DeepSeek促進了AI支出，與信念相反

股票市場在一月份的下跌，受到中國AI突破DeepSeek AI及其成本效益高的運算方法的熱議推動，可能讓人以為企業正在縮減對AI晶片和系統的投資。然而，我在紐約參加由彭博情報（Bloomberg Intelligence）主辦的生成式AI會議的經驗，卻呈現出不同的景象。對於擴展生成式AI使用的熱情顯而易見，顯示這一領域的支出遠未放緩。

另見：DeepSeek AI是什麼？它安全嗎？這裡是你需要知道的一切

這場名為「生成式AI：DeepSeek後的規模法則」的會議，充滿了強調AI持續需求推動投資增加的討論。

「我們今天舉辦了十場小組討論，沒有一個參與者說我們有過剩的產能，」彭博情報的高級技術分析師暨活動組織者之一曼迪普·辛格（Mandeep Singh）表示。

「也沒有人談論基礎設施的泡沫，」辛格補充說，突顯了業界對AI未來的信心。

AI基礎設施建設：我們在哪裡？

辛格的同事、彭博情報高級IT服務與軟體分析師阿努拉格·拉納（Anurag Rana）提出了一個關鍵問題：「目前大家面前最重要的問題是AI基礎設施建設。是的，我們在這個週期中處於什麼階段？」

「沒有人確切知道，」拉納承認。然而，DeepSeek AI帶來的希望是，可以以較低的成本實現重大進展。

「DeepSeek震驚了很多人，」他說。「如果你不需要那麼多GPU來運行模型，那麼為什麼我們需要為Stargate項目投入5000億美元？」他提到了一個由日本軟銀集團、OpenAI和甲骨文參與的美國AI計劃項目。

拉納指出，業界希望AI成本能大幅下降，類似於雲端運算成本的快速下降。

另見：DeepSeek的新圖像模型是又一個更便宜AI的勝利嗎？

「成本曲線的下降，可能花了六、七、八年時間，從一開始到今天，在Amazon AWS中儲存一太字节的資料，經濟效益很好，」他說。「這就是大家的期望，在AI的推理端，如果成本曲線下降到那個水平，天哪，終端用戶或企業端的AI採用率將會非常驚人。」

辛格同意，指出DeepSeek AI的出現「改變了所有人對實現效率的思維方式。」

在一天的會議中，許多小組深入探討了企業AI項目，從構思到部署。然而，一個反覆出現的主題是：需要大幅降低AI成本以擴大其可及性。

「我不認為DeepSeek是個意外，」彭博的首席技術專家肖恩·愛德華茲（Shawn Edwards）在與彭博情報負責人戴維·德懷爾（David Dwyer）的訪談中說。「這讓我想到，如果能揮動魔杖，讓這些模型運行得極其高效，那將會很棒，」他說，展望所有AI模型都能以如此效率運作的未來。

AI模型的激增

許多與會者預期AI基礎設施投資將增加而非減少的一個原因是AI模型數量的增長。一天的會議中一個重要結論是，不會有一個統治一切的單一AI模型。

「我們使用一系列模型，」愛德華茲解釋。「不存在所謂的最佳模型。」

與會者一致認為，雖然「基礎」或「前沿」大型語言模型將繼續發展，但個別企業可能會使用數百甚至數千個AI模型。

另見：AI PC的興起：企業如何重塑技術以跟上步伐

這些模型可以根據企業的專有資料進行微調，這是一個在通用資料上「預訓練」後重新訓練神經網絡的過程。

「企業中的代理需要模型間的可選擇性，」由風險投資支持的資料科學公司Dataiku的平台策略負責人傑德·多爾蒂（Jed Dougherty）說。「他們需要控制和創建的能力，以及對AI模型的可審計性。」

「我們希望將構建這些東西的工具交到人們手中，」他說。「我們不希望十個博士來構建所有代理。」

同樣地，設計工具領導者Adobe正押注於定制模型作為創意人士的關鍵用例。「我們可以為你的品牌訓練定制模型擴展，這對新的廣告活動有幫助，」Adobe新業務負責人漢娜·艾爾薩克（Hannah Elsakr）在與彭博電視台主播羅曼·博斯蒂克（Romaine Bostick）的討論中說。

