对于AI基建产业链各环节，DeepSeek的利好与利空
本文来自：华尔街见闻，作者：李笑寅，《一文读懂：对于AI基建产业链各环节，DeepSeek利好哪些、又利空哪些？ 》，头图来自：视觉中国DeepSeek震动硅谷，其高性价比的训练技术引发了市场的广泛关注。在最新发布的研报中，花旗分析师Atif Malik、Asiya Merchant等详细分析了DeepSeek对AI基建产业链各环节的潜在影响，揭示了哪些环节将受益，哪些环节可能面临挑战。花旗表示，DeepSeek的R1模型有望推动AI模型的广泛采用，尤其是在消费者和企业市场中，随着计算成本的降低，AI的潜在投资回报率（ROI）将显著提升。在报告开头，花旗首先对缩放定律（Scaling laws）进行了定义，并指出，当前最新的观点认为，缩放定律有三个阶段：预训练、后训练和测试时间缩放。其中，DeepSeek是“测试时间缩放”的绝佳范例。预训练（Pre-Training）：在大型数据集上训练机器学习模型以生成通用特征的过程。后训练（Post-Training）：在预训练后通过强化学习、人类反馈等技术优化模型的一系列技术。测试时间缩放（Test-Time Scaling）：在推理阶段，通过多步推理延长模型的思考过程。对AI基建产业链来说，DeepSeek的创新技术带来的影响是多方面的。花旗认为，尽管某些环节可能面临短期挑战，但整体来看，AI基础设施的建设将继续保持强劲增长。推理阶段的普及将为GPU、ASIC、DCI等环节带来新的机会，而训练需求的减少可能对Retimers和光模块等环节产生一定压力。随着AI技术的不断进步，AI基础设施的建设将成为全球科技行业的核心驱动力之一。DeepSeek的创新不仅推动了AI模型的普及，也为AI基建产业链的各个环节带来了新的机遇与挑战。对AI基建各细分领域的影响：GPU：中性。GPU作为AI训练和推理的核心硬件，其市场需求一直保持强劲。花旗认为，尽管DeepSeek的技术可能减少对大规模训练的需求，但推理阶段的计算需求将增加，因此GPU市场整体保持中性。ASIC（专用集成电路）：中性到积极。ASIC在AI推理阶段的表现尤为突出。花旗预计，随着推理需求的增加，ASIC的市场份额将逐步扩大。尽管训练需求的减少可能对ASIC市场产生一定影响，但长期来看，推理需求的增长将抵消这一负面影响。ASIC最终可能更多地与推理相关，因此训练阶段的潜在减少可能会被未来推理的增长所抵消。Retimers（重定时器）：中性到消极。Retimers（重定时器）主要用于高速数据传输，尤其是在AI训练阶段。花旗指出，随着AI计算从训练向推理转移，Retimers的需求可能会下降，因为推理阶段的计算密集度较低，对高速数据传输的需求也相对减少。光模块（Intra Server/DC）：中性到消极。与Retimers类似，光模块在AI训练阶段的需求较高。花旗认为，随着推理阶段的普及，光模块的市场需求可能会受到一定影响，尤其是在数据中心内部的连接需求上。DCI（数据中心互连）：积极。DCI相对不受训练与推理的影响，因为它与AI模型和工作负载的具体细节关系不大。花旗认为，DCI的需求相对不受训练和推理比例变化的影响，推理阶段的增长将为DCI带来新的机会。交换机：中性到积极。交换机作为数据中心网络的核心组件，其市场需求与AI计算的普及密切相关。花旗指出，尽管训练需求的减少可能对交换机市场产生短期影响，但推理阶段的增长将推动更高的网络带宽需求，长期来看，交换机市场将保持中性至正面。连接器：中性到积极。与交换机类似，连接器被认为与训练与推理无关，其市场需求与AI基础设施的整体增长密切相关。花旗认为，随着AI计算的普及，连接器的需求将保持稳定，尤其是在分布式计算的推动下，连接器市场有望迎来新的增长点。存储：中性到积极。存储OEM尚未受到AI支出的影响，通常讨论AI的影响还为时尚远。花旗指出，尽管目前AI对存储设备的影响尚未完全显现，但随着推理阶段的加速，数据管理、数据移动和数据安全等方面的需求将推动存储市场的增长。服务器OEM（原始设备制造商）：中性。花旗认为，尽管AI训练服务器的需求可能减少，但推理服务器的需求将增加，整体来看，服务器OEM市场将保持中性。PC/智能手机：中性到积极。随着AI模型的优化，本地设备上的AI计算能力将得到提升。花旗指出，这将推动PC和智能手机的更新换代，尤其是在具备更高计算能力的设备上，市场需求将保持中性至正面。本文来自：华尔街见闻，作者：李笑寅
