C114讯 2月8日消息（章葭）作为一款继ChatGPT之后的现象级AI产品，DeepSeek（深度求索）的冲击波还在继续。

据国内AI产品榜统计数据，DeepSeek应用在上线仅20天后，其日活跃用户数（DAU）迅速突破2000万大关，达2215万。

DeepSeek不仅让中国生成式人工智能技术进入全球视野，同时也直接激活了整个人工智能产业链，无论是云服务厂商、芯片公司，还是下游应用层，均纷纷进行部署和适配。当然，对于国内AI产业生态而言，DeepSeek更重要的贡献是，通过“技术瘦身+开源共享”的创新，大幅降低大模型训练成本。这一突破让市场惊呼：“算力‘卡脖子’也能玩转AI？屡试不爽的AI scaling law失效了吗？”

什么是AI scaling law？

OpenAI在2022年提出的Scaling Law定律，是现今算力“军备竞赛”的基础。Scaling Law之于AI，正如摩尔定律之于芯片。

简单说就是"大力出奇迹"定律：数据越多、算力越强、模型越大，AI的表现（比如对话质量、图像生成精度）就会指数级提升。

正因如此，所有AI模型公司都在不停地堆资源，这也导致算力军备竞赛以及数据中心的疯狂扩容。

这一现象背后，硬件商成最大赢家。英伟达包揽了全球95%的AI芯片市场，光模块作为数据传输的"光纤血管"，需求暴增。这就是英伟达市值冲上3万亿美元，光模块企业股价一年涨700%的核心逻辑。

DeepSeek的出现从根本上打破了这个逻辑。让作为AI信仰的英伟达以及国内的光模块企业等，股票价格出现了剧烈波动。

英伟达近年股价，图源东方财富网

中际旭创近年股价，图源东方财富网

AI scaling law真的失效了吗？

那么AI scaling law真的失效了吗？是否真的不需要算力堆积了？从美国几个主流AI厂商发布的2025年CAPEX指引可以看到，全球科技巨头仍在不遗余力地加大算力投入。

2月6日，亚马逊宣布，计划在2025年将资本支出提升至1000亿美元，持续加大在人工智能领域的投入力度。这一数额显著高于去年约830亿美元的支出规模。

本周二，谷歌公布预计今年资本开支高达750亿美元，比市场预期高出近三分之一；

此外，Meta预测2025年的资本支出为600至650亿美元，比华尔街的预期高出30%。

微软预计2025财年资本开支为800亿美元，其中AI投入为600亿美元。

这四大科技公司的资本支出合计将超过3000亿美元。可以看到，即便面临算法优化的技术路径，高端算力储备仍是大型科技公司普遍认为的实现模型突破的基础条件。

不仅是海外科技巨头，国内科技公司其实也在加大投入，例如字节跳动2025年的资本开支将达1600亿人民币，其中在AI基础设施上投入约900亿元，据知情人士透露，字节跳动已为2025年在中国购买人工智能芯片编列了400亿元的预算，是去年支出的两倍。

从短期来看，DeepSeek的优化确实降低了AI训练成本，可能会导致短期内训练需求下降。然而，但从长远角度而言，推理成本的下降将加速AI技术的不断发展和应用场景的扩展，进而推动算力需求呈指数级增长。

业内分析指出，端侧AI的规模化落地、多模态应用的爆发，以及企业私有化部署需求，都将持续推高全球算力消耗总量。

因此，我们需要客观看待deepseek冲击波，理性看待算力需求以及AI产业发展路径。

AI scaling law并未失效，但游戏规则变了

DeepSeek的突破揭示了一个关键趋势：AI scaling law并未失效，但游戏规则变了。这里没有永恒的巨头，只有持续进化的生存者。美国的技术主导地位将失效，中国企业正在迎头赶上。未来，“算力-算法-场景”的协同进化将取代单一的“暴力堆算力”模式。

值得注意的是，据报道，DeepSeek绕过了英伟达的CUDA框架，使用更底层的编程语言PTX做优化，为未来兼容国产GPU芯片做准备。这或许解释了为什么，众多国产AI算力芯片公司几乎一夜之间纷纷宣布适配DeepSeek模型。

据悉，华为旗下ModelEngine AI平台基于昇腾芯片，将模型部署周期从3周压缩至3小时。中国电信表示天翼云“息壤”已深度适配DeepSeek-R1/V3，实现“国产模型+国产算力+国产云服务”的全产业链闭环，实测昇腾国产算力显示推理性能与主流高端GPU持平。在国内产业链的协同创新之下，大模型技术与产业场景将实现深度融合。

当然，在底层算力仍是基础的情况下，国产AI算力生态仍然要稳扎稳打。一方面，可以强化全栈协同优化，缩小性能差距。在硬件层推动芯片设计贴近模型需求，降低多卡协同损耗。软件层面，加大自主计算框架对国产芯片的支持力度，构建统一API标准，降低模型迁移成本。此外，通过异构计算实现灵活部署，结合国产算力性价比优势，逐步替代英伟达市场。

另一方面，构建开放生态至关重要。例如设立国产算力专项开源项目，提供适配工具链，降低技术门槛吸引开发者。针对中小企业需求，提供全面应用场景展示，通过实际案例验证国产算力可行性。

推动产业链垂直整合也是关键。通过组建芯片设计、制造、封装测试的产业联盟，集中资源突破先进制程和HBM存储技术等关键核心技术，减少对外依赖。同时制定标准化的国产算力接口协议，提升跨厂商设备兼容性，避免生态碎片化。

此外，政策引导同样不可或缺。通过税收优惠、采购倾斜等政策引导行业资源投入，加速国产方案规模化落地。

总结

当前，国产AI算力生态正处于发展的关键转折点。通过技术协同、生态开放、产业链整合和政策引导，有望形成与英伟达并行的“双轨制”算力格局，助力中国AI走上一条完全独立自主的发展路径。

无论Scaling Law如何演变，AI竞争的终极目标始终是将算力转化为生产力。在AI全球化竞争中，如何让AI走进车间、商铺、街道，让AI真正成为水电煤一样的基础设施，才是更为重要的事情，而中国正朝着这个目标稳步前进。