DeepSeek的低成本高效训练方法可能导致训练需求下降，抑制算力需求，从而打破“人工智能革命将伴随计算和能源需求呈指数级增长”的假设。
近来，一场由DeepSeek引发的AI概念股大跌风暴席卷欧美股市，其中，“卖铲子”的芯片制造商以及为AI和数据中心供电的能源企业遭受重创。
在除夕夜前一天，能源供应商Constellation Energy股价下跌21%，电力企业Vistra下挫28%。
“DeepSeek重置了中美在人工智能领域的竞争环境，更重要的是，它从根本上颠覆了能源领域。”国际税务与投资中心能源、增长与安全项目助理主任何伟龙（Wesley Alexander Hill）在日前发表于《福布斯》杂志的署名文章中表示，全球许多国家制定能源政策所基于的基本假设，即人工智能必会带动需求不断增长，已经不复存在。
金融服务公司杰富瑞（Jefferies）分析师亦在报告中指出，DeepSeek的突破对“美国电力需求将随AI发展大幅增长”的预测提出质疑。
传统思维认为，扩大人工智能规模的方法是大量投资，即应用更多芯片、创建更庞大的数据中心，并消耗指数倍的能源。劳伦斯伯克利国家实验室2024年的一份报告显示，美国数据中心在2023年消耗了全国约4.4%的电力，但到2028年的用电量可能会增加一至三倍，占总用电量的12%。电力研究所预测，到2030年，数据中心可能消耗美国发电量的9%，是其当前用电量的两倍多，这相当于在本十年内骤增一个加州的电力需求。
这一背景下，能源巨头们显示出极大热情。2024年12月，埃克森美孚和雪佛龙高管分别公开表示，他们正在积极考虑进入电力市场，计划通过天然气发电和碳捕获技术，为人工智能数据中心提供动力。埃克森美孚表示，计划建造一座1.5吉瓦（GW）的天然气发电厂，专门用于为数据中心供电。
然而，DeepSeek的低成本训练模式让行业对大规模AI算力投资产生怀疑，也极大降低了能源需求预期。
DeepSeek的突破性在于，它仅用2048个英伟达H800芯片运行两个月，训练成本560万美元，就获得了媲美OpenAI最先进模型GPT-4的性能。相比之下，OpenAI和谷歌训练同等规模模型的成本高出十倍左右。克莱曼中心高级研究员约翰·奎格利（John Quigley）在研究报告中指出，“DeepSeek作为一家中国人工智能公司的突破，其开源人工智能模型仅使用一小部分（可能只有2%）的芯片、硬件和能源，就超越了当前的行业标准。”
尽管DeepSeek提高了能源使用效率，但行业对其能否打破电力需求瓶颈仍处于观望态度。哥本哈根大学计算机科学家Raghavendra Selvan表示，DeepSeek意味着我们可以在更大的数据集上开发更大的模型，并吸引更多人参与开发，这有利于技术民主化，但也会增加总能耗。他还指出，如果这些模型更加高效，人们将借此处理更多数据，能源消耗也会增加，“这就是杰文斯悖论（Jevons paradox）的经典案例。”
1865年，英国经济学家威廉·斯坦利·杰文斯首次提出，当某种资源的利用效率提高时，其总消耗量反而可能增加。例如，瓦特改良蒸汽机后，煤炭消耗量不降反升，因为更高效的蒸汽机被广泛应用于更多领域。
行业预期，DeepSeek的低成本模型可能引发类似效应。“长远看，降低人工智能成本肯定会刺激更广泛的应用，从而增加电力需求。”约翰·奎格利建议，电网规划者和政策制定者应该引导市场理性布局、建设有关人工智能用能的发电厂。同时，更应关注芯片改进、人工智能计算效率提升以及清洁能源和储能的潜力，“要重新关注清洁发电消纳问题的解决、部署电网增强技术，以此促进清洁能源加速增长，并降低能源成本。”
第一财经记者关注到，DeepSeek的出现也为能源企业提供了新的发展思路。近日，集团、集团、南方电网等国内能源巨头陆续宣布已将DeepSeek模型引入自身业务。例如，中国石油昆仑大模型完成了DeepSeek大模型的私有化部署，并应用于能源化工领域的智能问答和推理场景；中国石化也将DeepSeek接入其长城大模型应用系统，在企业内部分批推广使用，并称将利用DeepSeek提升地震资料处理、油藏开发优化、化工产品研发、客户服务等专业模型的开发效率，推动石油化工行业向智能化、数字化转型。
还没有评论，来说两句吧...