DeepSeek 中國AI的“斯普特尼克時刻”？

DeepSeek每生成100萬個token僅收取1.4美分，大約相當于70萬個單詞。相比之下，Meta對其最大模型的相同輸出收取2.8美元，DeepSeek收費相當于美國大模型的1/200！而成本僅僅是OpenAI的1/50左右。

近期，不僅DeepSeek走紅，德銀的一份報告也火出了圈——德銀分析師馬克·安德里森（MarcAndreessen）將DeepSeek的發布稱為“中國的斯普特尼克時刻”（Sputnikmoment），標志著中國AI科技的崛起。

“斯普特尼克時刻”是指某一國家或地區在某個領域的突然突破，帶來巨大的技術、經濟或政治影響，通常促使全球或其他國家重新評估自己的發展方向和競爭力。這個詞源于1957年蘇聯發射的第一顆人造衛星——斯普特尼克1號（Sputnik1），它標志著蘇聯在太空競賽中的突破，震驚了全世界，尤其是美國。

安德里森提及，中國最初在全球范圍內確立企業主導地位的是服裝、紡織和玩具行業，隨后在基礎電子產品、鋼鐵、造船等領域占據優勢，近年來又主導了家電、太陽能等行業。

直到2024年底，中國憑借電動車出口的驚人增長，引發全球關注。而在2025年，中國在一周內接連推出全球首款第六代戰斗機和低成本AI系統DeepSeek，再次震撼全球市場。

中國在高附加值領域的領先地位正以前所未有的速度擴展。

據報道，DeepSeek每生成100萬個token僅收取1.4美分，大約相當于70萬個單詞。相比之下，Meta對其最大模型的相同輸出收取2.8美元，DeepSeek收費相當于美國大模型的1/200！而成本僅僅是OpenAI的1/50左右。

當然這幾天市場有爭議，DeepSeek的技術是否真的已經領先美國，成本是否真的那么低，這些還有待時間去考證。但是至少說明一點，中國的AI發展比市場預期得要好，并沒有落后美國那么多。

如今，更關鍵的問題在于，究竟中美AI浪潮未來將如何演進？如何看待所謂的“蒸餾”（distillation）質疑和開閉源爭議？模型平價化趨勢的深入將帶來什么結果？

英偉達的拋售也引發了另一個思考——算力需求顯著下降，未來究竟是會導致算力消耗量下降，還是說訓練模型的玩家隨著門檻的降低而增加，且推理市場打開后，可能對算力需求量上升？

隨著AI主題可能會從基礎設施層轉向應用層，to C場景還有什么變現手段？如果不靠模型盈利，toC市場會有哪些？

DeepSeek加速模型平價化進程

OpenAI的誕生使AI徹底迎來覺醒時刻。回顧2024年，美國“科技七巨頭”市值增長了6萬億美元，AI主題是主要推動力。

英偉達以及“超大規模”企業（hyperscaler，例如微軟、谷歌、Meta、亞馬遜）貢獻標普500指數總回報（25%）的41%。然而，也就在春節前夕，DeepSeek-R1、字節跳動的豆包1.5Pro，以及月之暗面的Kimik1.5模型相繼推出，引發了全球投資者的高度關注。

DeepSeek的優異表現以及不及OpenAI近1/20的算力成本令英偉達股價一夜暴跌17%。截至1月26日，DeepSeek在美區蘋果AppStore免費榜升至第六位，超越GoogleGemini、MicrosoftCopilot等美國科技公司的生成式AI產品，而后一度沖至第一。

或許這也意味著，在未來AI競賽中，中國不一定會落后，中國可以用更少的GPU構建模型。但核心原因在于，AI的關鍵并不在于構建最佳模型，而是在于模型的應用與采納。

一個社會的繁榮程度并不取決于擁有最佳模型，而是取決于其如何高效地采用AI技術。

值得一提的是，推理大模型DeepSeek-R1以開源形式問世，性能比肩OpenAl的閉源旗艦模型o1，但訓練成本僅為后者的1/20。這一突破讓硅谷陷入焦慮，更暴露了Al領域長期依賴硬件堆砌與封閉生態的脆弱性。

