Deepseek：DS不再是Diaosi的簡稱

毫無疑問，Deepseek是春節(jié)期間最亮的那顆星，連篇累牘的報道已經(jīng)汗牛充棟，我作為AI行業(yè)的邊緣人（MCU芯片只能算是AI應(yīng)用領(lǐng)域的邊緣外圍），從我的觀察來分享一些個人看法和預(yù)測。

1、摩爾定律普適性

芯片行業(yè)最重要的定律，由1965年英特爾創(chuàng)始人摩爾提出，成為半導(dǎo)體技術(shù)最著名的發(fā)展規(guī)律，大意是集成電路上可容納的晶體管數(shù)目大約每隔 18-24 個月便會增加一倍，性能也將提升一倍，而價格卻保持不變。

2000年的時候，我在電信做互聯(lián)網(wǎng)骨干網(wǎng)的項目，記得當(dāng)時采購EMC的磁盤陣列就花了200萬美元，總?cè)萘坎贿^4T，而今天一個普通的硬盤容量都遠遠超過這個規(guī)格了。當(dāng)時家庭撥號上網(wǎng)的Modem速率是28.8kbps，下載個圖片都費勁，現(xiàn)在家庭寬帶光纖入戶，已經(jīng)沒有人關(guān)心速率到底是多少了。

Deepseek印證了，在AI算力領(lǐng)域，似乎也符合摩爾定律。即人工智能的算力成本會迅速降低，性能將不斷提升。看了最新的Cathie Wood采訪，木頭姐說，在DeepSeek之前，人工智能訓(xùn)練成本每年下降75%，推理成本甚至下降85%到90%。

如果 AI 訓(xùn)練成本的下降趨勢是 每年 4 倍，如果 DeepSeek-V3 的訓(xùn)練成本比一年前開發(fā)的美國當(dāng)前模型低約 8 倍，那其實完全符合正常趨勢。僅靠行業(yè)的正常發(fā)展，2024 年訓(xùn)練一個模型的成本，理應(yīng)比 2023 年低 3 到 4 倍。同時，訓(xùn)練成本的下降也帶動了推理成本的下降。比如，Claude 3.5 Sonnet 相較 GPT-4 晚了 15 個月發(fā)布，但幾乎在所有基準測試中都勝出，同時 API 價格也下降了 約 10 倍。

按照這個趨勢走下去，那么大模型的收費商業(yè)模型似乎很難成立，OpenAI那個200美元的月費服務(wù)很快流產(chǎn)就是明證。大模型之間的內(nèi)卷競爭加速，意味著大模型未來必然是免費的。

大模型和算力作為基礎(chǔ)架構(gòu)，有點像運營商的帶寬建設(shè)，最終會近乎免費。想起互聯(lián)網(wǎng)初代的時候，電子郵箱也需要會員收費服務(wù)，后來就沒有后來了。

2、炮灰定律

這個定律名稱是我杜撰的，經(jīng)驗來自過去二十年的互聯(lián)網(wǎng)歷史。

當(dāng)某個行業(yè)成為熱點后，必然會有大量風(fēng)險投資乃至傳統(tǒng)資金蜂擁而入，導(dǎo)致行業(yè)出現(xiàn)大批無序競爭者，最后經(jīng)過一系列競爭整合，最終行業(yè)會整合到1-3家頭部企業(yè)中，但即使是行業(yè)No1也很有可能走不到最后。

比如說百團大戰(zhàn)，硝煙散盡現(xiàn)在美團一家獨大，當(dāng)初曾領(lǐng)跑的團購獨角獸們比如糯米團、拉手、F團等已經(jīng)消失無蹤，其他幾百家團都已成為炮灰。網(wǎng)約車和共享單車大戰(zhàn)，也是一樣的結(jié)果。

行業(yè)賽道處于快速迭代過程中的時候，領(lǐng)先者往往沒有太多護城河可以防守，技術(shù)快速演進時很容易被突然冒出的意外事件打垮，當(dāng)年網(wǎng)絡(luò)視頻網(wǎng)站流量前三位除了優(yōu)酷土豆外還有一家56，結(jié)果在一夜之間被黑垮掉。OpenAI目前雖然還暫時沒有對手，但是能不能存活到最后我看并沒有把握。

還有一種情況是整個熱門賽道被全滅，某個熱門技術(shù)方向突然不成立了，比如某個投資機構(gòu)押注元宇宙賽道，八年前All in了所有的VR頭盔廠家，結(jié)果可想而知，自己都成為了時代的浪花。

