DeepSeek会导致对智算中心的需求大幅减少吗？

近日，关于 DeepSeek技术是否会引发智算中心停建的话题 在业界引起了广泛关注。DeepSeek作为一种前沿的人工智能算法，其在数据处理和分析方面展现出强大实力。然而，有人担忧其发展将导致相关智算中心建设停滞。对此，CDCC邀请多位业内专家发表了自己的看法，从不同角度分析了DeepSeek技术对智算中心的影响，以期为我国人工智能产业发展提供有益参考。

当阿里去IOE代为PC服务云计算做数据架构+算力+存储的时代，阿里的基础设施规模从一年几个单体数据中心交付改为两位数的交付，并且快速成为云计算服务行业和服务器规模体量国内第一。

杰文斯悖论（Jevons Paradox）揭示了技术进步反而最终造成能源消耗总量增加，因为技术进步带来的效率提升和成本降低可以让公众服务需求成为更快普及。

DeepSeek的火爆是一种开源模式和闭源模式的竞争分水岭，也是一种效率和成本解决某种方案更优解，但是DeepSeek也是站在巨人肩上（比如使用了GPT的部分标注数据和一些其他网上数据-应该是非侵权的），这只是AI发展阶段的一个阶段里程碑，即从算力资源的占有和抢时间领先改变为算力性能效率和成本优化整体架构成本优化竞争领先的阶段，最终谁走到最后领先行业风骚尚早，但是反而成为百花齐鸣的开始。

算力的竞争门槛被大幅降低，智算中心的春天反而会快速扩展，超大资源规模智算中心是否必须建设其实是业务发展的阶段，即使10万卡的数据中心也仅仅是100-200MW的规模，只是头部客户需求的几分之一，但是数十MW的智算中心会更多发展，更多智算企业可以入局；至于边缘计算，从来不是智算中心的范围，仅仅就是边缘配套也就是运营商接入和布局的范畴，中大型的智算中心的春天开始并不远，相信AI的前景就相信中大型智算中心的明天。

《DeepSeek让多地智算中心停建》文章大方向没问题，但多少有点儿“震惊体”的感觉。还是要回归现实，智算的缓建是没有看明白，之前的“疯狂建”也是没有看明白，是“一窝蜂”特质多一些，看明白的都是按部就班的。

DeepSeek的意义就犹如其创始人所讲的“自信”。宏观上，其复现了证明了OpenAI的工作。微观上，它就是看清楚，按部就班提质增效的典范。更重要的影响来自于，它的完全开源的胸襟。

关于DeepSeek的成熟制程，本人也多次给国产GPU伙伴提及过，但这个系统变革的自信是缺乏的。DeepSeek给大家带来了自信，并且让需求更加释放了，AI才刚开始。对于数据中心行业，也要学习DeepSeek，按部就班的自信。

在半导体产业的后摩尔时代，数据中心向算力中心演进的时代，需要数据中心、服务器及半导体的国人从业者，拿出自己的按部就班的自信的路径。

“冰水为之而寒于水”，在西方国家算力限制的情况下，DeepSeek通过“开源+算法优化+端侧革命”，对半导体、AI 等行业影响深远。打破CUDA生态限制，为中国芯片设计带来机遇；动摇 “制程决定论”，推动算力需求结构迁移；触发端侧硬件生态链式反应，重塑全球半导体价值链，对于国内数据中心建设将带来巨大的变化：

建设规划方面

规模规划调整：大规模智算中心建设需求需要观望，需要重新思考和规划建设规模与方式。

布局倾向分布式：推理算力需求会快速井喷式上升，分布式机房内部署 1-10 台 GPU 服务器的小规模集群需求爆发，数据中心布局会更倾向于分布式，以满足就近访问需求。

技术架构方面

ARM 架构渗透：“低成本 AI 算力新范式”，会推动以卓越能效比和性价比著称的 ARM 架构加速渗透至数据中心，数据中心为降本增效，可能更多采用 ARM 架构服务器。

算力优化升级：为支持DeepSeek等高效 AI 模型，数据中心会加快硬件升级，采用更先进的芯片、存储和网络设备，提高整体算力和性能。

能源与散热方面

降低电力需求压力：DeepSeek以较低能耗就能实现较高性能，有助于降低数据中心过度供应的风险，减少数据中心的能源消耗，降低电力需求压力，数据中心电力申请需求，将需要重新考量。

