這不是投資建議。作者沒有持有上述任何股票的部位。
NVIDIA 的市場反應：需求動態的轉變
由於人們對超大規模運算需求格局不斷變化的擔憂日益加劇，NVIDIA 的市值大幅下降了近 5, 000 億美元。 DeepSeek 突破性的 R1 AI 模型帶來的效率飆昇在科技界引起了軒然大波，促使華爾街分析師重新評估他們對 GPU 領導者未來的展望。
DeepSeek 的革命性人工智慧模型
最近，來自中國的科技創新公司 DeepSeek 因以約 600 萬美元的驚人低成本訓練其 R1 模型而成為頭條新聞。這個數字大約是美國和歐洲開發的類似大型語言模型 (LLM) 所產生的典型費用的 1/50。此外，據報道，R1 模型的效能指標超過了 OpenAI 的 o1 模型。其營運成本僅為 OpenAI 運行密集型任務的一般收費的 3%。
好吧，這是我對 DeepSeek 的技術風格的快速概述，為什麼它如此經濟高效：
1）整體成本：傳統 AI 實驗室（OpenAI、Anthropic）花費了 1 億多美元的計算來訓練 GPT-4 之類的東西。根據報導，DeepSeek 只花 6 美元就製作了一個類似功能的模型…https://t.co/etCMxlWJdH
— 華爾街引擎 (@wallstengine) 2025 年 1 月 27 日
DeepSeek 如何實現如此高的效率
DeepSeek R1 模式卓越的成本效率源自於多項創新技術：
- 利用 8 位元浮點數，將記憶體需求減少約 75%。
- 能夠同時處理多個令牌，提高計算速度。
- 在操作過程中，只有一小部分參數處於活動狀態，節省了資源。
- 結合強化學習，使模型能夠有系統地解決問題。
對 NVIDIA 和 GPU 市場的影響
乍一看，DeepSeek 的 R1 模型可能對 NVIDIA 來說是一個重大挑戰，引發了人們對目前使用的大量高效能 GPU 的必要性的疑問。 R1 僅使用 2, 000 個 H800 GPU 進行了有效訓練，這讓人們對大型 GPU 叢集的可行性產生了懷疑。然而，並非所有分析師都同意這種悲觀觀點。
Cantor Fitzgerald：DeepSeek V3 實際上非常看好計算和$NVDA：
「DeepSeek 的 V3 LLM 發布後，人們對運算需求的影響感到非常焦慮，因此擔心 GPU 支出達到高峰。我們認為這種觀點與事實相差甚遠…”
— 華爾街引擎 (@wallstengine) 2025 年 1 月 27 日
對 GPU 需求的不同看法
Cantor Fitzgerald 承認人們對 DeepSeek 模型的擔憂，但他認為這些擔憂是錯誤的。他們斷言，人工智慧的進步，包括通往通用人工智慧（AGI）的道路，實際上將推動對運算資源的更大需求，而不是減少它。
我們認為這種觀點遠遠不準確，而且這項公告從根本上看是看漲的，因為人工智慧產業繼續渴望更多的運算能力，而不是更少。
因此，坎托·菲茨傑拉德 (Cantor Fitzgerald) 主張在市場疲軟時購買 NVIDIA 股票。
理解傑文悖論
對於那些不熟悉傑文斯悖論的人來說，它表明自然資源使用效率的提高可能會導致該資源的總體消耗量增加。 Cantor Fitzgerald 將這項原則應用於 DeepSeek 的進步和人工智慧技術更廣泛的民主化。
產業分析師的見解
DeepSeek 的拋售：
分析師反應：🔸 摩根大通（Sandeep Deshpande）：顯示人工智慧投資週期可能被過度炒作； DeepSeek 的效率可能會帶來更精簡的未來。
🔸 Jefferies（Edison Lee）：在 DeepSeek 之後提出兩種策略：繼續…
– *沃爾特·布隆伯格 (@DeItaone) 2025 年 1 月 27 日
值得注意的是，花旗和伯恩斯坦對 NVIDIA 後 DeepSeek 的公告採取了類似的樂觀立場，而 Raymond James 的分析師則對「大型 GPU 集群」的影響表示擔憂。
如需更詳細的分析，請考慮查看這篇富有洞察力的[來源和圖像](https://wccftech.com/cantor-fitzgerald-on-nvidia-the-deepseek-announcement-is-actually-very- bullish-with-agi-看似更接近現實，而傑文斯悖論幾乎肯定會導致人工智慧產業想要更多計算/）。
發佈留言