C114訊 2月8日消息（章葭）作為一款繼ChatGPT之后的現象級AI產品，DeepSeek（深度求索）的沖擊波還在繼續。
據國內AI產品榜統計數據，DeepSeek應用在上線僅20天后，其日活躍用戶數（DAU）迅速突破2000萬大關，達2215萬。
DeepSeek不僅讓中國生成式人工智能技術進入全球視野，同時也直接激活了整個人工智能產業鏈，無論是云服務廠商、芯片公司，還是下游應用層，均紛紛進行部署和適配。當然，對于國內AI產業生態而言，DeepSeek更重要的貢獻是，通過“技術瘦身+開源共享”的創新，大幅降低大模型訓練成本。這一突破讓市場驚呼：“算力‘卡脖子’也能玩轉AI？屢試不爽的AI scaling law失效了嗎？”
什么是AI scaling law？
OpenAI在2022年提出的Scaling Law定律，是現今算力“軍備競賽”的基礎。Scaling Law之于AI，正如摩爾定律之于芯片。
簡單說就是"大力出奇跡"定律：數據越多、算力越強、模型越大，AI的表現（比如對話質量、圖像生成精度）就會指數級提升。
正因如此，所有AI模型公司都在不停地堆資源，這也導致算力軍備競賽以及數據中心的瘋狂擴容。
這一現象背后，硬件商成最大贏家。英偉達包攬了全球95%的AI芯片市場，光模塊作為數據傳輸的"光纖血管"，需求暴增。這就是英偉達市值沖上3萬億美元，光模塊企業股價一年漲700%的核心邏輯。
DeepSeek的出現從根本上打破了這個邏輯。讓作為AI信仰的英偉達以及國內的光模塊企業等，股票價格出現了劇烈波動。
英偉達近年股價，圖源東方財富網
中際旭創近年股價，圖源東方財富網
AI scaling law真的失效了嗎？
那么AI scaling law真的失效了嗎？是否真的不需要算力堆積了？從美國幾個主流AI廠商發布的2025年CAPEX指引可以看到，全球科技巨頭仍在不遺余力地加大算力投入。
2月6日，亞馬遜宣布，計劃在2025年將資本支出提升至1000億美元，持續加大在人工智能領域的投入力度。這一數額顯著高于去年約830億美元的支出規模。
本周二，谷歌公布預計今年資本開支高達750億美元，比市場預期高出近三分之一；
此外，Meta預測2025年的資本支出為600至650億美元，比華爾街的預期高出30%。
微軟預計2025財年資本開支為800億美元，其中AI投入為600億美元。
這四大科技公司的資本支出合計將超過3000億美元。可以看到，即便面臨算法優化的技術路徑，高端算力儲備仍是大型科技公司普遍認為的實現模型突破的基礎條件。
不僅是海外科技巨頭，國內科技公司其實也在加大投入，例如字節跳動2025年的資本開支將達1600億人民幣，其中在AI基礎設施上投入約900億元，據知情人士透露，字節跳動已為2025年在中國購買人工智能芯片編列了400億元的預算，是去年支出的兩倍。
從短期來看，DeepSeek的優化確實降低了AI訓練成本，可能會導致短期內訓練需求下降。然而，但從長遠角度而言，推理成本的下降將加速AI技術的不斷發展和應用場景的擴展，進而推動算力需求呈指數級增長。
業內分析指出，端側AI的規模化落地、多模態應用的爆發，以及企業私有化部署需求，都將持續推高全球算力消耗總量。
因此，我們需要客觀看待deepseek沖擊波，理性看待算力需求以及AI產業發展路徑。
AI scaling law并未失效，但游戲規則變了
DeepSeek的突破揭示了一個關鍵趨勢：AI scaling law并未失效，但游戲規則變了。這里沒有永恒的巨頭，只有持續進化的生存者。美國的技術主導地位將失效，中國企業正在迎頭趕上。未來，“算力-算法-場景”的協同進化將取代單一的“暴力堆算力”模式。
值得注意的是，據報道，DeepSeek繞過了英偉達的CUDA框架，使用更底層的編程語言PTX做優化，為未來兼容國產GPU芯片做準備。這或許解釋了為什么，眾多國產AI算力芯片公司幾乎一夜之間紛紛宣布適配DeepSeek模型。
據悉，華為旗下ModelEngine AI平臺基于昇騰芯片，將模型部署周期從3周壓縮至3小時。中國電信表示天翼云“息壤”已深度適配DeepSeek-R1/V3，實現“國產模型+國產算力+國產云服務”的全產業鏈閉環，實測昇騰國產算力顯示推理性能與主流高端GPU持平。在國內產業鏈的協同創新之下，大模型技術與產業場景將實現深度融合。
當然，在底層算力仍是基礎的情況下，國產AI算力生態仍然要穩扎穩打。一方面，可以強化全棧協同優化，縮小性能差距。在硬件層推動芯片設計貼近模型需求，降低多卡協同損耗。軟件層面，加大自主計算框架對國產芯片的支持力度，構建統一API標準，降低模型遷移成本。此外，通過異構計算實現靈活部署，結合國產算力性價比優勢，逐步替代英偉達市場。
另一方面，構建開放生態至關重要。例如設立國產算力專項開源項目，提供適配工具鏈，降低技術門檻吸引開發者。針對中小企業需求，提供全面應用場景展示，通過實際案例驗證國產算力可行性。
推動產業鏈垂直整合也是關鍵。通過組建芯片設計、制造、封裝測試的產業聯盟，集中資源突破先進制程和HBM存儲技術等關鍵核心技術，減少對外依賴。同時制定標準化的國產算力接口協議，提升跨廠商設備兼容性，避免生態碎片化。
此外，政策引導同樣不可或缺。通過稅收優惠、采購傾斜等政策引導行業資源投入，加速國產方案規模化落地。
總結
當前，國產AI算力生態正處于發展的關鍵轉折點。通過技術協同、生態開放、產業鏈整合和政策引導，有望形成與英偉達并行的“雙軌制”算力格局，助力中國AI走上一條完全獨立自主的發展路徑。
無論Scaling Law如何演變，AI競爭的終極目標始終是將算力轉化為生產力。在AI全球化競爭中，如何讓AI走進車間、商鋪、街道，讓AI真正成為水電煤一樣的基礎設施，才是更為重要的事情，而中國正朝著這個目標穩步前進。 