早在去年三季度，高盛就發布多份報告，預警AI開支太大的風險，其中一份名為《生成式AI：太多支出，太少收益？》（GenAI：Toomuchspend，toolittlebenefit）。然而華爾街似乎并不在意，投資者繼續追捧著“AI資本支出越多、股價越應該漲”的故事。

到目前為止，市場既獎勵了在AI上大舉投入的公司（如亞馬遜、微軟、谷歌、OpenAI等），也獎勵了提供工具和基礎設施的公司（如英偉達、博通、Vertiv，以及廣泛的半導體行業）。

然而，DeepSeek模型具有低成本特點，一度動搖投資者對整個AI生態系統的信心。

數據顯示，谷歌、Meta、亞馬遜、微軟、蘋果和甲骨文的資本支出總額，一直在大幅增長。2023年支出總額高達約1600億美元，2024年的資本支出將大幅增長，從大約1600億美元增加到2000億美元。

例如，微軟預計今年將在資本支出上花費800億美元，基本與微軟全年的現金流持平，即便大模型的潛在市場較大，但市場投資者看到這個數字后，不免有一些動搖。

根據BradGerstner提供的數據，Meta和微軟的資本支出已經超過了其收入的25%。蘋果和亞馬遜則處于中間位置，資本支出約占收入的10%～15%。

資本支出是否能夠繼續且是否必要尚無結論，但模型平價化的時代必然將加速到來。未來模型、研究將進一步商品化，但平價化趨勢并不是負面的——早在2023年推出OpenAI大模型時，它在世界中擁有超過50%的市場份額，今年它大約有36%，已經失去一些市場份額，但這并不重要，整體的蛋糕變大了。

不難發現，市場競爭是降低成本、推動平價的關鍵方式，這樣會使得更多人使用這個技術，把蛋糕做大，集體繁榮的實現前提是，確保關鍵資源不會被少數人控制來推動。

DeepSeek這一更高效且成本更低模型的出現，無疑加速了這一進程。

與此同時，DeepSeek也引發了爭議。有媒體報道，OpenAI早前表明，已經掌握證據，顯示DeepSeek在訓練模型時通過“蒸餾”（distillation）使用OpenAI的數據，違反服務條款。

不過，OpenAI首席執行官SamAltman對媒體表示，“沒有計劃起訴DeepSeek”。他表明，DeepSeek-R1的確令人振奮，但他相信OpenAI會繼續開拓前沿領域，提供優秀的產品，“我們很高興又迎來一位競爭對手”。

但事實上，即使DeepSeek可能違反OpenAI的API政策，從科學角度來看，全球尚沒有針對模型蒸餾的明確規則。雖然蒸餾技術可能涉及知識產權問題，但在科學研究和開源領域中，讓技術能夠快速發展才是最重要的。

算力需求仍將增加

DeepSeek的出現也讓英偉達站到了風口浪尖，引發了各界對大模型價格戰和算力需求下降的擔憂。1月末以來，華爾街基金經理的心情好似英偉達股價那般坐上過山車。

1月28日，英偉達暴跌17%，從142美元跌至118美元，市值跌去了一個阿里巴巴。如今，英偉達股價在128美元附近。

但在業內人士看來，如果投資英偉達的理由是相信AI需要大量的芯片基礎設施，從而來持續訓練大型語言模型，那么這種投資邏輯是不正確的；

如果投資的理由是看好AI成本的下降以及對GPU需求的持續增長，那么這個邏輯其實是成立的。

一位行業資深人士也對筆者表示，GPU就像是AI的“大腦”，屆時我們可能需要數萬億個GPU，因為它們比人腦便宜得多。雖然AI變得越來越便宜，但更重要的是其變得越來越強大，因此對計算能力的需求將繼續大幅增加。

這就好比杰文斯悖論（Jevons Paradox）所強調的，一項資源如果變得更高效，那么對這項資源的需求其實是將更大的。同時，市場競爭是降低成本、推動平價的關鍵方式。

舉一個例子，在50年前，如果告訴某人美國電力的成本將如今天這么低，他們會質疑能源公司如何盈利。但事實上，電力變得便宜后，幾乎一切都需要電力驅動；同理，互聯網的普及使得每個人都能接入，雖然價格低廉，但公司通過提供普遍可用的服務獲得盈利。

