来源：美股研究社

“Nvidia 仍是 AI 硬件和软件领域极具创新性的领导者。”

作者 |VanEck

编译 | 华尔街大事件

随着 DeepSeek 的突破性 AI 颠覆了半导体行业，我们需要了解从训练到推理的转变以及对 Nvidia 等主导参与者的影响。

该行业正在从以训练为主的重点转向推理阶段，在这个阶段，现实世界的应用和货币化都会发生。如果 GPU 训练需求趋于平稳，那么多元化的半导体生态系统仍然存在重大机会。

DeepSeek 最近声称以典型成本的一小部分获得高端结果，这让投资者感到不安，并引发了对 Nvidia主导地位的质疑。

尽管，超大规模企业和企业可以将重点转移到利用现有的 AI 基础设施进行推理，而但Nvidia 在其软件生态系统和下一代产品方面仍然拥有显著优势。

与此同时，更广泛的半导体市场多元化的时机已经成熟，专业 ASIC 和其他芯片制造商已准备好抓住需求。因此，在整个半导体领域采取平衡的投资方法仍然是最谨慎的策略。

突破性声明：

DeepSeek的R1模型

据称，DeepSeek 的 R1 提供了近乎最先进的推理性能，而成本只是其中的一小部分。

DeepSeek 表示，与 OpenAI 和其他领先的 AI 实验室相比，他们使用的芯片质量较差，但仍以显著降低的训练成本取得了令人印象深刻的结果。

这引发了一个关键的行业问题：如果新模型可以如此便宜地进行训练，那么超大规模企业是否还需要更多的 GPU 投资才能实现最佳性能？

超大规模企业在AI训练上的巨额资本支出

在过去两年中，主要云提供商已向配备 Nvidia GPU 的数据中心投入了数十亿美元，以大规模处理 AI 训练。

悬而未决的问题是，这些超大规模企业正在计划如何将该基础设施货币化。

AI 研究人员的评论表明，大模型的性能提升可能会带来递减的回报，从而推动市场从投资更大的集群转向将现有模型货币化。

GPU 实力动态也已经开始从 Nvidia 的市场所有权转变为超大规模企业增加的购买力。

DeepSeek的颠覆：

Nvidia和其他芯片制造商的担忧

DeepSeek 的公告显示，在更便宜的硬件上训练高性能模型，引起了市场对未来 GPU 需求的担忧。

以前关于缩放定律的假设可以用这个模型来反驳。R1 可以用更少的计算做更多的事情。

更令人担忧的是，如果超大规模企业能够以成本较低的替代硬件实现最先进的结果，那么 Nvidia 在数据中心 GPU 方面的增长很可能会放缓。这种情绪将导致 AI 芯片制造商的股价持续下跌。

解读DeepSeek故事的两种方式

（以及多元化的案例）

尽管头条新闻负面，但两个主要观点指出了多元化半导体投资的明智之举，例如通过VanEck Semiconductor ETF和 VanEck Fabless Semiconductor ETF 等。

如果 DeepSeek 的说法完全正确......

DeepSeek 的 R1 表明，您可以使用更便宜的硬件训练顶级模型。

随着训练硬件需求的扩大，其他芯片设计人员可以站稳脚跟，尤其是在推理领域，其中专用芯片具有成本效益和功耗效率。

即使 GPU 训练需求趋于平稳，在多样化的半导体生态系统（即无晶圆厂）中仍然存在重大机会。

如果 DeepSeek 的说法被夸大了......

也许 DeepSeek 的成就并不像看起来那么具有开创性，或者存在未公开的限制。

尽管如此，长期的 AI 周期自然而然地转变为通过推理使模型货币化。

该推理阶段通常偏爱专用 ASIC、较小的 GPU 实例和其他加速器（包括 CPU 增强功能），从而扩大了与 Nvidia 高端 GPU 的竞争。

Nvidia 可能会继续在训练方面处于领先地位，但随着 AI 的成熟，更多的参与者将争夺 AI 硬件堆栈的不同部分。

多元化的 semis 策略仍然谨慎。

Nvidia 的持续优势和向推理的转变

Nvidia 仍然是 AI 硬件和软件领域极具创新性的领导者。

他们宣布了专为推理工作负载设计的新产品，例如下一代 GPU 架构（例如 Hopper）和桥接训练和推理的专用平台。

随着市场转型，Nvidia 的数据中心 GPU 业务可能会实现更正常的增长，但其全面的生态系统（硬件、CUDA 软件、企业合作伙伴关系）仍将其定位为关键参与者。

与此同时，其他芯片制造商正在加速发展，越来越多的 ASIC 和 CPU 正在出现，从而实现了各种经济高效的推理解决方案。

【如需和我们交流可后台回复“进群”加社群】