黃仁勳稱 AI 計算需求激增 100 倍：推理模型讓算力消耗不降反升

一個月前，DeepSeek R1 剛出來的時候，資本市場嚇得夠嗆。輝達股價單日暴跌 17%，創下 2020 年以來的最大跌幅，大家都在嘀咕一件事：如果小成本就能訓出好模型，誰還買輝達那麼貴的卡？

輝達 CEO 黃仁勳在釋出最新財報後接受了 CNBC 採訪。他的回答很直接：你們完全想反了。

思考需要代價，而且是 100 倍

黃仁勳表示，現在的 AI 模型在回答問題前要一步一步思考，這種推理過程所需的計算量，是 ChatGPT 剛問世時的 100 倍。

他把這種變化歸功於推理模型的興起，還順手點名了 DeepSeek 的 R1、OpenAI 的 GPT-4 以及 xAI 的 Grok 3。

在黃仁勳看來，DeepSeek 確實很棒，因為它把一個絕對世界級的推理模型開源了出來。但它的真正作用不是省算力，而是把推理這種高消耗模式普及開了。

輝達剛公佈的第四財季資料也撐得起他的底氣。單季營收達到 393.3 億美元，同比增長 78%；其中資料中心業務收入 356 億美元，暴漲 93%，佔了總營收的九成以上。

說白了，雖然資本市場還在消化 DeepSeek 帶來的震動，但大廠們買晶片的手根本沒停下來。

60 倍的差距，與繞路的軟體

算力需求在漲，但輝達在中國市場的日子並不輕鬆。受拜登政府末期收緊的出口管制影響，輝達在中國的收入佔比已經縮水了大約一半。

除了政策卡脖子，黃仁勳還提到了來自中國本土的競爭壓力，比如華為。

硬體上的差距相當驚人。黃仁勳透露，輝達在美國本土銷售的旗艦晶片 GB200，生成 AI 內容的速度比賣給中國的合規降級版晶片整整快了 60 倍。

面對這麼大的效能鴻溝，黃仁勳倒覺得開發者不會坐以待斃。他打了個比方說軟體總能找到出路，不管是在超算、PC 還是手機上，工程師們最終都會靠最佳化軟體在現有系統上跑出效果。

為什麼重要

這番表態最關鍵的地方，在於黃仁勳重新定義了 DeepSeek 帶來的衝擊。

對開發者和企業來說，DeepSeek 證明了演算法最佳化可以壓榨出極高效率，但當所有人都想讓模型學會自我驗證、多步思考時，推理階段的算力消耗其實變成了無底洞。值不值得現在去追推理模型？答案顯而易見，如果你想讓 AI 處理高價值的複雜任務，堆算力依然是目前最省事的解法。

對行業而言，算力競賽的戰場已經從預訓練全面轉移到了推理側。輝達把對手開源的利刃變成了幫自己賣晶片的推銷員，這一招極其聰明。只要全球開發者都在本地部署和執行這些推理大模型，買單的最終還是輝達的算力生態。

不過隱患也同樣擺在眼前。60 倍的軟硬體代差擺在中國市場面前，再加上華為等本土廠商的追趕，輝達在中國失去的份額很難再輕易拿回來。我們認為，靠軟體最佳化來填補 60 倍的效能差距並不現實，長期來看，這也必然會加速全球 AI 技術棧的分化與硬分叉。