散热技术仍受挑战：尽管整体能耗可能降低，但在满足算力需求时，仍可能因高密度计算设备的使用，使得数据中心的散热需求上升，需采用液冷等绿色化散热技术。

市场竞争方面

加剧芯片市场竞争：DeepSeek的低成本对AMD等芯片制造商的数据中心业务产生影响，将推动数据中心硬件市场的竞争更加激烈，促使相关企业不断创新和优化产品，国产芯片（产能优势）即将登上世界历史舞台。

数据中心竞争格局生变：能快速适应DeepSeek等新技术，提供更高效、低成本算力服务的数据中心企业，将在市场竞争中占据更有利地位。

DeepSeek等大模型在资源占用和能效方面的优化，确实可能对智算中心等建设产生一定影响，存在波动，但从整体和长期看，依然会推动基础设施的持续发展。

1）通用领域成熟，垂直领域仍在高速发展。大模型已经在文字、图片、视频等形式方面，以及聊天、检索、生成等通用领域取得了较高的应用和较大的成功，相对比较成熟，因此这些领域已经从高速发展向着高质量发展转型，能效显得非常重要。而医疗、制造业等垂直行业相关领域正处于发展阶段，训练和推理需求正在呈指数级增长，资源需求必将增加。

2）技术效率提升，将向着更高质量发展。效率提升引发成本的降低，通常情况下，输出质量越高，消耗的资源就越多。节省的资源可能被重新投入，以提升输出的质量。我们现在觉得DeepSeek效率已经很高，但是离真正高质量还相差甚远。

3）技术效率提升，将刺激需求的增加。大模型能效提高可能降低单任务成本，但也进一步刺激了应用的普及，用户群体和应用场景的增加。以DeepSeek自身为例，随着用户数量的激增，我们经常会遇到“服务器繁忙，请稍后再试”的情况，效率再高，也挡不住这种DDoS攻击，因此持续建设是必然。

资源节约型AI应该是算力基础设施可持续发展的推动条件，而非抑制其增长的因素。数据中心行业在关注DeepSeek等效率提升的同时，还是应该更多关注自身的高效能转换和绿色化发展，避免单纯的规模性扩张。

DeepSeek-R1的出现，对于算法的优化是否会产生算力过剩？个人认为可能恰恰相反，DeepSeek-R1的突破降低了大模型的边际成本，这促使过去因成本过高而被抑制的需求得以释放，催生更多应用场景，应用的繁荣一定是牵引出更多算力需求，就如同内燃机、发电机效率的优化，不会导致原料降价，只会催生出更多需求。

不管怎么样DeepSeek并没有打破scaling law，通往AGI的路程还是很漫长，关于基础大模型的角逐会因为鲶鱼效应继续保持火热。DeepSeek的开源做出了很大贡献，其中之一是把大家注意力拉回到国产大模型+国产卡+算法优化的正途上。这种先行者的成功是很振奋人心的，从数据看，截止2月6日，已经有华为、沐曦、天数、摩尔、海光等10大国产芯片支持了DeepSeek，各大云商也纷纷跟进，一定会掀起“模型/算法定义芯片”的热潮，对于国产算力是利好。

对于效率至上的云商和模型服务提供商而言，DeepSeek在MoE架构、低精度训练、通信效率等方面做出了优化，这些对于Infra的影响都决定着智算中心从芯片选取到整体架构设计的各个环节，例如：如何平衡算力和显存的取舍、低精度算力芯片的发展趋势、专家并行方式对于网络架构的影响，这些问题都值得重新审视一番，给出自己的回答。

DeepSeek技术的崛起并非预示着智算中心的需求放缓，而是揭示了人工智能领域发展的新趋势。智算中心作为数据处理和智能计算的重要基础设施，其角色和功能将会随着技术的迭代而不断进化。DeepSeek技术的融入，或许正是智算中心迈向更加高效、智能的未来的一步。在这个变革的浪潮中，我们需要的不是停建，而是更加深入地思考如何将新兴技术与现有基础设施相结合，共同推动我国人工智能事业的蓬勃发展，为人类社会的进步贡献智慧与力量。