美股科技巨头的财报季，在中国大模型DeepSeek炸场后旋即到来。
在微软、谷歌、Meta等云服务厂商和AMD、Arm等AI芯片产业链厂商的业绩会上，管理层不约而同被问及DeepSeek对AI投资可能带来的影响。
21世纪经济报道记者综合梳理发现，这些科技巨头掌门人无一例外表达了对DeepSeek的赞赏，他们也在探索借助DeepSeek的经验用于提升自家模型或技术适配能力。但不同于市场对科技巨头们巨额的AI投资开始产生质疑，目前他们仍然认为，大力度AI投资仍将持续，未来仍有不确定性，尤其是对应用端仍有很大探索空间。
只是DeepSeek的出现显著拉低了开源和闭源模型之争的差距，未来针对开源模型的生态构建，也有望加速。近日多家国内外软硬件厂商先后宣布与DeepSeek展开对接、合作就是一个侧面印证。
DeepSeek会如何影响巨头们接下来的发展视角？
热议DeepSeek
伴随DeepSeek爆火而来的，是业内对其技术路线的研究和探讨，以及由于成本降低打开的巨大市场空间。
Meta首席执行官马克·扎克伯格（Mark Zuckerberg）指出，开源在一开始并不占据很高优势，向外界开放可以更大程度推动产业链标准化，由此拉动产业链共同参与推动降低成本、优化能力。
“来自中国的新竞争对手DeepSeek，我认为他们显示出，即将有一个全球化的开源标准——这是我们正在谈论的事情之一。”他续称，DeepSeek有很多进步的理念，Meta仍在对此消化，也希望在自家系统中有所借鉴，“在科技行业，不断有公司持续推动新技术进步，并让他人借鉴学习，是一贯的发展趋势。”
在DeepSeek突然爆火之后，不少巨头也率先宣布接入DeepSeek的模型API，亚马逊和微软是云服务商中率先表态者。这是因为推理侧的成本迅速降低正为AI应用注入加速器。更多巨头重点谈到了对AI推理侧带来的发展机会和需要相应准备。
亚马逊首席执行官Andy Jassy指出，对DeepSeek印象深刻，尤其是在训练优化技术方面，诸如强化学习等做了有趣的工作。“对于致力于构建前沿模型的人而言，大家都在研究类似的东西，并且相互学习。你已经看到、且还会继续看到，我们之间会频繁地相互超越。未来还会涌现出大量创新成果。”
Arm首席执行官Rene Haas指出，DeepSeek无论是V3还是R1模型，是基于行业前沿模型的基础上，进行了大量创意性工作来搭建，由此让推理更为高效。“实话说我认为很棒。”他续称，因为这将推动行业发展走向更为高效，降低成本从而可以更好扩大整体计算需求。
谷歌首席执行官Sundar Pichai也认为，DeepSeek是一个了不起的团队，“回顾过去三年来的发展，会发现用于AI推理的支出比例相比AI训练一直在增加。这是件好事，因为推理显然可以支持企业获得良好的投资回报率（即加速推动应用落地）。”
他指出，推理使用成本将不断下降，使更多用例变得可行，“机会空间要多大就有多大（as big as it comes），这就是为什么我们在持续投资以期迎接这一时刻。”
AI投资的走向
AI在推理侧的需求在快速发展早已是事实，只是DeepSeek用更低成本实现。乍一看来，与财报季前后美股科技巨头动辄提出数百亿美元的AI投入显得差异巨大。
在业绩会期间，关于AI投资的走向就备受关注。综合来看，巨头们仍然坚持对AI基础设施的投资，也强调了对推理侧投资力度的价值——即面向应用领域探索的投资重要性不容忽视。
亚马逊首席执行官Andy Jassy仔细分析道，过去几周里，人们会做出一种假设：如果能够降低AI投资中任何一种技术组件的成本——主要指推理成本——就可以减少在技术方面的总体支出。
“但实际情况并非如此，我们在云计算领域经历过类似情形。”他指出，在2006年推出亚马逊云服务（AWS）时，提供的S3存储服务价格是每千兆字节15美分、计算服务每小时10美分，当然现在价格已经低得多。
“随着技术发展，人们曾认为企业在基础设施技术上的支出会大幅减少。但实际情况是，企业在每单位基础设施上的花费确实会大幅降低，但随后，他们会对之前因成本过高而从未尝试的新项目产生兴趣，想着还能搭建些什么，最终往往总体支出会大幅增加。”他也指出，整体看，推理成本将显著降低，这对客户和公司业务都将是积极影响。
