郭明錤：DeepSeek 加速生成式 AI 产业迈入新阶段
天风国际证券分析师郭明錤 29 日发布报告指出，DeepSeek-R1 发布后，有以下两个重要的 AI 产业新趋势值得关注。
Scaling Law 边际效益放缓时，AI 算力仍可透过优化训练方式持续成长并有利挖掘新应用。
API / Token 价格显著下滑，有利 AI 软件 / 服务与设备端 AI，加速 AI 应用多元化。
郭明錤称，就算没有 DeepSeek-R1，这两个趋势终将显著浮现，但 DeepSeek-R1 的出现，加速了趋势发生。
附其观点如下：DeepSeek-R1 发布后，有以下两个重要的 AI 产业新趋势值得关注。
即便没有 DeepSeek-R1，这两个趋势终将显著浮现，但 DeepSeek-R1 的出现，加速了趋势的发生。
Scaling law 边际效益放缓时，AI 算力仍可通过优化训练方式持续增长，并有利于挖掘新应用。API / Token 价格显著下滑，有利于 AI 软件 / 服务与设备端 AI，加速 AI 应用多元化。
趋势一：Scaling law 的边际效益放缓时，AI 算力仍可通过优化训练方式持续增长，并有利于挖掘新应用过去 1-2 年，投资人对 AI 服务器供应链的投资逻辑主要基于 AI 服务器出货量在 Scaling law 成立下可持续增长。
然而，Scaling law 的边际效益正逐渐递减，这让市场更加关注 DeepSeek 通过 Scaling law 以外的方式显著提升模型效益。
最常被引用之一的 Chinchilla 的 Scaling law 指出，AI 模型性能由模型参数量 (N)、训练数据量 (D) 与运算能力 (C) 三者决定，最理想的情形是 N、D 与 C 同时增加。Scaling law 对提升模型性能边际效益放缓的原因：1) 人类创作的文本资料 (D) 几乎已耗尽，12) 在运算能力 (C) 没有大幅提升与训练数据量 (D) 耗尽的情况下，仅提升模型参数量 (N) 无助于模型效能，3) 运算能力 (C) 短期内不易显著提升（如 Blackwell 系统尚未量产、电力供应限制等）。
从产业研究角度，DeepSeek-R1 值得关注之处在于该 LLM 通过优化训练方式，而非 Scaling law，显著提升了模型效益，可以通过检视与测试其开源成果验证。当 Scaling law 的边际效益最终递减时，优化训练方式来提升模型效益，有利于持续提升 AI 基础设施的算力并挖掘新应用。
对 AI 产业的长期发展而言，两者缺一不可。趋势二：API / Token 价格显著下滑，有利于 AI 软件 / 服务与设备端 AI，加速 AI 应用多元化当前从生成式 AI 趋势中获利的方式，主要仍是卖铲子与降低成本，而非创造新业务或提升现有业务的附加价值。
DeepSeek-R1 采取了激进的定价策略，提供免费使用，且 API / token 定价最低者不到 OpenAI-o1 的 1/100，此竞争压力可能将推动 AI 使用成本下滑。AI 产业在中国市场竞争激烈，预计将有其他中国厂商推出性能优异且定价更激进的 LLM。
近期 AI 供应链相关股票大幅修正，主要原因是投资人调整了由于 Scaling law 边际效益放缓对 AI 服务器出货的负面影响，而非担心 LLM 服务供应商与 CSP 是否能够通过 AI 盈利，这是因为大部分投资人仍愿意耐心等待盈利的出现。
AI 软件 / 服务与设备端 AI 的成本因 API / Token 价格下滑与训练方法优化而降低，这有助于增加 AI 算力需求，并可降低投资人对 AI 投资能否获利的疑虑。
AI 的使用量肯定会因价格下滑而提升，但提升幅度是否能抵消下滑幅度仍需观察。此外，AI 使用量的提升有助于创造可盈利的商业模式，但这并非绝对。然而，在投资人普遍愿意耐心等待盈利的情况下，上述顾虑目前可以忽略。
