DeepSeek 出现后，短期内算力需求有所降低，但中长期来看需求依然旺盛。

短期降低

• 模型优化技术：DeepSeek 通过一系列创新优化技术，如采用 “思维链” 方法、8 位低精度计算代替标准 32 位计算、多令牌系统、专家模块系统等，极大地提高了模型效率，降低了对硬件的要求。例如，DeepSeek 将训练语言模型的成本从 1 亿美元降低到 500 万美元，GPU 需求从 10 万枚降低到 2000 枚，大大降低了 AI 训练和推理的门槛，使得在相同任务下，短期内对算力的需求明显减少。
• 开源与普及：DeepSeek 是开源的，可在个人计算机上运行，这使得更多的人能够在自己的设备上进行 AI 相关的开发和应用，而无需依赖大规模的数据中心和高性能计算设备，从而减少了对专业算力资源的短期需求。

长期旺盛

• 模型扩展与应用拓展：虽然 DeepSeek 本身的模型在训练和推理时对算力的要求有所降低，但随着 AI 技术的不断发展，更大的训练数据和模型参数能够增强模型的智能，会有更多的开发者基于 DeepSeek 进行模型的改进和扩展，或者开发新的应用场景，这将导致对算力的需求不断增加。
• 技术普及与用户增多：DeepSeek 加速了大模型的普惠，使更多的企业和开发者能够进入 AI 领域，随着 AI 技术的普及，应用场景会不断丰富和深化，如智能客服、智能驾驶、医疗影像分析等，这些都会推动算力需求的增长。