DeepSeek R1 的異軍突起，讓'算力過剩'的陰霾籠罩 AI 產業，相關概念股應聲下跌。然而，這究竟是恐慌情緒下的非理性拋售，還是預示著產業格局的深刻變革？撥開迷霧，我們能否在危機中洞見轉機，找到逢低佈局的黃金坑？
你知道嗎？就像過去稅率下降激活經濟活力，最終政府實收稅額反而上升一樣，DEEPSEEK R1的超低價格或許也會點燃AI產業的全新浪潮，帶來意想不到的市場效應。
美國1920年代Andrew Mellon稅改案例
- 背景： 1910年代末，美國正從第一次世界大戰結束後進入復甦階段。然而戰時帶來的高稅率卻在戰後繼續實施，導致投資與消費意願疲弱。時任美國財政部長的Andrew Mellon在1920年代推動了一連串稅改，特別是針對高所得者的稅率大幅調降。
- 稅率調整： 最初最高所得稅率在戰後一度高達73%，經過Mellon多次與國會協商和立法，至1920年代中後期，最高邊際稅率降至25%左右。這些改革包含降低個人所得稅率和資本利得稅率。
- 結果：
- 刺激投資與消費： 高邊際稅率下降後，大量資金流入投資市場，消費增加，經濟活動大幅活絡。
- 財政收入上升： 在經濟增長推動下，儘管稅率降低，但課稅基礎（如個人所得、投資收益）擴大，使聯邦政府的稅收總額最終高於先前高稅率時期。據部分統計，聯邦政府從高所得者所徵得的稅收也增加，政府財政狀況反而改善。
- 意涵： 這段時期成為之後討論「拉佛曲線（Laffer Curve）」時的重要範例，也就是以適度的稅率激勵經濟成長，並可能帶來更高的稅收。但需注意的是，這樣的現象會受制於整體經濟環境、政府財政政策、世界經濟局勢等諸多因素，並非一概適用於所有時期與國家。
近年來，AI 產業持續上演「算力軍備競賽」，各家科技巨頭為了打造更強大的人工智慧模型，不斷投入龐大的資本支出。黃仁勳（NVIDIA 執行長）更是喊出「買越多 GPU，反而越省」的概念，強調從資料中心的整體持有成本（TCO）來看，高效能 GPU 反而能在空間、能源、人力維運上帶來長期節省。然而，就在這個「大模型越大越好」的氛圍中，中國出現了一款名為「Deepseek R1」的輕量化模型，強調以更少的算力投入，即可接近大型商用模型的效能。這樣的「降本增效」傳統印象中似乎和「買越多 GPU 反而越省」相互衝突，但事實上，它們可能同時催生 AI 的新一波成長浪潮。
Deepseek R1 帶來的衝擊：小模型不再「小家子氣」
- 顛覆：模型小、成本低，也能提供近似大模型的性能
Deepseek R1 主打透過演算法創新、參數壓縮與高效率訓練策略，用不到過去大模型五分之一甚至十分之一的資源，達到極為接近大型語言模型的效果，讓投資人紛紛猜測「算力是不是要過剩了？」。 - 暫時結論：用戶數量與應用場景的爆發
隨著模型門檻降低，更多中小型企業、個人團隊能加入 AI 行列，進而帶動應用量幾何級成長。結果是「單一任務所需的算力雖減少，但應用全面擴張後，算力需求總量反而可能大增」。
黃仁勳的「買越多 GPU，反而越省」觀點：從TCO看AI基礎建設
- TCO（Total Cost of Ownership）思維
在大規模資料中心或雲端環境中，「少量高階 GPU 伺服器」可以取代「大量 CPU 伺服器」，於空間、耗能、維運等面向帶來綜合節省。 - 「規模經濟」與生態系整合
當企業大量採購最先進 GPU，往往可獲得更深入的軟硬體整合支持和折扣，進一步提高運算效率。雖然看似前期投入龐大，但從整體效益回收角度，越早布局就越能取得市場先機。