本文来自：华尔街见闻，作者：李笑寅，《一文读懂：对于AI基建产业链各环节，DeepSeek利好哪些、又利空哪些？ 》，头图来自：视觉中国
DeepSeek震动硅谷，其高性价比的训练技术引发了市场的广泛关注。
在最新发布的研报中，花旗分析师Atif Malik、Asiya Merchant等详细分析了DeepSeek对AI基建产业链各环节的潜在影响，揭示了哪些环节将受益，哪些环节可能面临挑战。
花旗表示，DeepSeek的R1模型有望推动AI模型的广泛采用，尤其是在消费者和企业市场中，随着计算成本的降低，AI的潜在投资回报率（ROI）将显著提升。
在报告开头，花旗首先对缩放定律（Scaling laws）进行了定义，并指出，当前最新的观点认为，缩放定律有三个阶段：预训练、后训练和测试时间缩放。其中，DeepSeek是“测试时间缩放”的绝佳范例。
预训练（Pre-Training）：在大型数据集上训练机器学习模型以生成通用特征的过程。
后训练（Post-Training）：在预训练后通过强化学习、人类反馈等技术优化模型的一系列技术。
测试时间缩放（Test-Time Scaling）：在推理阶段，通过多步推理延长模型的思考过程。
对AI基建产业链来说，DeepSeek的创新技术带来的影响是多方面的。花旗认为，尽管某些环节可能面临短期挑战，但整体来看，AI基础设施的建设将继续保持强劲增长。推理阶段的普及将为GPU、ASIC、DCI等环节带来新的机会，而训练需求的减少可能对Retimers和光模块等环节产生一定压力。
随着AI技术的不断进步，AI基础设施的建设将成为全球科技行业的核心驱动力之一。DeepSeek的创新不仅推动了AI模型的普及，也为AI基建产业链的各个环节带来了新的机遇与挑战。
对AI基建各细分领域的影响：
GPU：中性。
GPU作为AI训练和推理的核心硬件，其市场需求一直保持强劲。花旗认为，尽管DeepSeek的技术可能减少对大规模训练的需求，但推理阶段的计算需求将增加，因此GPU市场整体保持中性。
ASIC（专用集成电路）：中性到积极。
ASIC在AI推理阶段的表现尤为突出。花旗预计，随着推理需求的增加，ASIC的市场份额将逐步扩大。尽管训练需求的减少可能对ASIC市场产生一定影响，但长期来看，推理需求的增长将抵消这一负面影响。ASIC最终可能更多地与推理相关，因此训练阶段的潜在减少可能会被未来推理的增长所抵消。
Retimers（重定时器）：中性到消极。
Retimers（重定时器）主要用于高速数据传输，尤其是在AI训练阶段。花旗指出，随着AI计算从训练向推理转移，Retimers的需求可能会下降，因为推理阶段的计算密集度较低，对高速数据传输的需求也相对减少。
光模块（Intra Server/DC）：中性到消极。
与Retimers类似，光模块在AI训练阶段的需求较高。花旗认为，随着推理阶段的普及，光模块的市场需求可能会受到一定影响，尤其是在数据中心内部的连接需求上。
DCI（数据中心互连）：积极。
DCI相对不受训练与推理的影响，因为它与AI模型和工作负载的具体细节关系不大。花旗认为，DCI的需求相对不受训练和推理比例变化的影响，推理阶段的增长将为DCI带来新的机会。
交换机：中性到积极。
交换机作为数据中心网络的核心组件，其市场需求与AI计算的普及密切相关。花旗指出，尽管训练需求的减少可能对交换机市场产生短期影响，但推理阶段的增长将推动更高的网络带宽需求，长期来看，交换机市场将保持中性至正面。
连接器：中性到积极。
与交换机类似，连接器被认为与训练与推理无关，其市场需求与AI基础设施的整体增长密切相关。花旗认为，随着AI计算的普及，连接器的需求将保持稳定，尤其是在分布式计算的推动下，连接器市场有望迎来新的增长点。
存储：中性到积极。
存储OEM尚未受到AI支出的影响，通常讨论AI的影响还为时尚远。花旗指出，尽管目前AI对存储设备的影响尚未完全显现，但随着推理阶段的加速，数据管理、数据移动和数据安全等方面的需求将推动存储市场的增长。
服务器OEM（原始设备制造商）：中性。
花旗认为，尽管AI训练服务器的需求可能减少，但推理服务器的需求将增加，整体来看，服务器OEM市场将保持中性。
PC/智能手机：中性到积极。
随着AI模型的优化，本地设备上的AI计算能力将得到提升。花旗指出，这将推动PC和智能手机的更新换代，尤其是在具备更高计算能力的设备上，市场需求将保持中性至正面。
本文来自：华尔街见闻，作者：李笑寅
