2025/01/29
DeepSeek的市場反應
DeepSeek的影響已進入「反應中至已反應」的階段,這意味著市場已充分定價其利空因素。當市場情緒達到極端時,投資者應關注潛在的機會,而非陷入事後檢討與過度關注已發生的事件。市場關注的是未來,過度糾結於過去的事件無助於提升投資決策的質量。
市場對於DeepSeek的訓練成本存在諸多誤解。官方聲稱的600萬美元訓練成本被市場質疑,部分分析認為DeepSeek實際擁有超過5萬顆H100 GPU,這將使其訓練成本遠高於官方數字。然而,許多討論未能區分固定資本支出(CapEx)與運營成本(OpEx),導致市場對於訓練成本的計算產生偏差。
在分析AI模型的訓練成本時,應考慮其在租賃伺服器環境下的運行成本,而非單純計算總硬體採購支出。由於AI模型訓練通常涉及多個專案,單一模型的訓練成本不能直接以設備總價進行攤提。這種錯誤的成本分析方式可能導致市場對DeepSeek成本結構的誤判。
另一個市場誤解來自於DeepSeek的內容審查機制。許多投資者認為DeepSeek無法回答政治敏感問題,因此將其視為「低品質AI」。然而,這忽略了一個關鍵事實——DeepSeek是一個開源模型,使用者可以在本地環境部署並修改其行為。例如,Perplexity已展示DeepSeek在其平台上的應用,並且可以回答敏感問題。
值得注意的是,所有主要AI模型,如GPT、Gemini等,都在各自的平台上設有內容審查機制。例如,這些模型無法回答涉及極端內容或違反平台政策的問題。因此,DeepSeek的內容審查並非中國市場的特殊現象,而是行業通行做法。
隨著市場對DeepSeek的討論趨於飽和,市場焦點將逐漸轉向其他AI技術發展與應用場景。投資者應關注以下幾點:
開源AI對封閉模型的衝擊
DeepSeek提出了一種新的方法,使得AI訓練成本降低,並且達到一定的績效表現。即便其技術基礎來自於Llama等開源專案,這種在開源社群中發展出的技術仍然對封閉式模型形成挑戰,並進一步對AI基礎設施的高額成本提出質疑。
即使DeepSeek並未完全開源所有技術,其方法已經被驗證並獲得許多AI專家的支持。這不僅為開源AI的發展提供了新的方向,也促使市場重新評估大型AI模型的成本結構。
未來,AI算力的需求可能不會減少,反而會因為開源技術的發展而進一步提升。DeepSeek的方法已經證明可行,因此可能會有更多團隊沿用類似的方法,甚至在其基礎上進一步改進。以Meta為例,其開源社群極具競爭力,過去也曾迅速複製TikTok的核心技術,因此可以預期Meta的AI團隊將會快速跟進這一發展趨勢。
此外,開源技術的興起不僅限於某個國家,未來可能會有更多來自不同國家的開源團隊,透過成本較低的方法建立自己的AI模型。這將導致市場上的參與者數量增加,進一步推動算力需求的增長。
短期內,只要資本支出(CAPEX)未見下降,AI硬體企業的EPS不太可能遭到下修。然而,市場可能會經歷一波估值調整(derating)。
在市場樂觀情緒下,科技股可能獲得較高的本益比(P/E ratio),但隨著技術的成熟與市場認知的提升,這些企業的估值可能會從30-50倍P/E下降至15-20倍。未來,EPS可能仍然上修,但市場對其估值的反應可能不會像過去一樣劇烈。
近期,AI相關的軟體股迎來了一波全面上漲,例如Cloudflare、Salesforce、Confluent等公司股價出現明顯漲幅。市場對於AI軟體的需求,受到開源技術推動的影響,可能加速成長。
開源技術的普及可能不會立即讓企業全面採用,但它將造成價格破壞,促使市場競爭加劇。例如,OpenAI已經多次降低Token費用,這種趨勢在未來可能會進一步擴大,使得AI運行成本下降,進而加快AI軟體的滲透速度。
原本市場預期AI軟體的廣泛應用將在2026年或更晚才會實現,但隨著成本下降,這一進程可能會大幅提前,為軟體公司帶來更快的成長機會。
—來自股市癲瘋 IV伊凡發佈於股市癲瘋 https://vocus.cc/article/679b3f23fd897800010e0275