chuàng)作的文本資料 (D) 幾乎已耗盡，
2) 在運算能力 (C) 沒有大幅提升與訓練數(shù)據(jù)量 (D) 耗盡的情況下，僅提升模型參數(shù)量 (N) 無助于模型效能，
3) 運算能力 (C) 短期內(nèi)不易顯著提升（如 Blackwell 系統(tǒng)尚未量產(chǎn)、電力供應(yīng)限制等）。
從產(chǎn)業(yè)研究角度，DeepSeek-R1 值得關(guān)注之處在于該 LLM 通過優(yōu)化訓練方式，而非 Scaling law，顯著提升了模型效益，可以通過檢視與測試其開源成果驗證。
當 Scaling law 的邊際效益最終遞減時，優(yōu)化訓練方式來提升模型效益，有利于持續(xù)提升 AI 基礎(chǔ)設(shè)施的算力并挖掘新應(yīng)用。對 AI 產(chǎn)業(yè)的長期發(fā)展而言，兩者缺一不可。
趨勢二：API / Token 價格顯著下滑，有利于 AI 軟件 / 服務(wù)與設(shè)備端 AI，加速 AI 應(yīng)用多元化
當前從生成式 AI 趨勢中獲利的方式，主要仍是賣鏟子與降低成本，而非創(chuàng)造新業(yè)務(wù)或提升現(xiàn)有業(yè)務(wù)的附加價值。
DeepSeek-R1 采取了激進的定價策略，提供免費使用，且 API / token 定價最低者不到 OpenAI-o1 的 1/100，此競爭壓力可能將推動 AI 使用成本下滑。AI 產(chǎn)業(yè)在中國市場競爭激烈，預計將有其他中國廠商推出性能優(yōu)異且定價更激進的 LLM。
近期 AI 供應(yīng)鏈相關(guān)股票大幅修正，主要原因是投資人調(diào)整了由于 Scaling law 邊際效益放緩對 AI 服務(wù)器出貨的負面影響，而非擔心 LLM 服務(wù)供應(yīng)商與 CSP 是否能夠通過 AI 盈利，這是因為大部分投資人仍愿意耐心等待盈利的出現(xiàn)。
AI 軟件 / 服務(wù)與設(shè)備端 AI 的成本因 API / Token 價格下滑與訓練方法優(yōu)化而降低，這有助于增加 AI 算力需求，并可降低投資人對 AI 投資能否獲利的疑慮。
AI 的使用量肯定會因價格下滑而提升，但提升幅度是否能抵消下滑幅度仍需觀察。此外，AI 使用量的提升有助于創(chuàng)造可盈利的商業(yè)模式，但這并非絕對。然而，在投資人普遍愿意耐心等待盈利的情況下，上述顧慮目前可以忽略。
結(jié)論：
Scaling law 是經(jīng)驗法則，合理降低預期并理性看待反而有利于長期投資趨勢。芯片升級 (C)、改善電力供應(yīng)限制 (C) 與訓練中加入更多多模態(tài)數(shù)據(jù) (D) 等，都有利于未來再次加速 Scaling law 的邊際效益。
只有大規(guī)模部署者才會遇到 Scaling law 邊際效應(yīng)放緩，這也再次驗證了英偉達的領(lǐng)先地位。等到英偉達方案的 Scaling law 邊際效益再度加速時，預計屆時其優(yōu)勢將更為顯著（對比 ASIC 和 AMD）。
近期 GB200 NVL72 量產(chǎn)不順，因此此時調(diào)整 Scaling law 與 AI 服務(wù)器出貨預期不是壞事。此次股價修正后，后續(xù)更有利反映 GB300 / Rubin 的利好。
一線 CSP 不會僅因為有更好的訓練方式而削減資本支出，因為兩者并不沖突。如果此時放緩資本支出，等到 Scaling law 邊際效益再次加速時，將落后競爭對手。
開放社區(qū)資源與中國競爭激烈的環(huán)境，預計將見到其他中國廠商推出跑分優(yōu)異且定價更激進的 LLM。屆時，如果 LLM 服務(wù)供應(yīng)商還未開始穩(wěn)定盈利，盈利壓力將進一步增加。
受益于 API / Token 價格顯著下滑，AI 軟件 / 服務(wù)與設(shè)備端 AI 將吸引更多投資者關(guān)注。而是否能成為新的長期投資趨勢，取決于是否能夠創(chuàng)造可盈利的商業(yè)模式。
Nvidia 仍然是未來 Scaling law 邊際效益再次加速的贏家，但需要關(guān)注短期內(nèi) GB200 NVL72 量產(chǎn)問題以及中長期美國半導體出口禁令是否有所變化。
