我是芯片超人花姐，入行20年，有40W+芯片行业粉丝。有很多不方便公开发公众号的，
关于芯片买卖、关于资源链接等，
我会分享在朋友圈
。
扫码加我本人微信👇
内容转载自微信公众号「硅基研究室」（ID:
gh_4398834ca1a7
），作者kiki、谢浩。
大模型竞逐迈入第三年，来自中国杭州的一家本地初创企业DeepSeek如同一条鲶鱼，彻底搅活了全球大模型的生态圈。
从蛇年春节开始，一场围绕“接入DeepSeek”的竞赛就席卷中国AI行业。短短一个多月内，从芯片厂商、云厂商、算力服务商、软件厂商再到面向终端用户的各类硬件厂商，超百家中国公司已宣布加入DeepSeek朋友圈，借其开源模型能力，提升自身的业务想象力。
毫无疑问，DeepSeek让大模型更普及了，但与汹涌流量并行而来的还有一个更关键的问题——算力。
围绕着这个关键问题，市场的态度经历了“反复横跳”：初期阶段，DeepSeek低算力成本的特性，曾经一度重创英伟达等算力厂商的股价；在这之后，随着访问用户的激增和私有化部署的需求，算力概念股又强势翻红，供不应求。近期，DeepSeek还对外公布了其理论成本和利润率，再度引发AI圈讨论。
随着DeepSeek朋友圈的不断扩大，芯片硬件侧由OpenAI所掀起的军备竞赛，究竟能否延续？这场算力游戏，又会带来哪些新的规则？
01
DeepSeek“朋友圈”
各怀心思
DeepSeek以低成本、高性能著称，按照官方提供的数据，每个H800节点上每秒有73.7k/14.8k个输入/输出tokens，理论单日总收入562027美元，成本利润率545%，其「中国式创新」激活了国产算力生态。
而从DeepSeek的「朋友圈」中来看，
表现最为积极、速度最快的可以分为四类玩家：基础层
（包括国产芯片厂商、云厂商）
、中间层
（AI Infra厂商）
以及在B、C两端的软、硬件厂商。
据「硅基研究室」不完全统计，第一批接入DeepSeek的企业就接近百余家。
“一天有十几个咨询，从春节复工后就没有休息”。一位AI Infra厂商商务BD告诉「硅基研究室」。
作为连接大模型底层算力和下游应用的中间层，
AI Infra厂商既是第一批接住DeepSeek“流量”的玩家，也是第一批吃到流量外溢的受益者。
AI Infra厂商硅基流动创始人袁进辉曾在朋友圈复盘，DeepSeek出圈后，他们在2月1日就迅速找到华为，完成DeepSeek-R1和V3在昇腾生态的适配工作。
与AI Infra厂商有着相似敏锐度的，还有国产芯片厂商，某智算中心服务商李杨
（化名）
的直接体感是，此轮DeepSeek热潮中“国产AI芯片厂商这轮反应速度很快，几乎和英伟达这些国际玩家同步接入。”
紧随其后的就是云厂商和面向终端的软硬件厂商。
云厂商方面，“互联网云”几乎都赶在春节期间上线了基于DeepSeek模型的API服务，打起了新一轮的「低API价格+开源模型战」，云端算力推动DeepSeek加速渗透不同行业。
硬件方面，端侧手机厂商也是最先拥抱DeepSeek的首批玩家，而在用户最有直观感受的软件应用侧，包括腾讯在内的大厂携「超级应用+DeepSeek」卷入竞争，给大模型竞逐再添一把火。
分食DeepSeek流量背后，不同玩家其实「各怀心思」。
从算力层来看，有着相对充足算力储备的云厂商显然动力更强。
云厂商是中国算力市场的投资主力，向外它们既会大规模投资固定资产，包括采购芯片、服务器、租赁土地建数据中心等，对内也会自研芯片。
以阿里和百度为例，2024年全年，阿里资本支出总计超724亿元，百度超82亿元，据《财经》此前报道，阿里、字节跳动也早已完成10万卡级别的算力储备。
