DeepSeek 降低 LLM 训练成本：DeepSeek 发布的模型展示出训练成本大幅下降的潜力，如 DeepSeek - v3 基于 280 万 H800 GPU 小时、约 560 万美元训练，远低于 Meta Llama 3 405B 的训练资源需求。成本降低因素包括多头潜在注意力机制等技术应用，这将推动 LLM 和生成式 AI 产品创新、提高经济生产力。 对各行业的影响
半导体行业：其技术虽未改变行业投资计划，但低成本和高效能可能加速推理需求，不过出口管制仍是风险。 互联网行业：成本效率提升利于产品创新与采用，GOOGL、META 和 AMZN 等大型企业因资本、用户和技术整合优势，有望获益最多。 软件行业：软件供应商的 AI 输入成本降低，如微软、ServiceNow、Snowflake、Elastic 等公司在模型策略和应用上积极推进，提高了软件生态系统的效率和效益，长期对软件企业是积极因素。 能源行业：美国 AI 基础设施增长促使大量资本投入，数据中心计算成本下降引发 “杰文悖论”，推理需求增长，不同能源相关企业受影响各异，电力需求结构也在发生变化。 硬件行业：对 IT 硬件企业影响复杂，苹果因专注小型设备模型、边缘 AI 可行及强大分销平台，可能成为相对赢家；戴尔、希捷科技等企业虽面临挑战，但也有潜在机遇，需综合多因素评估。
美国 LLM 领导人回应：可能促使企业提高训练效率、加快发展，调整策略以适应变化。 地缘政治影响：开源 LLM 市场竞争激烈，美国重视开源市场主导权，中国 LLM 在美国推广仍有障碍。 ASIC 芯片发展：训练 / 推理计算能力需求变化，对 NVDA 竞争对手如 AMZN 的 Trainium 和 Inferentia 可能是利好，但市场预期尚未充分反映。 蒸馏能力展示：DeepSeek 展示小型模型蒸馏能力，对未来开源模型发展有重要意义，有助于推动高效模型应用。
本公号新创智能交通技术AI服务，可扫码进入体验（或在后台私信公号）。