AI大模型賽道，國內(nèi)有名有姓的廠商也已超過百家，頭部的五六家格局漸漸形成，Deepseek異軍突起，其實是遠超業(yè)內(nèi)業(yè)外人士的預(yù)見的，之前沒有投資機構(gòu)關(guān)注DS，就是證明。技術(shù)快速變化的時候，不管是OpenAI，還是Sora，還是Deepseek，都可能只有三分鐘熱度。

沒有投資機構(gòu)裹挾的Deepseek能走出來，也說明在無腦機構(gòu)熱錢喂出來的公司，往往反而會動作走樣，為了迎合資本做出錯誤的決策。

3、杰文斯悖論

根據(jù)杰文斯悖論，當(dāng)某種資源的使用效率提高后，雖然單次使用時消耗更少，但因為成本降低、使用更方便，反而可能讓人們用得更多，導(dǎo)致整體消耗量反而上升。

Anthropic 的CEO認為各公司在訓(xùn)練強大的AI模型上的投入不斷增加，盡管成本曲線會周期性下移，訓(xùn)練特定智能水平模型的成本也在迅速下降。然而節(jié)省下來的成本又被投入到使用相同巨額預(yù)算開發(fā)更智能的模型中。

Deepseek短期看似乎降低了市場對算力的需求，但是中長期看成本降低后大量新應(yīng)用出現(xiàn)，對算力的需求會指數(shù)級激增。

電腦、手機和互聯(lián)網(wǎng)的發(fā)展歷史基本上都是這么過來的，硬件和應(yīng)用相互刺激，市場迅速擴大，用戶普及下沉，增量市場蛋糕出現(xiàn)，比如前幾年手機資費增速降費后，智能手機普及下鄉(xiāng)，PDD和某音迅速從三四線城市和農(nóng)村崛起，續(xù)寫了當(dāng)年淘寶彎道超車易趣的歷史。

4、ToB/ToC

AI算力成本大幅降低后，無疑將是AI應(yīng)用的時代，誰將受益最大？

C端市場里的消費電子（智能眼鏡）、人形機器人、智能駕駛確實是主流看法，但我更看好B端應(yīng)用市場，主要原因是C端全部被互聯(lián)網(wǎng)巨頭和終端巨頭卡位了，其他公司進入的機會基本上被封死了。

推理成本降低將帶來極大的利好。推理成本的降低意味著企業(yè)能夠更高效、更經(jīng)濟地部署AI模型，而無需承擔(dān)昂貴的訓(xùn)練成本。因此，那些專注于AI推理的公司——例如云計算服務(wù)提供商、邊緣計算公司，以及AI應(yīng)用企業(yè)——都可能迎來強勁的市場需求增長。

有了AI算力支撐，所有的政府機構(gòu)和企業(yè)都需要對所有工作流程進行重組，以提升效率和降低成本。PLTR的模式已經(jīng)走在了前面，從Palantir的業(yè)務(wù)來說，目前主要是超大B端客戶，前20大客戶占了40%的營收，最小的客戶也要200萬美金，業(yè)務(wù)屬性有30%偏向定制化服務(wù)。大型企業(yè)先行，中小企業(yè)跟進，未來會出現(xiàn)更多針對行業(yè)客戶的AI應(yīng)用。

AI流程重組應(yīng)該算是第四次企業(yè)流程重組浪潮，之前三次流程重組風(fēng)口分別是：

1）1990年代，IT初次進入企業(yè)，財務(wù)電算化和MIS管理

2）2000年代，互聯(lián)網(wǎng)進入企業(yè)

3）2010年代，移動互聯(lián)網(wǎng)進入企業(yè)

5、去IOE化

IOE是三個國外大的廠商的縮寫，I是IBM ，O是Oracle，E是EMC。當(dāng)初所有的IT的基礎(chǔ)建設(shè)幾乎都是由這3家公司來提供的。阿里巴巴首先提出逐步去除對IBM小型機、Oracle數(shù)據(jù)庫及EMC存儲設(shè)備的依賴，取而代之的是成本更低、更靈活的X86服務(wù)器和開源軟件解決方案，從而實現(xiàn)技術(shù)自主、成本控制和系統(tǒng)架構(gòu)的優(yōu)化。