除此以外，DeepSeek通过模型压缩、稀疏计算、混合精度训练等多种技术手段验证了低算力成本复现高性能模型的可行性，也给自研芯片的大厂带来了“自供血”机会。
“自供血、对外租赁，云厂商有自己的业务闭环”。联想控股副总裁于浩告诉「硅基研究室」。
其次，在战略层，借自有云业务，BAT和字节跳动借DeepSeek可以达成两大意图：一是通过DeepSeek这一超级流量入口，与自身产品协同，短期承接DeepSeek的流量。二是有助于鞭策内部团队，在对比中提升自身模型能力。
前者更像是移动互联网时代大厂们擅长的打法，资深芯片专家、中存算董事长陈巍认为DeepSeek出现之后改变了大众对大模型商业本质的思考：“原先公众认为大模型它可能是一个在日常对话、应用办公的工具，但事实上，DeepSeek出现之后，大模型也可以成为一个超越互联网、甚至超越原先这些操作系统的超级流量入口。”
近30天DeepSeek移动端日活数据走势
来源：Sensor Tower
Sensor Tower的数据显示，截至2月24日，DeepSeek移动端的日活数据，已由超过1500万的峰值，下滑至700万左右。与之对应的是，元宝、豆包、通义等均实现了访问量和日活的大幅增长。
于浩提到，DeepSeek的模型能力有目共睹，有流量有市场，且前期在C端以免费模式实现DAU的闪电式扩张，头部大厂自然会迅速跟进。
即便是放眼整个中国互联网历史上，像DeepSeek这样得到全行业追捧和争抢接入的产品，除了去年的“原生鸿蒙热”，几乎很难找到其他案例。
最后，回到应用侧，DeepSeek以低成本和低功耗支持复杂AI任务运行，推动AI进一步下沉至智能终端、汽车智驾和产业侧。
以厂商为例，华为、荣耀、OPPO、vivo、魅族、努比亚等手机品牌宣布在AI助手接入DeepSeek。
长期来看，手机厂商集体拥抱DeepSeek，一方面有利于其扩充云端AI生态，另一方面，也有望不断拉动手机SoC需求量，在端侧、边缘侧，诞生更多的软硬件升级。
高通CEO安蒙近期在财报电话会上表示：“DeepSeek-R1和其他类似模型最近表明，AI模型正在发展得更快、更小、更强大、更高效，并且现在能够直接在设备上运行。”
02
算力与有效算力：
一边闲置，一边短缺
伴随“接入DeepSeek”浪潮而来的，是服务器繁忙的提示。
如果从用户直接体验来看，服务器繁忙、延迟加剧，就连硅基流动也开始不得不限流，寻求更多的算力资源，特别当携移动互联网时代超级应用入场的大厂，庞大的用户量更加剧了对算力的焦虑。
硅基流动袁进辉宣布因需求大开始限流
这些DeepSeek“朋友圈”，它们的算力到底够不够？
「硅基研究室」多方了解到，在这一问题上，行业目前的共识是
短期算力洗牌，长期算力短缺。
「短期算力洗牌」指的是DeepSeek打破了过去模型厂商“大力出奇迹”的叙事，它在模型架构、预训练和推理侧的系统级工程手段，拉低了模型部署的算力门槛，短期内给国产芯片、算力服务商等整合国产算力、推动国产算力洗牌提供了机会窗口。
具体来看又可以分为两方面，
一是给国产芯片提供了更多机会；二是解部分智算中心算力闲置的困局。
关于第一点，一直以来，强劲性能都是英伟达高端GPU的护城河，也是起步较晚的国产芯片的一大软肋。
DeepSeek的出现一定程度上降低了对高性能芯片的依赖，作为采用MoE架构的大模型，DeepSeek对芯片训练性能的要求并不高，即便是像英伟达H20这样的性能阉割版GPU，也可以胜任DeepSeek的本地化部署需求，甚至成为了目前渠道端的“热销货”。
