DeepSeek沒能讓算力焦慮消失，硅谷四巨頭全在加錢買算力_風聞

春節期間，國產大模型 DeepSeek-R1 橫空出世，證明了用更低的成本、更少的算力需求，就可以實現世界一流的模型性能水平。

R1 的出現似乎打破了大模型 “ 燒更多的錢買更強的芯片，換來更優性能產品 ” 的傳統路徑。1 月 27 日，英偉達股價單日下跌近 17% 。

不過，在人類通往 AGI 的路上，算力真的沒那麼重要了嗎？

谷歌、微軟、Meta和亞馬遜這硅谷四個科技巨頭可能並不這麼想。

從 1 月 30 日起至今，這四家公司接連發布了自己的財報，而在最新的財報中，他們都不約而同的提到：2025 年，要花更多的錢來佈局算力。

谷歌母公司 Alphabet 對 2025 年的資本開支目標為 750 億美元，相比 2024 年增加了 42%。谷歌表示，在 2024 年四季度，他們發現人們對 AI 產品有非常強勁的需求，以至於****需求超過了他們的可用容量。因此，他們將努力解決這一問題，確保他們有更多容量 —— 也就是花錢搞更多算力。

微軟則提到 2025 財年（ 財年截至 6 月份 ）將在人工智能數據中心上投入 800 億美元，原因也與谷歌相同 —— 市場需求持續高於他們的可用容量，需要擴充。

微軟還在電話會中表示，這樣的投入他們甚至還是保守了的，因為 “ 不能一次買太多，因為摩爾定律使硬件每年都會有性能提升，一下子買太多會虧，要把握好節奏。”

Meta 方面，2025 年的資本開支預算是 650 億美元，相較於 2024 年增長了 66%，扎克伯格表示：“ 我仍然認為，**從長遠來看，大力投資資本支出和基礎設施上將是一種戰略優勢。**也許我們會在某個時刻得出不同的結論，但現在還為時過早。此時此刻，我會賭注於，能夠構建出這種基礎設施將成為我們的一大優勢。”

亞馬遜則是在最新一季的電話會中提到 2025 年的資本開支將達到約 1000-1050 億美元，比去年的 830 億美元增加了 24%，亞馬遜首席財務官 Brian Olsavsky 在財報電話會上表示，這筆資本支出的 “ 絕大部分 ” 將用於AI和雲服務AWS。

四巨頭都在算力上繼續增加投入，並不是因為看不上 DeepSeek，反而是非常認同 DeepSeek。

亞馬遜首席執行官 Andy Jassy 表示，推理成本的減少，不意味着總支出會下降，“ 實際情況並非如此，我們在雲計算領域經歷過類似情形 ”。

而微軟的 CEO 此前也在 X 上發博轉發了維基百科的 “ 傑文斯悖論 ” 詞條來表示他的態度。

傑文斯悖論的核心邏輯是：技術提高資源使用效率後，可能會因人類行為的改變或市場反饋，導致總消耗量不降反升。

舉一個非常簡單的例子：隨着汽車技術的不斷提升，發動機的熱效率不斷提高，變得越來越省油，但由於效率提高使得用車成本降低，人們會買更多的車、開更遠的路，最後反而使得石油的消耗量變大。

同理，在 AI 世界裏，DeepSeek 就是那台效率更高的發動機，而算力就是汽油，單輛車的耗油量變低了，整個市場的汽油用量卻會增多。

要知道，DeepSeek-R1 雖然訓練成本低，但也是遵循 Scaling Law （ 規模擴展法則 ）的。

在 Scaling Law 之下，我們可以簡單粗暴地把模型表現和算力需求看成一個 y=ax 的正相關函數，過去的模型的斜率 a 相對較小（ 效率相對較低 ），模型表現雖然會隨着算力的加大而變得更好，但是增長較慢。DeepSeek  的斜率 a 則相對較大（ 效率相對較高 ），模型表現隨算力加大而表現變得更好的速度會更快。

在這種情況下，你會因為效率更高而減少投入嗎？你大概率會因為效率更高而加大投入。

所以，與其擔心算力過剩，我們似乎更應該關心的是算力和效率我們都有，但是已經沒有優質數據可以用來訓練了。

同樣還是拿汽車來舉例子，當汽車的油耗（ 模型效率 ）和汽油（ 算力 ）都充沛的情況下，大家都買了車，最後卻發現出行速度沒辦法進一步提升了，因為路（ 優質訓練數據 ）不夠了，堵車了。

或許在未來，數據標註師會越來越少，世界會冒出來很多 “ 數據生產師 ”，他們每天坐在格子間裏，絞盡腦汁創造能提高模型性能的優質數據。