二者並不衝突：降本增效 × 大規模算力 = AI產業的正向循環
- 「降本」不代表「需求下滑」，反而容易引爆更廣市場
這就像經濟學裡的拉弗曲線（Laffer Curve）：當稅率降低，經濟活動可能更活躍，最終稅收總額反而可能上升。對 AI 而言，一旦開發與部署成本降低，企業與開發者湧入的規模會倍增，需要的整體算力最終仍然巨大。 - 短期「算力過剩」的恐慌 vs. 長期「更多場景爆發」的現實
投資人可能短期因新聞效應擔憂「AI 泡沫」，導致市場出現股價波動。然而，AI 市場的實質需求並非一朝一夕能冷卻，尤其是多模態（影像、語音、影片等）或企業級大型應用，仍需要龐大的高階 GPU 叢集支撐。
多模態模型何時能複製這個成功？
- 多模態複雜度高：技術門檻與資料維度
和文字模型相比，多模態需要同時處理視覺、語音、文本等不同資料型態，所需的參數量更龐大，模型結構更複雜。 - 仍能借鏡輕量化、壓縮、量化等技術
即便多模態暫時難達到「與大型模型近似效果但只用 1/10 資源」的驚人突破，長期看來，輕量化、蒸餾、剪枝等方法還是能持續讓多模態模型在特定應用場景逐步實現「小而精」。
會不會出現「大科技停止買GPU，供應過剩」的最壞劇本？
Deepseek R1 的橫空出世，給投資人帶來了機會卻也帶來了風險。一方面，市場出現了「算力需求可能不如預期」的擔憂；另一方面，AI 應用，特別是得益於低成本模型的中小企業及新創公司的應用潛在爆發，卻又像遠方燈塔般閃爍著希望的光芒。
在這種危與機並存的混沌局面下，投資人需要保持冷靜的頭腦，客觀評估 AI 產業的發展趨勢，撥開情緒的迷霧。這其中，理解市場情緒化下的最壞劇本和市場理性化下的一般劇本的可能進程，就顯得尤為重要。
1. 市場情緒化下的最壞劇本：恐慌蔓延，泥沙俱下
- 導火索： Deepseek R1 的技術被迅速複製，更多高效能且低成本的模型湧現，特別是開源模型，市場開始擔憂「高階 GPU 需求見頂」，進而引發對 GPU 等硬體廠商的悲觀預期。
- 悲觀情緒發酵： 媒體開始渲染「AI 泡沫」、「算力過剩」、「高階 GPU 需求大幅下滑」等負面論調，加劇市場恐慌情緒。投資者開始拋售手中的 AI 相關股票。
- 股價連鎖下跌： 龍頭股的下跌引發連鎖反應，整個 AI 產業鏈都可能受到波及，泥沙俱下。特別是那些業務單一，過度依賴大模型的企業，將面臨更大的衝擊。
- 資金撤離： 部分資金開始從 AI 產業撤離，轉向其他被認為更安全的投資標的，進一步加劇 AI 板塊的下跌。
- 最壞結果： AI 產業融資環境惡化，部分企業因資金鏈斷裂而倒閉，產業發展陷入短期停滯。大量依賴高階GPU算力的計畫被遞延或取消。
應對策略：
- 避險為上： 適當減倉或避開前期漲幅過大、估值過高的 AI 股票，尤其是那些直接受算力需求影響的硬體廠商。
- 嚴控風險： 設置止損點，嚴格控制風險敞口。
- 保持彈性： 保留一定的現金倉位，以便在市場超跌時抓住機會。
2. 市場理性化下的一般劇本：潮水退去，真金顯現
- 初步調整： 市場對 Deepseek R1 的出現反應過度，AI 相關股票出現一定程度的回調。
- Deepseek R1 將加速 AI 應用的普及化進程。 通過降低 AI 技術的使用門檻，Deepseek R1 將激發出大量的創新應用，特別是在中小企業和新創公司中。這將極大地拓展 AI 產業的邊界，並創造出新的市場需求。這很可能進一步提升整體產業的"天花板"。
