過去兩年，英偉達（Nvidia, NVDA）憑藉在高性能圖形處理器（GPU）領域的領先地位，站穩了人工智能浪潮的中心。不論是科技巨頭還是初創企業，都在爭相購買英偉達的GPU用於訓練AI模型。然而，這一趨勢近日似乎出現了動搖的苗頭。
中國AI初創公司DeepSeek近期推出了一種名為R1的推理模型，訓練費用大幅低於目前主流AI模型。這似乎引發了市場對英偉達未來增長潛力的擔憂：如果能夠用更少的算力資源實現性能上的突破，AI行業對英偉達GPU的需求是否會就此減少？
事實並非如此簡單。一種被稱為傑文斯悖論（Jevons Paradox）的經濟學理論，或許能為我們提供不同的視角。
DeepSeek的R1推理模型以超低成本實現了與主流模型媲美甚至更優的性能。官方資料顯示，R1的訓練費用僅為560萬美元，而同類AI模型的訓練成本往往高達數億美元。這一效率的提升引發了業內對硬件依賴度降低的關注，部分投資者擔憂，隨著AI行業技術的不斷優化，硬件（尤其是昂貴的GPU硬件）的市場需求可能呈下降趨勢。
然而，如果進一步分析的話，這種假設或許還未看到全貌。AI的發展不僅取決於訓練效率的提升，還包括模型規模的擴展和實際應用場景的落地。在這些領域，算力需求仍有可能繼續增長。
1856年，英國經濟學家威廉·斯坦利·傑文斯首次提出了一個有趣的經濟現象，即當一項技術效率提高時，資源的使用總量往往會增加而非減少，這被稱為傑文斯悖論。最初，這一理論是針對煤炭能源而言：儘管技術提升讓煤炭採掘和利用效率更高，但反而推動煤炭的使用量大幅增加。
在AI行業中，類似的現象正在發生。當AI模型的訓練成本下降時，企業更容易開發、部署和使用AI技術，推動AI進一步融入更多的實際應用。例如：
隨著AI技術的普及，這些場景對實時計算（推理）算力的需求將顯著增加。推理階段需要大量的GPU計算資源，特別是在大規模部署情況下，例如實時翻譯、視頻處理、自動化交通控制等場景。正如“你並不只需要一個愛因斯坦，而是需要成千上萬個愛因斯坦同時工作”，這種對大規模AI推理能力的需求恰恰可能為英偉達這樣的公司帶來持續的市場機會。
英偉達的未來不僅取決於訓練層面的市場空缺，也取決於AI行業整體的擴張。Meta（META）最近宣佈，公司將把2025年的資本支出預算提升至600億到650億美元，這一數字幾乎是2024年的支出預算（380億至400億美元）的1.5倍。更重要的是，Meta計劃建設一個專門的AI超級計算數據中心，其規模接近曼哈頓島大小。
這一舉措表明，即使訓練效率提升，企業在人工智能基礎設施上的投入仍未見放緩。事實上，AI的普及化正在催生更大規模的硬件需求。無論是用於推理計算的GPU，還是RAM、存儲等其他硬件設備，整體算力需求將會逐年增加。
儘管如此，英偉達也無法完全高枕無憂。在AI訓練市場，推理階段的硬件需求可能更加多樣化，這將加劇競爭。例如，穀歌（Google）、英特爾（Intel）正在加速優化AI專用芯片（如TPU），而AMD等公司也嘗試進入高性能計算領域。此外，成本較低的技術解決方案（如DeepSeek的創新算法）依然可能分流部分市場份額，尤其在中小型企業或者成本敏感行業中。
從長期來看，這種競爭環境可能導致英偉達在某些細分市場中面臨增長壓力。但從整體行業規模擴張的趨勢來看，硬件業務的需求基本盤仍然穩固。
DeepSeek的技術突破無疑引發了市場對AI行業硬件依賴度的思考，但傑文斯悖論告訴我們，技術效率的提升往往與資源需求的增加相伴而生。尤其是隨著更多AI應用落地，推理階段算力的需求可能會幫助英偉達繼續保持行業中的核心地位。
同時，需要注意的是，AI行業的快速發展為多樣化的競爭者提供了機會。從硬件到算法再到雲服務，未來的市場格局或許將更加複雜和多變。然而，正如Meta的擴張計劃所示，AI市場的整體蛋糕正在變得越來越大，而英偉達無疑會繼續分享其中的一大塊。
