花旗：對於AI基建產業鏈各環節，DeepSeek利好哪些、又利空哪些？_風聞

花旗認為，整體來看，AI基礎設施的建設將繼續保持強勁增長。推理階段的普及將為GPU、ASIC、DCI等環節帶來新的機會，而訓練需求的減少可能對Retimers和光模塊等環節產生一定壓力。

　　DeepSeek震動硅谷，其高性價比的訓練技術引發了市場的廣泛關注。

　　在最新發布的研報中，花旗分析師Atif Malik、Asiya Merchant等詳細分析了DeepSeek對AI基建產業鏈各環節的潛在影響，揭示了哪些環節將受益，哪些環節可能面臨挑戰。

　　花旗表示，DeepSeek的R1模型有望推動AI模型的廣泛採用，尤其是在消費者和企業市場中，隨着計算成本的降低，AI的潛在投資回報率（ROI）將顯著提升。

　　在報告開頭，花旗首先對縮放定律（Scaling laws）進行了定義，並指出，當前最新的觀點認為，縮放定律有三個階段：預訓練、後訓練和測試時間縮放。其中，DeepSeek是“測試時間縮放”的絕佳範例。

預訓練（Pre-Training）：在大型數據集上訓練機器學習模型以生成通用特徵的過程。

後訓練（Post-Training）：在預訓練後通過強化學習、人類反饋等技術優化模型的一系列技術。

測試時間縮放（Test-Time Scaling）：在推理階段，通過多步推理延長模型的思考過程。

　　對AI基建產業鏈來説，DeepSeek的創新技術帶來的影響是多方面的。花旗認為，儘管某些環節可能面臨短期挑戰，但整體來看，AI基礎設施的建設將繼續保持強勁增長。推理階段的普及將為GPU、ASIC、DCI等環節帶來新的機會，而訓練需求的減少可能對Retimers和光模塊等環節產生一定壓力。

　　隨着AI技術的不斷進步，AI基礎設施的建設將成為全球科技行業的核心驅動力(6.890, -0.01, -0.14%)之一。DeepSeek的創新不僅推動了AI模型的普及，也為AI基建產業鏈的各個環節帶來了新的機遇與挑戰。

　　對AI基建各細分領域的影響

　　GPU：中性。

　　GPU作為AI訓練和推理的核心硬件，其市場需求一直保持強勁。花旗認為，儘管DeepSeek的技術可能減少對大規模訓練的需求，但推理階段的計算需求將增加，因此GPU市場整體保持中性。

　　ASIC（專用集成電路）：中性到積極。

　　ASIC在AI推理階段的表現尤為突出。花旗預計，隨着推理需求的增加，ASIC的市場份額將逐步擴大。儘管訓練需求的減少可能對ASIC市場產生一定影響，但長期來看，推理需求的增長將抵消這一負面影響。ASIC最終可能更多地與推理相關，因此訓練階段的潛在減少可能會被未來推理的增長所抵消。

　　Retimers（重定時器）：中性到消極。

　　Retimers（重定時器）主要用於高速數據傳輸，尤其是在AI訓練階段。花旗指出，隨着AI計算從訓練向推理轉移，Retimers的需求可能會下降，因為推理階段的計算密集度較低，對高速數據傳輸的需求也相對減少。

　　光模塊（Intra Server/DC）：中性到消極。

　　與Retimers類似，光模塊在AI訓練階段的需求較高。花旗認為，隨着推理階段的普及，光模塊的市場需求可能會受到一定影響，尤其是在數據中心內部的連接需求上。

　　DCI（數據中心互連）：積極。

　　DCI相對不受訓練與推理的影響，因為它與AI模型和工作負載的具體細節關係不大。花旗認為，DCI的需求相對不受訓練和推理比例變化的影響，推理階段的增長將為DCI帶來新的機會。

　　交換機：中性到積極。

　　交換機作為數據中心網絡的核心組件，其市場需求與AI計算的普及密切相關。花旗指出，儘管訓練需求的減少可能對交換機市場產生短期影響，但推理階段的增長將推動更高的網絡帶寬需求，長期來看，交換機市場將保持中性至正面。

　　連接器：中性到積極。

　　與交換機類似，連接器被認為與訓練與推理無關，其市場需求與AI基礎設施的整體增長密切相關。花旗認為，隨着AI計算的普及，連接器的需求將保持穩定，尤其是在分佈式計算的推動下，連接器市場有望迎來新的增長點。

　　存儲：中性到積極。

　　存儲OEM尚未受到AI支出的影響，通常討論AI的影響還為時尚遠。花旗指出，儘管目前AI對存儲設備的影響尚未完全顯現，但隨着推理階段的加速，數據管理、數據移動和數據安全等方面的需求將推動存儲市場的增長。

　　服務器OEM（原始設備製造商）：中性。

　　花旗認為，儘管AI訓練服務器的需求可能減少，但推理服務器的需求將增加，整體來看，服務器OEM市場將保持中性。

　　PC/智能手機：中性到積極。

　　隨着AI模型的優化，本地設備上的AI計算能力將得到提升。花旗指出，這將推動PC和智能手機的更新換代，尤其是在具備更高計算能力的設備上，市場需求將保持中性至正面。