Meta首席财务官Susan Li也表示，公司仍然致力于针对AI训练和推理进行基础设施相关投资。“因为目前还不十分明晰我们到底需要什么，例如不知道我们的推理用途到底有多广泛——这是我们竞争优势的真正来源。所以，我们也很兴奋，因为仍有空间在推进更有效地运行这些工作负载。”
“我仍然认为，随着时间的推移，从服务质量和服务规模角度看，大力投资资本支出和基础设施将是一个战略优势。”Susan Li说道。
根据Meta拆解，2025年针对AI基础设施的投入主要涵盖三方面：其中大部分将用于GPU部署，此外对构建更高容量的网络能力、光传输能力等也将持续。
“我认为现在确定长期资本密度还为时过早。因为要考虑的因素很多，包括底层模型的进步速度、效率；GenAI产品的用例方向；一代硬件创新带来了哪些性能和效率提升等。”Susan Li表示。
从一个行业的正常发展逻辑来说，先行者往往会需要投入更多进行摸索，导致后来者在成本方面会有一些优势。只是DeepSeek的出现让这种差异对比明显，但并不能由此就认为巨头们对AI的投资就完全属于“浪费”，只是可能会存在一些可及性和有效性的问题。
技术侧的努力
再往底层看，DeepSeek的发布迅速带崩美股一众芯片股股价，从而诞生一种言论：不再需要那么多AI芯片了。事实并非如此，且换个角度看，这可能还带来更多AI芯片厂商的发展机会。
英伟达此前业绩交流中就已经提到，发现用于AI推理的需求在快速上升。因此从这个层面判断英伟达的GPU卡将不再重要并不合理。不过国内市场有较多厂商在发展AI推理侧芯片，由此可能为国内AI芯片厂商带来机会。
近日就先后有华为昇腾、摩尔线程、沐曦、壁仞科技、天数智芯等国产芯片厂商跟进适配DeepSeek两款模型。
可以想象，AI大模型将让更多终端被赋予计算能力，其实对推理侧的计算需求将倍速增加——就像AI眼镜作为新品类被认为将率先替代传统耳机和眼镜——只是这将随着应用面的扩展而逐步延伸。
但不可忽视的是，AI时代若想让更多终端被赋予计算能力，对芯片本身的考验也更加严苛。如何摸准技术路线走向，对于芯片厂商来说也很重要。
Arm首席执行官Rene Haas分析道，考虑到AI的工作负载要运行在各类场景，这就需要更低成本、更高效地推理，且要更容易运行在应用中进行运算，尤其是在功耗受限的端侧产品上时，这对Arm来说是一种机遇。“我会认为DeepSeek实际上在帮助提升计算需求，对Arm来说，要更好在效率方面发挥作用。”
“就像Grace Blackwell（英伟达与Arm合作推出的大算力产品，主要用于数据中心）系列芯片目前还很难直接用到手机中，或者放到耳机里甚至汽车上。我们要在其中做出努力，目前还有很大空间。”他进一步指出。
Rene Haas认为，目前科技巨头坚持对AI巨额投资，其原因是，“我们还远不具备那种，能在人工智能应用领域带来变革的能力。”
除了提高端侧效能，软硬件能力适配也显得重要。
Arm近日发布的未来技术趋势中就提到，随着芯片和软件的复杂性不断增加，没有任何一家公司能独自包揽芯片和软件设计、开发与集成的所有环节。因此，生态系统内的深度合作必不可少。此类合作能使各公司根据自身竞争力提供不同的计算组件和解决方案。例如汽车行业需要将包含芯片供应商、一级供应商、整车厂和软件供应商在内的整个供应链汇集在一起，让最终用户享受到AI的真正潜力。
微软首席执行官Satya Nadell也指出，公司正在打造一支灵活通用的运算资源集群，以确保在训练和推理之间实现恰当的平衡。
“我们在软件优化方面付出了巨大努力，这不仅包括借鉴DeepSeek成果所做的软件优化，还涵盖多年来与OpenAI合作，为降低GPT模型成本所开展的各项工作。”他指出，“资源配置逻辑正显得重要。受摩尔定律作用所影响，每年硬件性能会提升一倍，再加上软件优化可以整体带来10倍的效能提升，所以得持续对运算资源进行升级、更新换代，同时也要考虑资源的使用年限，最终要在投入、需求驱动的盈利模式以及训练成本之间，找到合适的比例。”
他强调，“现在才2025年初，在个人电脑上就能运行原本需要大规模云基础设施支持的模型，这简直难以想象。这种优化意味着，人工智能将更加无处不在。”
还没有评论，来说两句吧...