平價模型如何盈利？

隨之而來的另一個問題在于，隨著模型越來越平價、玩家越來越多且越來越卷，如何打造可以盈利的商業模式？

我們可以通過這一片段來進行思考。面對DeepSeek，SamAltman此前發推表示，“復制容易，創新很難”。

盡管這看似有其邏輯，但歷史上投資者往往過于重視原創創新者的價值，低估了競爭的影響，并高估了早期創新者的資本回報。

同時，新的進入者常常受益于他人的資本支出，從而能夠推出新的產品和服務。

回顧歷史，科學研究并不是特別難以復制，而且這種復制有助于推動技術的普及和平價化。歷史上的幾位著名人物，如居里夫人、本杰明·富蘭克林等，他們并沒有因為自己的科學發現而賺錢。

科學發現應當是全人類的財富，真正應當賺錢的地方是“分配”（distribution），換言之是如何將技術觸達各大市場。

OpenAI的成功也在于此，“何人都可以復制OpenAI”的說法并不正確。OpenAI不僅僅依靠研究成功，還依賴于強大的品牌建設和市場渠道，這些要素很難被復制，這可能是未來模型平價化之后需要考慮的事情，即如何打造屬于自己的護城河？

就國內的大模型來看，降價比例較大，從價格角度，大廠可能會持續往這條路走，一方面迫于競爭壓力，另一方面本身有成本優化方式來使成本降低。所以整個市場上，不要看單獨靠模型盈利多少。

在業內專家看來，在模型調用方面，無論是十億還是數十億、萬億級token，未來只是收入之一，整體還是希望通過低價牽引行業快速商業化。

雖然部分公司B端用戶量翻了幾倍，到了幾十萬量級，但模型調用次數還不那么高，基于現在模型還不夠好、生成速度慢、生成質量不高，另外價格也是一部分原因，所以未來通過低價方式，一是應對競爭，二是把B端客戶迅速融入自家生態、快速業務上線、推送到B端或者C端客戶手上用起來，只有用起來后，大廠未來才有可能賺到錢。具體而言，在大廠盈利邏輯不靠模型的假設之上，盈利方式可能有幾種——如果toB端，要做捆綁式銷售，模型本身成本較低，但客戶用時要選很多其他東西、周邊產品，例如數據庫、算力、插件、搜索、BI、PaaS、SaaS等，這些依然保持較高利潤率。通過低利潤模型調用加上高利潤率產品綁在一起，把利潤率做高。

在toC賽道中，核心變現邏輯是通過精準信息匹配、用戶上癮機制提升付費意愿，實現商業價值最大化。

主要的變現策略也有幾種：例如，通過提供AI生成工具支持UGC創作，并設定不同的使用級；免費用戶可以每天生成一定數量的低分辨率內容，超出部分收費。未來社交平臺上的AI生成內容將越來越多，AI生成工具可以通過訂閱或按次付費模式變現。

此外，電商導流變現也可預見。通過AI入口重新塑造電商流量格局，從傳統的短視頻平臺（如TikTok、抖音）搜索產品，轉向AI入口（如字節旗下的豆包）搜索商品。通過AI搜索技術（文本搜索、多模態搜索）進行精準商品推薦，同時插入廣告，實現商業化。

AI硬件與訂閱服務也是一種變現渠道。AI硬件（如智能耳機、智能音箱）作為AI應用的延展，用戶可直接購買硬件，形成收入來源。

智能體（AIagent）是今年的大熱詞，未來智能體的個性化服務也是toC端的變現渠道，如定制AI角色（數字網紅、虛擬偶像），提供付費訂閱、充值、虛擬禮物等增值服務，使用戶產生依賴性，從而增強變現能力。

相比之下，目前Deepseek產品比較單一，僅是一個模型，盡管價格低，但在和大廠競爭時，并沒有產品矩陣概念。此外，Deepseek仍只是一個文本模型，隨著技術發展，可以縮小文本模型和海外的差距，但是這種技術很難復制到其他模態，如音頻、圖像、視頻等都是新模型架構，業內各界也在研究哪些可以沿用到其他模型。

整體而言，各界不應該盯著模型的價格戰，而是要看這個方向有沒有衍生出更多應用。只有應用落地，被廣泛B端、C端用起來后，整個市場才真正活躍起來，否則模型只能停留在自己平臺上自用，沒有生態賦能，商業化也會受阻。

來源|虎嗅