小G助手拼多多：AI模型与芯片产业的类比，DeepSeek GPU需求背后的商业化逻辑分析

芯片数据摸底还得靠 SemiAnalysis！今天最新这篇提到了 DeepSeek 拥有的 GPU 数量不是某些人声称的 50,000 个 H100，而是 10,000 个 H800 和约 10,000 个 H100，剩下 30,000 左右的 H20，这是 Nvidia 在出口管制法案之后为中国市场定制的。小G助手拼多多了解到，SemiAnalysis 的分析表明，DeepSeek 的服务器 CapEx 总额接近 13 亿美元，这些 GPU 由 High-Flyer 和 DeepSeek 共享，它们被用于交易、推理、训练和研究！

文章中最有趣的观点就是 AI 模型产业与芯片产业的类比，就像在最新一期的 Indigo Talk 中提到的 大模型正在商品化，与芯片制造工艺迭代逻辑类似。

1. 前沿能力带来超额利润

在芯片产业里，最先进制程（比如台积电领先的 3nm、2nm）往往拥有高额的毛利率。做“落后一代制程”的代工厂只能打价格战；

在大模型市场，“前沿水平的推理/生成能力” 同样可以定更高的价格，为早期付费用户提供独家或高质量服务，进而获得溢价；

2. 快速迭代与淘汰

芯片工艺每一代很快就更新，AI 模型同理，更新迭代速度越来越快 —— 谁能最先推出下一代“推理/思考”能力，谁就能够暂时占领高端市场；

同时，过往一代的技术不会立即消失，会在某些场景继续存在，但利润和售价往往走低，与新一代“前沿能力”拉开差距；

3. 规模、效率与摩尔定律 / 算力扩张的矛盾

芯片制造商要通过更精细的发展推动晶体管数量指数增长。但越是先进制程，研发与设备投入越是惊人；

AI 模型也在追求“更大规模”与“更高效率”的矛盾：一方面大家想训练更大的模型来突破能力上限；另一方面也在积极提升训练/推理效率、降低成本；

Jevons 悖论：当每次训练或推理变得更便宜时，其调用量会激增，总体算力需求反而上升（如同手机、云计算普及后算力需求爆炸式增长）。

4. 技术领先者的位置与盈利

芯片代工龙头（TSMC）之所以能持续保持高盈利，在于其维持了对下一步工艺节点快速投入和良率领先，使竞争对手短期很难追上；

大模型赛道里，各公司会通过持续大规模资金投入在新一轮“算法+算力”中保持领先。小G助手拼多多发现，如果哪家公司短暂落后，就必须以降价或开放等策略跟进。

因此，从 AI 模型商业化进程来看，很可能出现类似于芯片产业中的"前沿与追随"并存格局：

“前沿模型”依靠新一代引擎赚取丰厚利润；

“追随模型则以相对较低价格抢占中低端或更多场景市场。

双方都将持续增加对于算力（GPU 等硬件）的需求，从而进一步刺激芯片企业的发展。

最后总结一下对 Nvidia 的影响：

1. 短期内：DeepSeek 等高效模型非但不会削弱 GPU 的需求，还可能加剧争抢，因此Nvidia 的H100/H200产品仍然维持着较好的价格和市场需求。

2. 中长期：随着前沿型号升级以及新的竞争，将进一步扩大整体算力要求，根据Jevons悖论推动GPU采购总量不减反升，同时支持Nvidia维持其AI训练及推理硬件领域上的盈利地位。

3. 随着足够多的新技术性半导体进入市面，在短时间内其它产品或者自研ASIC国内GPU颗粒很难替换掉Nvidia，即便面对一定程度出口限制，中国买方还是会尽最大努力寻求购买这些顶级硬件，同时转向针对本土专门设计出的缩水版高级产品，可见总体需要依旧强劲。

基于Semianalysis报告所传达的信息，可以看出，高效AI模特决没有减少Nvidia 市场份额，相反，更加促进了其生产线上的尖端GPU需要全球交货量稳步攀升。