自DeepSeek爆火以来，大洋彼岸的英伟达就被推上了风口浪尖。毕竟，DeepSeek最大的卖点就是一个词——便宜，在与GPT-4性能相近的情况下，大幅降低了训练和推理成本。
同时，其坚定开源的态度也迥异于部分海外大模型厂商，最后，出色的中文处理能力，一次又一次给用户带来惊喜。
但对AI教父黄仁勋来说，AI可以不好用，可以技术迭代得慢，但绝不能便宜（训练成本低），否则，在AI还没遍地开花之前，各家企业先冲着降本去了，作为“卖铲人”的英伟达，还怎么狂揽钞票？
这种担心自然反映到了股价上。
美东时间1月27日，英伟达股价一度暴跌17%，市值一夜蒸发超6000亿美元。
最值得玩味的是，英伟达方面，尤其是黄仁勋，始终“一声不吭”，有的人认为黄仁勋“也懵了”，有的人认为英伟达在“憋大招”，还有的人认为新的技术潮流下，英伟达也无法逆势而为。
此后，在高度沉默中，英伟达股价震荡回升，目前已经收复了大部分失地。
那么DeepSeek对英伟达到底有没有冲击呢？
这个问题得分两层看。
第一层，DeepSeek事实上并没有摆脱对英伟达的依赖。据《DeepSeek-V3技术报告》官方给出的是2048张英伟达H800芯片和1万张A100显卡。不管DeepSeek用的是新卡老卡，总归是用的英伟达产品，至于说支持华为昇腾的显卡，那只是可以部署调用，训练才是大头。
图片来源：《DeepSeek-V3技术报告》
从这个角度看，似乎DeepSeek对英伟达还是利好。
之所以会重创英伟达股价，还是第二层。
第二层，就得说到英伟达的挤牙膏式创新与暴利了。需求饱和的商品，如果出现“降本增效”方面的重大创新，那么对上游无疑是巨大打击。譬如有人发现了大幅减少肥料用量的种植方法，那对肥料厂商无疑是重大打击。
但按理说，AI远未到全面普及和实用的阶段，所以训练AI的算力需求只会越来越大。所以无论大模型领域有何创新，对英伟达这种硬件厂商，都应该是中性偏正面的消息。所以英伟达受影响，不仅在于短期、潜在的“需求”收缩，更在于英伟达自身的业绩虚火。
英伟达业绩虚火，并不是说其业绩本身有什么问题，而在于其产品定价模式上，采取高举高打的策略。最直观的一点，英伟达最近毛利率稳定在75%，净利率在50%上下浮动。这样的盈利能力，哪怕对高技术制造业来说，也是相当高的。
英伟达这个卖铲人赚得盆满钵满，自然就意味着下游的大模型厂商被吸血。
过去，在OpenAI的带动下，卷算力成了大模型领域的“政治正确”。哪怕当前不需要，也会考虑留足冗余。
但DeepSeek的横空出世，提醒了整个行业，当前已有的数据集和算力，其潜力并没有得到充分释放。而这种“提醒”，为全行业提供了新的选项，提高了其他大模型厂商在英伟达面前的议价能力。
哪怕需要更多的训练来发布新产品，也可以选择进一步优化已有模型，而非单纯堆算力。
那么，面对此情此景，黄仁勋就“束手无策”，等着一众客户来砍一刀吗？
当然不会，黄仁勋选择在合适的时机（英伟达股价基本回到冲击前），在合适场合，DDN的新品发布活动上，为英伟达辩白。
合适的时机：如果股价刚有波动，就立马“澄清”，容易引发更大的质疑。
图片来源：对谈截图
合适的场合：并非在某次媒体专访中，单独把DeepSeek拿来说事，而是在合作伙伴的新品发布活动上，以一种较轻松的态度将信息传递出去，借此显示英伟达成竹在胸。
2月20日，黄仁勋与其合作伙伴DDN存储的首席执行官亚历克斯·布扎里（Alex Bouzari）的对谈视频发布，黄仁勋在视频中回应称，投资人误读了DeepSeek异军突起的影响。
此次对谈，黄仁勋从三方面回应了市场的质疑：
第一点，即是大模型对英伟达产品生态的高依赖。他表示，“我们拥有所有必要的开源模型和开源工具包，如Nvidia的Nemo，Nvidia的Nims，以及像infinia这样的数据智能层……因此，它将成为所有这些AI助理的拓展。”
简单说，就是除了显卡，英伟达也做大模型，同时还为大模型的开发者提供工具，软硬件一体。
第二点，AI效果的改善，将带来更多的计算需求。“我认为市场对R 1的反应是，‘AI已经完成了，它从天而降。我们不再需要进行任何计算了。’情况恰恰相反，，因为深度观察所做的是让每个人注意到，有机会让模型比我们想象的更高效。因此它正在扩张，加速AI的采用。”
