DeepSeek暴擊全球AI市場，隔夜華爾街驚現恐慌性拋售，歐美科技股市值或蒸發1.2萬億美元，其中英偉達最深跌幅超18%，單日市值蒸發創下美國股市史上最大規模，約6000億美元。
麵對衝擊，科技巨頭們迅速做出反應，微軟首席執行官納德拉在社交媒體X上發文，引用了傑文斯悖論（Jevons paradox）的概念，指出隨著人工智能更加高效和易用，其使用將會激增，並成為“我們永遠無法滿足的商品”。
傑文斯悖論：效率提升或帶來更多需求
傑文斯悖論是英國經濟學家William Stanley Jevons在1865年提出的一個經濟學概念，DeepSeek解釋稱，它指的是提高資源使用效率反而可能增加其總消耗量。Jevons在《煤炭問題》中發現，隨著蒸汽機效率的提升，煤炭消耗量不降反增。核心觀點為：
技術進步提高了資源使用效率，效率提高降低了資源使用成本，成本下降刺激了資源需求的增長，需求增長可能超過效率提升帶來的節約，最終導致資源總消耗增加。
Cantor Fitzgerald等多家投行分析師將這一理論應用到DeepSeek R1模型和人工智能領域的民主化趨勢上。Cantor Fitzgerald在一份投資報告中指出：
“我們認為擔心對GPU的支出會達到峰值的觀點離事實最遠。DeepSeek實際上對計算和英偉達非常有利，因為通用人工智能（AGI）似乎更接近現實，而傑文斯悖論幾乎肯定會導致人工智能行業需要更多而非更少的計算資源。"
DeepSeek四大創新引發市場“震蕩”，華爾街分析師紛紛發聲
DeepSeek R1模型以其驚人的成本效率震驚了全球科技界，僅花費約600萬美元就完成了訓練，約為美國和歐盟同類大語言模型成本的1/50。在某些方麵，該模型比OpenAI的o1模型要好得多。更重要的是，R1 的運營成本僅為OpenAI通常對計算密集型輸出收取的費用的3%。
分析指出，DeepSeek能夠實現如此高效的關鍵在於幾項創新技術：
1.使用8位浮點數，將內存使用量減少約75%
2.能夠同時處理多個tokens
3.在任何給定時間隻有一小部分參數處於活躍狀態
4.采用基於規則的獎勵係統的強化學習，教導模型逐步“思考”問題
這一突破性進展引發了市場對人工智能概念股估值泡沫破裂的擔憂，投資者開始質疑超大規模計算的需求前景，特別是考慮到：
“DeepSeek R1模型僅使用2000塊H800 GPU就完成了訓練，是否還需要英偉達數十萬頂級的GPU？”
值得注意的是，在第四季度英偉達財報公布前，股價下跌就給該集團增加了壓力。華爾街已經預計，在重新關注資本支出的情況下，該集團第四季度的利潤增長將降至22%，為近兩年來的最低水平。
Axios商業編輯Dan Primack指出，這可能會對其他構建AI模型的初創公司產生影響，“對於全力投入基礎模型公司的風險投資公司來說，這可能是一場滅絕級事件，特別是如果這些公司尚未實現廣泛分銷的產品化”。
不過，盡管市場出現恐慌性拋售，但一些分析師認為這種反應可能被誇大了。Bernstein分析師Stacy Rasgon表示，DeepSeek的發展並不意味著“人工智能基礎設施的末日”：
“我不認為我們接近人工智能計算需求的上限，我相信，如果你釋放了計算能力，它很可能會被吸收……如果我們想讓事情繼續發展，我們就需要像這樣的創新。”
Futurum首席策略師Daniel Newman解釋道，“市場完全誤解了這一點。如果我們能更高效地使用計算資源，那些我們認為沒有產生足夠收入的公司將能以更低的成本構建模型。他們將能以更低的開銷創造解決方案，從而推動更高的每股收益”。
Wedbush分析師Dan Ives則稱這是科技股的買入機會，“現在不是恐慌的時候，因為空頭試圖最終控製今天的敘事。”
盡管Raymond James等分析師認為這一發展對“大型GPU集群”不利，但花旗和伯恩斯坦的分析師也采取了類似的看好英偉達的觀點。
Principal Asset Management首席全球策略師Seema Shah也表示，如果DeepSeek真如他們所說的那樣，這最終將對全球各行各業的生產力產生積極影響。