一位芯片渠道商告诉「硅基研究室」，H20 141GB八卡服务器目前是120万一台，是期货，要等4-6周，96GB H20八卡服务器还有不少现货，但“每天一个价”。
相较于训练场景，DeepSeek对于硬件侧的需求更多聚焦在“堆料环节”。
陈巍告诉「硅基研究室」，“像DeepSeek这样的超大超稀疏MoE模型，显存远远不够用。从产业角度而言，适配高端GPU的高带宽存储器
（HBM）
又很贵。”
这意味着，单纯靠增大GPU显存来适配DeepSeek，会凭空增加巨大的成本。
这也是为什么，业内一直在探索更具性价比的部署方案。“一种合理的部署方式就是CPU/GPU多专家多显卡的部署方案，还有一种是直接用CPU的内存去充当不常用细分专家的存储缓存。”陈巍说。
而这两种方案所对应的
“算力性价比”和“异构协同”能力，正是国产芯片长期发力的差异化优势。
另有大模型行业人士提到，国产生态对DeepSeek也并不陌生，2024年DeepSeek发布第二代开源大模型DeepSee-V2时，硅基流动就基于英伟达生态上线了推理服务，对其模型架构等方面也十分熟悉。
AI Infra厂商所做的工作涵盖了数据准备、模型训练、部署和应用整合等，硅基流动主要通过其模型云服务平台SiliconCloud、大语言模型推理引擎SiliconLLM等产品，让模型能力能按需调用。打个比方，它们相当于是一个“厨师”，将原始算力资源加工成符合用户需求的“成品菜”，自上线DeepSeek R1/V3推理服务后，SimilarWeb数据显示，给硅基流动带来了数十倍的流量增长，目前SiliconCloud已获得了超三百万的用户。
而对一些部署国产芯片的智算中心而言，DeepSeek出圈也短期解决了算力闲置和碎片化问题，上述智算中心服务商李杨算过一笔账，中国智算中心项目目前已超过600个
（包括在建）
，各地也在兴建千卡、万卡算力资源池。
据机构「IDC圈」不完全统计，截至2024年11月20日，中国智算中心项目已经达到634个。
轰轰烈烈的“算力浪潮”之下，为何还会出现「闲置问题」？
在李杨看来，DeepSeek出圈前，
国产算力中心缺少一个成本低、性能好且开源的模型
。“智算中心大多是国产卡，一个大模型火了，每次都要适配一堆，加上人力有限，没有好的开源模型，所以很多最后没有用起来。”
另一个原因在于，算力中心主要面向产业、学界等，客户对算力成本也很敏感。
过去在推理侧，智算中心以单卡形式提供算力服务，智算中心的集群规模化效应并没有凸显，国产算力得不到有效消耗。
“成本和产能就是主要问题，产能低的芯片价格高，只有产能稳定才能有规模效应，降低智算中心成本。”李杨告诉「硅基研究室」。
但DeepSeek打破了这个窘境：首先，国产芯片厂商反应迅速，其次，作为李杨口中一个真正“好的开源大模型”，它带动了上下游生态，叠加政策驱动，推动过去闲置的国产算力真正地用起来。
除此以外，作为中间层的AI Infra厂商也在迅速整合生态、加速算力市场洗牌，在DeepSeek牵引下，比如推出敏捷式的多并发一体机，以软硬件一体化，提供更多元、高效的推理服务解决方案。
但短期洗牌过后，长期来看，算力还是短缺的。
训练和推理是AI芯片的主要任务场景，DeepSeek带动智能算力结构变化，推动Scaling Law向后训练、推理阶段转移。
据IDC数据，2024年，中国智能算力规模达725.3百亿亿次/秒
（EFLOPS）
，同比增长74.1%，增幅是同期通用算力增幅
（20.6%）
的3倍以上。分结构来看，未来智能算力内部训练算力占比会下滑至27.4%，推理算力占比将上升到72.6%。
