“GPU不够用了”：杰文斯悖论与算力迷局

DeepSeek的后劲儿来了，算力需求暴增，“GPU不够用了”。

当DeepSeek以557.6万美元的极低成本训练出性能匹敌GPT-4的V3模型，后又推出推理成本极低的R1模型时，市场的争议在于，AI算力需求是否会被效率革命替代？

DeepSeek的技术路线本质是“算力平权”，其结合算法创新和硬件优化，通过模型蒸馏技术让中小企业也能低成本部署AI应用。表面上看，DeepSeek的“降本”举措推广后，就不需要那么多的算力了；但实际上，DeepSeek现象加速了AI应用的普及。大批机构和企业接入DeepSeek，并推动了一轮中国AI科普潮，推理计算迅速成为算力需求主力。

这正是杰文斯悖论的写照：效率提升反而令资源消耗激增。也就是说，当DeepSeek现象带来AI端侧的应用潮时，算力需求反而会呈指数级增长。

IDC与浪潮信息2月16日联合发布《中国人工智能计算力发展评估报告》显示，2024年，中国智能算力规模达725.3百亿亿次/秒（EFLOPS），同比增长74.1%；报告预计，2025年，中国智能算力规模将达到1037.3EFLOPS，较2024年增长43%。其实这个报告主要还是在DeepSeek爆火前完成撰写的。我国算力需求近两个月增长更猛。

正是因为需求在增长，而有太多的需求未被满足，最近两个月，算力租赁市场价格上涨明显。DeepSeek本身，也因算力无法及时满足庞大的访问量，而不时“宕机”。

无独有偶。OpenAI于2月27日发布的GPT-4.5，性能没有太大提升，却以“昂贵”震撼市场，其输入成本是GPT-4o的30倍，输出成本是15倍；输入成本是DeepSeek V3的280倍。OpenAI CEO奥特曼说了，昂贵的原因在于：“我们的GPU已经耗尽。”与此同时，OpenAI被曝出，正在以3400亿美元的天量估值寻求新一轮融资。

OpenAI的困境折射了算力市场的深层逻辑。一方面是大模型的复杂度呈指数级攀升。GPT-4.5的无监督学习范式，依赖的是海量数据和计算资源，其训练甚至需要跨多个数据中心并行，单次推理成本远超传统模型。

另一方面是，大模型商业化的两难。OpenAI试图以高价来筛选用户，但用户需求能否与其供给匹配，尚未有答案。因此，虽然奥特曼承诺下周就将调用数万块GPU过来，但GPT-4.5向用户的全面开放没有时间表。

OpenAI与DeepSeek走的是两条不同的技术路线，前者堆砌算力和资金，“大力出奇迹”；而DeepSeek则在算力有限的情况下，通过工程优化和效率革新，研发出同等性能的产品。虽然技术路线不同，但它们最终共同指向了算力需求的暴增：OpenAI需要10万块以上的GPU，而DeepSeek带来的应用端爆发，也推动了算力的指数级消耗。

据记者了解，在中国市场，英伟达H20芯片订单仍在大幅增长，不少数据中心的GPU是不够用的。在高端芯片领域，英伟达创始人兼首席CEO黄仁勋近日表示：“对Blackwell的需求是惊人的。我们已成功实现Blackwell AI超级计算机的大规模生产，第一季度的销售额就达到数十亿美元。”

GPU的通用性仍是前沿探索的核心。短期内，OpenAI的GPU短缺和“星际之门”5000亿美元算力投资计划，只会强化而不是弱化GPU的不可替代性。除非量子芯片实现规模商业化，但那是5～10年以后的事。

前不久，DeepSeek的崛起，曾经直接引发英伟达股价的暴跌。而2月27日，英伟达发布了一份超预期的财报，当天股价也大跌8%，并连带AI产业链集体下挫。这是否意味着算力泡沫果然要破裂了？

英伟达股价近两次的大幅下挫，更多是短期预期博弈的结果，而不能归结为“行业基本面出现了逆转”。如前所述，无论是像Blackwell这样的高端芯片，还是如H20这样的普通芯片，都是供不应求，AI应用的探索才刚开始。

不过，部分AI企业的股价可能会有泡沫，尤其是那些并未因应用AI而产生实际营收的企业，仅仅是画了远景预期的饼。

算力既是AI的燃料，也可能是障碍。企业如果无法在效率与成本间找到动态平衡，就可能陷入“越创新越短缺”的循环。而资本市场需要更理性地区分“泡沫叙事”与“真实需求”。AI不是元宇宙那样的超前概念，而是提升生产力的应用（工具），并非谁都能做出原创（0~1），若能在工程优化过程中率先跑出来（1~10），也是了不起的进步。

来源：21世纪经济报道