- 應用爆發將反向推動算力需求的結構性增長。 儘管單個“低成本高效模型”對算力的需求較低，但隨著 AI 應用數量的爆發式增長，整體算力需求將呈現結構性上升的趨勢。一方面，AI 應用總量的增加將直接提升算力需求的基數；另一方面，隨著 AI 應用的深入，特別是向更複雜的多模態模型和 AGI 發展，對高階算力的需求將更加旺盛。這與黃仁勳所倡導的“買越多 GPU，反而越省”的理念不謀而合。
- 長期來看，高階算力，特別是支持高效訓練和推理的 GPU，仍將是 AI 產業發展的關鍵基石。 尤其是在多模態大模型和 AGI 的發展趨勢下，對算力的需求將只增不減。
- “應用為王”時代，鎖定 AI+： 隨著 AI 技術的普及，AI 應用的落地將成為產業發展的核心驅動力。投資者應重點關注那些能夠將 AI 技術與具體行業應用相結合，並創造出實際商業價值的公司，特別是在醫療、製造、教育、金融等領域具有深厚積累的企業。
- 逢低佈局，長線持有： 當前市場的恐慌性拋售，為投資者提供了一個逢低佈局的良機。特別是對於那些具備核心技術、穩固客戶關係和良好成長前景的 AI 龍頭企業，以及上游算力硬體公司，例如 NVIDIA，更是千載難逢的買入時機。正如股神巴菲特所說，“別人恐懼時我貪婪”，當市場情緒過度悲觀時，往往蘊藏著巨大的投資機會。
- 緊盯大廠資本支出，洞察產業風向： 密切關注 Google、Meta、Microsoft、Amazon 等科技巨頭在 AI 領域的資本支出情況，以及他們對於「低成本高效模型」以及「大算力大模型」的策略，這些將直接反映 AI 產業的發展趨勢和算力需求的變化。
應對策略：
- 精選個股： 深入研究 AI 產業鏈各個環節，精選具備核心技術、良好商業模式和穩健財務狀況的優質企業。特別關注能夠受益於 AI 應用普及的軟體、應用公司。
- 長線佈局： 著眼於 AI 產業的長期發展趨勢，逢低佈局。
- 動態調整： 持續跟蹤 AI 技術的發展和市場需求的變化，動態調整投資組合。特別關注大公司的資本支出以及新創公司的募資與發展狀況。
- 最壞情況：需求大幅落空 + 半導體產能卻不停擴張
若企業大規模轉投向小模型而砍單，同時晶圓代工廠與設備廠積極擴產，可能在短期造成供過於求，股價也許出現崩跌。 - 實際上：大科技的 CapEx（資本支出）動態才是關鍵
真正決定算力需求的，還是 Google、Meta、Microsoft、Amazon 等巨頭如何看待未來雲端與 AI 服務的成長。他們依舊可能因更大量的用戶與應用，持續擴建資料中心與 GPU 叢集。 - 短期情緒修正、長期多元擴張
目前看來，短期獲利了結或情緒性拋售導致股價震盪是常態，但要真正出現大型晶片廠如NVIDIA、TSMC等「全面崩跌」，往往需要更多宏觀經濟或企業 IT 預算緊縮因素的疊加。
結語：低門檻終究通往更大市場
Deepseek R1 這類「小而強」模型似乎質疑了「堆算力」在 AI 競爭裡的地位，但實際上，兩者可能會形成互補關係：小模型讓更多應用得以起飛，而應用的爆炸性成長，最終還是需要大量 GPU 與雲端資源去支撐高併發、高可用的大規模服務。投資人若想觀察算力泡沫與否，最核心的觀測指標仍是大科技公司在未來數季的 CapEx 投資趨勢。只要 AI 生態系的發展保持熱度，算力依舊是 AI 的剛需，而「降本增效」模型只會讓 AI 市場發展更迅猛。
2025/1/28發現新大陸 X.com有網友從另一面分析DeepSeek對於AI算力投資的另一個觀察
https://x.com/fi56622380/status/1883799178826121509
