元媧2.7上線：虛擬人視頻制作速度瘋狂翻倍！
來源：清元宇宙 炎炎夏日努力工作的Q仔的電腦都冒煙兒啦～今天要給大家介紹兩個新小伙伴——小元和小媧，他們將給大家解讀元媧2.7版本重磅更新內容～大家掌聲歡迎～～～本次更
1 月 31 日消息，天風國際證券分析師郭明錤 29 日發布報告指出，DeepSeek-R1 發布后，有以下兩個重要的 AI 產業新趨勢值得關注。
Scaling Law 邊際效益放緩時，AI 算力仍可透過優化訓練方式持續成長并有利挖掘新應用。
API / Token 價格顯著下滑，有利 AI 軟件 / 服務與設備端 AI，加速 AI 應用多元化。
郭明錤稱，就算沒有 DeepSeek-R1，這兩個趨勢終將顯著浮現，但 DeepSeek-R1 的出現，加速了趨勢發生。附其觀點如下：
DeepSeek-R1 發布后，有以下兩個重要的 AI 產業新趨勢值得關注。即便沒有 DeepSeek-R1，這兩個趨勢終將顯著浮現，但 DeepSeek-R1 的出現，加速了趨勢的發生。
Scaling law 邊際效益放緩時，AI 算力仍可通過優化訓練方式持續增長，并有利于挖掘新應用。
API / Token 價格顯著下滑，有利于 AI 軟件 / 服務與設備端 AI，加速 AI 應用多元化。
趨勢一：Scaling law 的邊際效益放緩時，AI 算力仍可通過優化訓練方式持續增長，并有利于挖掘新應用過去 1-2 年，投資人對 AI 服務器供應鏈的投資邏輯主要基于 AI 服務器出貨量在 Scaling law 成立下可持續增長。然而，Scaling law 的邊際效益正逐漸遞減，這讓市場更加關注 DeepSeek 通過 Scaling law 以外的方式顯著提升模型效益。
最常被引用之一的 Chinchilla 的 Scaling law 指出，AI 模型性能由模型參數量 (N)、訓練數據量 (D) 與運算能力 (C) 三者決定，最理想的情形是 N、D 與 C 同時增加。
Scaling law 對提升模型性能邊際效益放緩的原因：
1) 人類創作的文本資料 (D) 幾乎已耗盡，
2) 在運算能力 (C) 沒有大幅提升與訓練數據量 (D) 耗盡的情況下，僅提升模型參數量 (N) 無助于模型效能，
3) 運算能力 (C) 短期內不易顯著提升（如 Blackwell 系統尚未量產、電力供應限制等）。
從產業研究角度，DeepSeek-R1 值得關注之處在于該 LLM 通過優化訓練方式，而非 Scaling law，顯著提升了模型效益，可以通過檢視與測試其開源成果驗證。
當 Scaling law 的邊際效益最終遞減時，優化訓練方式來提升模型效益，有利于持續提升 AI 基礎設施的算力并挖掘新應用。對 AI 產業的長期發展而言，兩者缺一不可。
趨勢二：API / Token 價格顯著下滑，有利于 AI 軟件 / 服務與設備端 AI，加速 AI 應用多元化當前從生成式 AI 趨勢中獲利的方式，主要仍是賣鏟子與降低成本，而非創造新業務或提升現有業務的附加價值。
DeepSeek-R1 采取了激進的定價策略，提供免費使用，且 API / token 定價最低者不到 OpenAI-o1 的 1/100，此競爭壓力可能將推動 AI 使用成本下滑。AI 產業在中國市場競爭激烈，預計將有其他中國廠商推出性能優異且定價更激進的 LLM。
近期 AI 供應鏈相關股票大幅修正，主要原因是投資人調整了由于 Scaling law 邊際效益放緩對 AI 服務器出貨的負面影響，而非擔心 LLM 服務供應商與 CSP 是否能夠通過 AI 盈利，這是因為大部分投資人仍愿意耐心等待盈利的出現。
AI 軟件 / 服務與設備端 AI 的成本因 API / Token 價格下滑與訓練方法優化而降低，這有助于增加 AI 算力需求，并可降低投資人對 AI 投資能否獲利的疑慮。
AI 的使用量肯定會因價格下滑而提升，但提升幅度是否能抵消下滑幅度仍需觀察。此外，AI 使用量的提升有助于創造可盈利的商業模式，但這并非絕對。然而，在投資人普遍愿意耐心等待盈利的情況下，上述顧慮目前可以忽略。
結論：Scaling law 是經驗法則，合理降低預期并理性看待反而有利于長期投資趨勢。芯片升級 (C)、改善電力供應限制 (C) 與訓練中加入更多多模態數據 (D) 等，都有利于未來再次加速 Scaling law 的邊際效益。
只有大規模部署者才會遇到 Scaling law 邊際效應放緩，這也再次驗證了英偉達的領先地位。等到英偉達方案的 Scaling law 邊際效益再度加速時，預計屆時其優勢將更為顯著（對比 ASIC 和 AMD）。
近期 GB200 NVL72 量產不順，因此此時調整 Scaling law 與 AI 服務器出貨預期不是壞事。此次股價修正后，后續更有利反映 GB300 / Rubin 的利好。
一線 CSP 不會僅因為有更好的訓練方式而削減資本支出，因為兩者并不沖突。如果此時放緩資本支出，等到 Scaling law 邊際效益再次加速時，將落后競爭對手。
開放社區資源與中國競爭激烈的環境，預計將見到其他中國廠商推出跑分優異且定價更激進的 LLM。屆時，如果 LLM 服務供應商還未開始穩定盈利，盈利壓力將進一步增加。
受益于 API / Token 價格顯著下滑，AI 軟件 / 服務與設備端 AI 將吸引更多投資者關注。而是否能成為新的長期投資趨勢，取決于是否能夠創造可盈利的商業模式。
Nvidia 仍然是未來 Scaling law 邊際效益再次加速的贏家，但需要關注短期內 GB200 NVL72 量產問題以及中長期美國半導體出口禁令是否有所變化。
本文鏈接：http://www.rrqrq.com/showinfo-45-10382-0.html郭明錤：DeepSeek 加速生成式 AI 產業邁入新階段
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：[email protected]
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：[email protected] 津ICP備18001702號
津公網安備 12010102000574號