最近，DeepSeek在X平台上引发了广泛关注，甚至登上了App Store下载榜的第一名。然而，伴随着其热度上升，一些质疑声也随之而来。比如，Scale AI的创始人Alexandr Wang在X上指出，DeepSeek实际使用的GPU数量远超论文中披露的数字，甚至可能涉及禁运的高端GPU。这一事件不仅引发了技术圈的讨论，也让人们开始思考：DeepSeek的成功是否会对NVIDIA的股票产生影响？如果有，这种影响会在何时显现？

DeepSeek的技术突破与NVIDIA的依赖

DeepSeek的V3和R1论文已经在GitHub上公开，详细披露了模型训练的诸多技术细节。例如：

FP8减少内存消耗：通过低精度计算优化内存使用。

多标记预测提高速度：加速模型训练和推理过程。

多头潜在注意力（MLA）节省内存：减少对显存的需求。

这些技术创新表明，DeepSeek在模型训练中并非单纯依赖GPU的算力，而是通过算法优化减少了对硬件资源的依赖。

众所周知，训练大规模模型需要庞大的GPU集群。这是因为模型参数数量庞大，必须依赖大量GPU的显存才能容纳。而要连接几万甚至十万张GPU，NVIDIA的NVLink和InfiniteBand技术几乎是唯一的选择。

DeepSeek的示范效应

DeepSeek的V3和R1论文的价值在于，它向业界展示了一种新的可能性：通过算法优化，可以在不依赖极端硬件堆砌的情况下实现高性能模型训练。这种“第一个吃螃蟹”的成功，无疑会吸引更多实验室和公司效仿。如果其他团队也能通过类似的方法达到或超越O1水平，那么对NVIDIA的需求可能会大幅减少。

DeepSeek-V3的预训练时间约为56天，这意味着到2月底，业界可能会有更多关于其训练效率的消息传出。如果事实证明，不再需要堆砌大量GPU就能达到O1水平，那么NVIDIA的股价可能会受到冲击。

对其他芯片制造商的利好

DeepSeek的技术突破不仅对NVIDIA构成潜在威胁，还为其他芯片制造商（如AMD、Groq和Cerebras）带来了希望。此前，这些厂商在NVLink和InfiniteBand的技术壁垒前举步维艰。然而，如果未来模型训练不再需要庞大的GPU集群，NVLink和InfiniteBand的重要性将大大降低。这将为AMD等厂商打开市场空间，使它们有机会在AI硬件领域分一杯羹。

投资策略的潜在机会

DeepSeek的成功不仅影响了技术圈，也可能为投资者带来机会。例如，幻方作为一家投资公司，如果在DeepSeek论文发布前采取以下策略：

做空NVIDIA：基于对NVIDIA需求可能减少的预期。

做多AMD：基于对其他芯片制造商市场机会增加的预期。

这种对冲策略可能会带来可观的收益，甚至足以覆盖一个GPU集群的成本。

总结

DeepSeek的技术突破为AI模型训练提供了一种新的范式，减少了对硬件资源的依赖。这种趋势如果持续下去，可能会对NVIDIA的股价产生负面影响。与此同时，其他芯片制造商则可能迎来新的发展机遇。

对于NVIDIA来说，未来的挑战在于如何应对这种技术变革。是继续依赖硬件优势，还是加大在算法优化和软件生态上的投入？

无论如何，DeepSeek的成功已经为AI硬件市场带来了新的变数，而NVIDIA的应对策略将决定其未来的市场地位。