國外去IOE的鼻祖是谷歌，谷歌自己起家的數(shù)據(jù)中心里，幾乎都是自己組裝的X86服務(wù)器和自研廉價設(shè)備和開源系統(tǒng)。

開源的Deepseek降低了企業(yè)部署AI基礎(chǔ)設(shè)施的成本和技術(shù)門檻，對于普及企業(yè)AI應(yīng)用將是很大的助力，也可以通過自研和國產(chǎn)替代，去掉傳統(tǒng)的產(chǎn)品模式，變成徹底靈活的互聯(lián)網(wǎng)服務(wù)模式。意味著哪怕用一堆破設(shè)備，哪怕沒有頂尖的英偉達GPU，也可以自己DIY取勝。

開源vs閉源，通過開源迅速打開市占率，Deepseek不會是最后一個，與企業(yè)傾向于部署私有云的需求不謀而合。

6、贏家通吃法則

產(chǎn)業(yè)鏈是殘酷的，通行的法則是誰占主導(dǎo)地位，誰吞噬利潤。最典型的例子是果鏈，蘋果吃掉了最多的利潤，當(dāng)然蘋果的供應(yīng)商也得到了合理的利潤，相比而言給其他品牌手機供貨的供應(yīng)商就更慘了點。

相應(yīng)的供應(yīng)鏈還有汽車（新勢力）、電池（寧德）、PC（聯(lián)想）、小家電（小米），服務(wù)和內(nèi)容行業(yè)的供應(yīng)鏈有電商（阿里）、游戲（騰訊）、視頻（抖音）、音樂（騰訊）等。在AI整個供應(yīng)鏈上，目前英偉達占據(jù)主導(dǎo)地位，但是隨著應(yīng)用的崛起，是否會讓出主導(dǎo)地位只是遲早的事情。

至于在AI整個供應(yīng)鏈上，英偉達及其上游臺積電、下游服務(wù)器（配件如CPO、液冷等）、大模型、行業(yè)應(yīng)用平臺、邊緣側(cè)設(shè)備、集成商，誰主沉浮，就看誰更稀缺，誰更能抓住客戶了。

7、MCU是否能搭上AI的車？

最近幾天，各行各業(yè)都在宣布爭相接入Deepseek，生怕錯過了這班車。正好蹭一下熱度，我司AG32 MCU采用的開發(fā)工具是開源的VSCode，已經(jīng)實現(xiàn)通過插件方式接入Deepseek進行輔助開發(fā)編程，實現(xiàn)代碼的補全、生成、查錯和對話等功能，甚至可以通過我們官方提供的例程來生成需要的代碼，提升編程效率。

2024年也被稱為MCU的AI元年，將邊緣AI技術(shù)融入MCU是各家廠商都在關(guān)注的話題。

邊緣AI技術(shù)可以使MCU兼顧更高性能的數(shù)據(jù)處理任務(wù)，實現(xiàn)實時決策功能。例如，在智能工控領(lǐng)域，需要系統(tǒng)執(zhí)行太陽能和儲能系統(tǒng)中的電弧故障檢測，以及用于預(yù)測性維護的電機軸承故障檢測等功能，邊緣AI幫助MCU對設(shè)備和傳感器收集的數(shù)據(jù)進行實時分析和處理，提供更準確的決策，使系統(tǒng)實現(xiàn)更高的故障檢測準確率。

以上這些應(yīng)用肯定不是AI MCU應(yīng)用的全部，只不過是歐洲MCU大廠以其貧乏的想象力所能想到的一些有限場景。未來的MCU AI創(chuàng)新應(yīng)用一定會在中國大放異彩并讓歐美原廠大跌眼鏡。

物聯(lián)網(wǎng)、邊緣計算等應(yīng)用場景對MCU性能要求的不斷攀升，需要MCU在有限的功耗預(yù)算內(nèi)實現(xiàn)高性能計算。MCU自身計算資源與存儲空間受限，實現(xiàn)高算力 AI功能更是難上加難。輕量級AI框架才是MCU需要的技術(shù)，螺螄殼里做道場，能否做出適合邊緣推理的類似Deepseek這樣節(jié)省算力和功耗的算力模型，可能是AI MCU能否跑出來的關(guān)鍵點。

跟訓(xùn)練市場相比，LoT終端的邊緣推理需求的數(shù)量級大得多得多（百億朝上），MCU作為不起眼的小器件，承擔(dān)的是最后一米的活兒，可以稱得上是螞蟻雄兵，也許市場還未關(guān)注到這一步，但是早晚會發(fā)生。