文．洪寶山

DeepSeek 在台股農曆春節封關後才亮刀，2 月 3 日加權指數開紅盤收跌 - 830.7 點、收 22694.71 點，都說上市公司把散戶當韭菜割，最具代表就是宏達電，結果 DeepSeek 把一票 AI 科技大老的合照當背景，對照黃仁勳 1 月尾牙宴請 35 名科技大老的「破兆元」合照，根據媒體的宴請名單，2 月 3 日收盤價：台積電跌 - 5.73%、鴻海跌 - 8.06%、廣達跌 - 9.83%、英業達跌 - 6.69%、緯穎跌 - 9.82%、日月光投控 (矽品) 跌 - 9.04%、技嘉跌 - 6.9%、華擎跌 - 3.7%、宏碁漲 + 3.9%、和碩漲 + 0.72%、微星漲 + 7.99%、華碩漲 + 6.92% 等。

鴻蒙與 DeepSeek 突破美科技圍堵

DeepSeek 這刀割得又準又狠，不輸 2023 年美國商務部長雷蒙多訪華期間，華為推出麒麟 9000S 七奈米晶片的 5G 手機 Mate 60 Pro，中國網友Ｐ圖把雷蒙多當作 Mate 60 Pro 的最佳代言人。

美國在拜登四年任期對中國半導體嚴厲封鎖，結果中國從軟體突破，先有華為鴻蒙作業系統脫離安卓作業系統，2024 年第一季在中國市佔率 17%，首次超過 iOS 成為中國第二大行動平台，後有 DeepSeek 突破 AI 算力限制，這過程就像大禹的父親鯀治水，用圍堵的方法終究是百密一疏，反倒是中國把美國的科技制裁當練功房，關關難過關關過。

四兩撥千斤 顛覆高算力迷思

DeepSeek 的橫空出世動搖了過去兩年輝達建構的高算力是 AI 的基礎建設的必勝投資邏輯，由於輝達從 2023 年到 2024 年連續五季營收翻倍成長，讓投資人以為 AI 就等於追逐高算力，而高算力就需要輝達的 GPU，結果 DeepSeek-V3 預訓練僅需約 270 萬 GPU 小時，而同樣規模的開源 LLaMA 模型則需要約 3000 萬 GPU 小時，兩者效果差不多。且不論總成本是否真的較低，單單從軟體著手，就可以破解 GPU 搶購潮，不僅打臉美國的 AI 晶片禁令，也顛覆了過去兩年台灣股民追捧輝達 GPU 相關供應鏈的投資邏輯。

DeepSeek 的效率革命主要是採用了 (1) 混合專家 (MoE) 架構，每次只啟動部分參數，減少計算量。(2)多頭潛在注意力 (MHLA) 技術降低記憶體佔用，提升效率。(3)FP8 混合精度訓練，保證性能的同時，進一步提升計算效率，使得 DeepSeek-V3 模型在訓練時僅需同等規模開源模型約 9% 的算力，便能達到甚至超越其性能。

降低訓練模型成本 加速 AI 發展

簡單來說，DeepSeek-V3 只會在需要時啟動部分「腦細胞」而不是全部，這樣就大大降低了運算資源的消耗，這個模型僅需啟動 370 億參數進行推理，而非動用完整模型的 6710 億參數，從而降低了即時運算的資源消耗。對照 ChatGPT-4 是 1750 億個參數強大語言模型，就可明白 DeepSeek-V3 所需的算力的確少很多，更明顯的對照是 OpenAI o1 每個月收費 200 美元，DeepSeek 免費使用，難怪連微軟、亞馬遜與輝達都採用。

根據新浪財經報導，DeepSeek 擁有 5 萬塊輝達 GPU，對比 OpenAI、谷歌、Anthropic 等領先 AI 實驗室動輒超過 50 萬塊 GPU 相比，基礎建設的投入成本低到驚人。而 DeepSeek 能在兩年內以僅 557 萬美元開發出高性能的 AI 模型，與 OpenAI 的 GPT-4 模型訓練成本 6300 萬美元形成鮮明對比。

開放 AI 自習創新 震撼市場

DeepSeek 撼動全球的關鍵不在於訓練模型成本較低，而是在於創新。過去包括 OpenAI 在內都認為 AI 模型要靠人工數據或合成數據來訓練思維鏈能力，但 OpenAI 的模型是封閉式，o1 強推理模型發布後，它的推理過程根本不對外公布。但這次 DeepSeek-R1 完全靠機器自己通過強化學習，拚命地自己給自己出題，讓自己給自己解題。

這次 DeepSeek-R1 完全是無中生有，靠機器自己跟自己來強化學習，鍛鍊了複雜推理能力，然後再把這個能力蒸餾給 DeepSeek-V3 模型，實現了機器強化學習的創新之路，才是震撼全球的關鍵。

還記得擊敗職業棋士的人工智慧圍棋程式「AlphaGo」嗎？後來就是靠著機器強化學習來精進棋藝。DeepSeek 藉由強化學習 (RL) 提升模型推理能力，就是微軟、Meta、亞馬遜與輝達肯定 DeepSeek 的地方。

1 月 31 日微軟將 DeepSeek-R1 正式納入 Azure AI Foundry，成為該企業級 AI 服務平台的一部分。同日，亞馬遜表示 DeepSeek-R1 模型現在已可以在 Amazon Web Services 上使用，輝達跟進提供了 NVIDIA NIM，讓 DeepSeek-R1 模型可在 NVIDIA NIM 微服務預覽版上使用。

網路泡沫 vs. AI 算力過剩

過去兩年四大 CSP 搶購 GPU 會不會造成算力過剩呢？從千禧年的網路泡沫來看，當年市場對網路光纖的基礎建設過度樂觀，網路創新應用產品跟不上來，在 2005 年之前的股票市場處在擠泡沫的階段，直到 2006 年 iPhone 問世，社群應用，2010 年電商模式成熟，虛擬世界的經濟才又蓬勃起來。

這兩年 CSP 對 GPU 的搶購潮就有點像千禧年對互聯網經濟的樂觀期待，最終還是要看符合消費者端的應用產品何時普及。

來源：《理財周刊》1276 期
更多精彩內容請至 《理財周刊》