處理需求的增加

許多演講者表示，隨著企業內AI代理的激增，處理需求正在增加。

「你不會把整個流程塞進一個代理，你會將其拆分成多個部分，」微軟Copilot Studio代理與自動化負責人雷·史密斯（Ray Smith）說。

史密斯預測，通過像Copilot這樣的單一介面，「我們將與數百個代理互動——它們只是程式設計新世界中的應用程式。」

「我們會將業務流程交給代理，告訴它我們想完成什麼，」代理將執行任務。「代理應用只是工作流程的新方式，」他說。

另見：Nvidia在生成式AI基準測試中占主導地位，擊敗兩個競爭AI晶片

這些日常場景「在技術上都是可能的，」史密斯指出，「只是我們構建的速度問題。」

將AI「代理」推廣到組織內更多人的努力進一步需要降低成本，ARM Holdings的產品管理負責人詹姆斯·麥克尼文（James McNiven）在與彭博的Hyde的談話中說。

「我們如何在更多設備上提供訪問？」他提出。「我們看到模型具有博士級別的任務能力，」他說。

麥克尼文建議，這些代理應作為人類的助手，類比十年前通過手機向發展中國家引入支付系統的情景：「我們如何將這種能力提供給能使用它的人？」

基礎模型的激增

即使是通用的基礎模型，也以驚人的速度激增。

Amazon AWS有1800種不同的AI模型可用，AWS運算與網絡負責人戴夫·布朗（Dave Brown）對彭博電視台主播卡羅琳·海德（Caroline Hyde）說。該公司「正在做很多工作來降低運行模型的成本，」他說，包括開發定制AI晶片，如Trainium。

AWS「使用我們自己的處理器比其他公司的處理器多，」布朗說，暗指Nvidia、AMD、Intel和其他通用晶片供應商。

另見：ChatGPT的新圖像生成器超乎我的預期——現在免費試用

「如果成本更低，客戶會做更多，」布朗說。

布朗指出，AWS每天與Claude語言模型家族的製造商Anthropic合作。Anthropic應用程式介面負責人麥可·格斯坦哈伯（Michael Gerstenhaber）在與海德的同一場談話中指出，「思考模型會消耗大量產能，」指的是像DeepSeek R1和GPT-o1這樣的推理模型，傾向於輸出關於其最終答案的冗長陳述。

Anthropic正與AWS密切合作，探索降低運算預算的方法，例如「提示緩存」，儲存先前答案的運算結果。

儘管如此，他說，「Anthropic需要數十萬個加速器，」指的是AI專用矽晶片，「遍布許多資料中心」來運行其模型。

此外，布朗說，AI運算的能源成本不斷上升，沒有放緩的跡象。他指出，目前的資料中心消耗數百兆瓦，最終將需要數千兆瓦。「AI消耗的電力很大，在許多資料中心的足跡也很大。」

另見：全球AI運算到2026年將使用「多個紐約市」的電力，創始人說

經濟不確定性與AI投資

儘管有這些雄心勃勃的場景，但一個因素可能會擾亂所有用例和投資計劃：經濟。

隨著會議在週三晚上結束，與會者和嘉賓正在監控股票市場盤後的暴跌。美國總統唐納德·川普剛剛宣布了一項全球關稅計劃，規模和範圍超出華爾街大多數人的預期。

彭博的拉納說，傳統技術投資領域，如伺服器和儲存，而非AI，可能會是經濟收縮的首批受害者。

「我們關注的另一件大事是非AI技術支出，」他提到關稅時說。「當我們看看IBM、Accenture、微軟和其他公司時，暫且把AI放在一邊，這將是本財報季的一個挑戰。」

拉納建議，主要公司的財務長可能會優先考慮AI並轉移資金，即使在經濟不確定性和潛在衰退中需要削減預算。

然而，這種樂觀前景並非保證。

「我最感興趣的是，這些大公司是否會保持其資本支出目標，」拉納說，包括AI資料中心，「還是會說，你知道嗎？太不確定了。」