DeepSeek突然干崩比特币

原文标题：《DeepSeek 突然干蹦比特币》

原文来源：碳链价值

Ai+Crypto 的发展趋势似乎正在迅速上演。只是此次上演的方式与大家此前想象的方式有点不太一样。是以干蹦对方的形式在上演。Ai 先干蹦传统资本市场，然后在干蹦 Crypto 市场。

1 月 27 日，异军突起的中国 Ai 大模型 DeepSeek 下载量首次超越 ChatGPT。登顶美国 APPStore 榜首。引爆全球科技界和投资界甚至媒体界格外关注和报道。

这件事背后，不仅让人联想到未来中美科技发展格局被改写的可能性。也给美国资本市传递出短暂的恐慌情绪。受此影响，英伟达跌幅达 5.3%。ARM 跌幅达 5.5%。博通跌幅达 4.9%。台积电跌幅达 4.5%。以及美光、AMD、英特尔都有相应的跌幅。甚至，纳斯达克 100 期货跌至-400 点。有望创下 12 月 18 日以来的最大单日跌幅。据不完全统计，美国股市在周一交易中市值有望蒸发逾 1 万亿美元。跌掉加密市场总市值的三分之一。

紧跟美股市场走势的加密市场也出现被 DeepSeek 干蹦的暴跌现象。其中比特币比特币跌破 100500 美元，24 小时跌幅达到 4.48%。ETH 跌破 3200 美元，24 小时跌幅达到 3.83%。很多人还在摸不着头脑的思考加密市场为何会出现快速暴跌？可能和美联储降息预期降低甚至其他宏观因素有关。

那么市场恐慌情绪来自哪里？DeepSeek 并非像 OpenAi、Meta 甚至 Googel 那样堆积雄厚资本和巨量显卡而发展起来的。OpenAI 创立于 10 年前，拥有 4500 名员工，截至目前已筹集 66 亿美元资金。Meta 耗资 600 亿美元开发一个几乎与曼哈顿相当大小的人工智能数据中心。反观 DeepSeek，创立不到 2 年时间，拥有 200 名员工，开发成本不足 1000 万美元。并未耗费巨资堆积英伟达的 GPU 显卡。

有人不禁发问：他们如何与 DeepSeek 展开竞争呢？

DeepSeek 所打破的不仅有资本/技术层面的成本优势，还有人们此前所固有的传统观念和意识形态。

DropBox 产品副总裁在社交媒体 X 上感叹，DeepSeek 是一个经典的颠覆性故事。现有企业都在优化现有流程，而颠覆者则重新思考基本方法。DeepSeek 问道：如果我们更聪明地做这件事，而不是投入更多的硬件，会怎样？

要知道的是，目前，训练顶级人工智能大模型的成本极其昂贵。OpenAI、Anthropic 等公司仅在计算上就花费高达 1 亿美元以上。他们需要配备数千个 4 万美元的 GPU 的大型数据中心。就像需要整个发电厂来运营工厂一样。

DeepSeek 公司突然出现说：「如果用 500 万美元来做这件事，怎么样？」他们不只是说说而已，而是真的做到了。他们的模型在许多任务上与 GPT-4 和 Claude 相当或更胜一筹。如何做到的？他们从零开始重新思考一切。传统的 AI 就像用 32 位小数来写每个数字。DeepSeek 就像「如果我们只用 8 位小数呢？它仍然足够准确！」所需内存减少 75%。

DropBox 产品副总裁说，结果令人震惊的是，训练成本从 1 亿美元降低至 500 万美元。所需的 GPU 从 100,000 个将至 2,000 个。API 成本降低 95%。可在游戏 GPU 上运行，无需数据中心硬件。更关键的是，他们还是开源的。这不是魔法，只是令人难以置信的巧妙工程。

有人还表示，Deepseek 彻底颠覆了人工智能领域的传统观念：「中国只会做封闭源代码/专有技术。硅谷是全球人工智能发展的中心，拥有巨大的领先优势。OpenAI 拥有无与伦比的护城河。你需要花费数十亿甚至数百亿美元来开发 SOTA 模型。模型的价值将不断积累（胖模型假说 扩展性假设意味着模型性能与训练输入成本（计算、数据、GPU）呈线性关系。所有这些传统观点，即使没有在一夜之间完全被推翻，也受到了动摇。」

美国知名股权投资机构 Archerman Capital 在简报中评价 DeepSeek 时表示，首先，DeepSeek 代表的是整个开源相对闭源的一次胜利，对社区的贡献会快速转化为整个开源社区的繁荣，我相信包括 Meta 在内的开源力量，会在此基础上进一步发展开源模型，开源就是一个众人拾柴火焰高的事情。

其次，OpenAI 这种大力出奇迹的路径暂时看显得有点简单粗暴，但也不排除到了一定的量又出现了新的质变，那闭源和开源又将拉开差距，这也不好说。从 AI 过去 70 年发展的历史经验来看算力至关重要，未来可能依然是。

然后，DeepSeek 让开源模型和闭源模型一样好，并且效率还更高，花钱买 OpenAI 的 API 的必要性降低了，私有部署和自主微调会为下游应用提供更大的发展空间，未来一两年，大概率将见证更丰富的推理芯片产品，更繁荣的 LLM 应用生态。

最后，对算力的需求不会下降，有个 Jevons 悖论讲的是第一次工业革命期间蒸汽机效率的提高使得市场上煤炭的消耗总量反而增加了。类似从大哥大年代到诺基亚手机普及的年代，正因为便宜了所以才能普及，因为普及了所以市场总消费量增加了的。

原文链接

欢迎加入律动 BlockBeats 官方社群：

Telegram 订阅群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方账号：https://twitter.com/BlockBeatsAsia