第三点，通用大模型并不是AI的尽头，“专属助理”才是市场更需要的。他指出“预训练是因为我们想要奠定基础，以便进行第二部分，即后训练”。他强调，后训练将持续发挥重要作用，因为这个阶段是“学习解决问题”的过程。此外，黄仁勋提到第三扩展定律，即在回答问题之前，推理得越多，效果就越好。他强调，“推理本身是一个运算密集的过程”。
这里需要解释下，打个比方，大模型就像学生，预训练就是学校教育，经过预训练的通用大模型就像大学毕业生，学了很多知识，但博而不精，对场景化的知识更是一无所知。
所以，就需要“后训练”，类似企业的岗前培训，了解每个社区/企业/个人的特异化需求，并针对性的给出回答或解决方案。
预训练完全由大模型厂商完成，后训练则需要大模型用户深度参与。
直接点说，黄仁勋的意思是，预训练只能让大模型通用、能用，但想好用，还得“后训练”，那就还得乖乖堆算力，这不就又回到了英伟达这里。
黄仁勋针对DeepSeek“姗姗来迟”的回应，市场会不会买账呢？很难说，毕竟，无论黄仁勋怎么画饼，都改变不了一个显而易见的事实：昂贵的英伟达显卡会倒逼大模型厂商寻找替代方案。
你认可黄仁勋的回应吗？欢迎在评论区留言交流～
自DeepSeek爆火以来，大洋彼岸的英伟达就被推上了风口浪尖。毕竟，DeepSeek最大的卖点就是一个词——便宜，在与GPT-4性能相近的情况下，大幅降低了训练和推理成本。
同时，其坚定开源的态度也迥异于部分海外大模型厂商，最后，出色的中文处理能力，一次又一次给用户带来惊喜。
但对AI教父黄仁勋来说，AI可以不好用，可以技术迭代得慢，但绝不能便宜（训练成本低），否则，在AI还没遍地开花之前，各家企业先冲着降本去了，作为“卖铲人”的英伟达，还怎么狂揽钞票？
这种担心自然反映到了股价上。
美东时间1月27日，英伟达股价一度暴跌17%，市值一夜蒸发超6000亿美元。
最值得玩味的是，英伟达方面，尤其是黄仁勋，始终“一声不吭”，有的人认为黄仁勋“也懵了”，有的人认为英伟达在“憋大招”，还有的人认为新的技术潮流下，英伟达也无法逆势而为。
此后，在高度沉默中，英伟达股价震荡回升，目前已经收复了大部分失地。
那么DeepSeek对英伟达到底有没有冲击呢？
这个问题得分两层看。
第一层，DeepSeek事实上并没有摆脱对英伟达的依赖。据《DeepSeek-V3技术报告》官方给出的是2048张英伟达H800芯片和1万张A100显卡。不管DeepSeek用的是新卡老卡，总归是用的英伟达产品，至于说支持华为昇腾的显卡，那只是可以部署调用，训练才是大头。
图片来源：《DeepSeek-V3技术报告》
从这个角度看，似乎DeepSeek对英伟达还是利好。
之所以会重创英伟达股价，还是第二层。
第二层，就得说到英伟达的挤牙膏式创新与暴利了。需求饱和的商品，如果出现“降本增效”方面的重大创新，那么对上游无疑是巨大打击。譬如有人发现了大幅减少肥料用量的种植方法，那对肥料厂商无疑是重大打击。
但按理说，AI远未到全面普及和实用的阶段，所以训练AI的算力需求只会越来越大。所以无论大模型领域有何创新，对英伟达这种硬件厂商，都应该是中性偏正面的消息。所以英伟达受影响，不仅在于短期、潜在的“需求”收缩，更在于英伟达自身的业绩虚火。
英伟达业绩虚火，并不是说其业绩本身有什么问题，而在于其产品定价模式上，采取高举高打的策略。最直观的一点，英伟达最近毛利率稳定在75%，净利率在50%上下浮动。这样的盈利能力，哪怕对高技术制造业来说，也是相当高的。
英伟达这个卖铲人赚得盆满钵满，自然就意味着下游的大模型厂商被吸血。
过去，在OpenAI的带动下，卷算力成了大模型领域的“政治正确”。哪怕当前不需要，也会考虑留足冗余。
但DeepSeek的横空出世，提醒了整个行业，当前已有的数据集和算力，其潜力并没有得到充分释放。而这种“提醒”，为全行业提供了新的选项，提高了其他大模型厂商在英伟达面前的议价能力。
哪怕需要更多的训练来发布新产品，也可以选择进一步优化已有模型，而非单纯堆算力。
那么，面对此情此景，黄仁勋就“束手无策”，等着一众客户来砍一刀吗？
当然不会，黄仁勋选择在合适的时机（英伟达股价基本回到冲击前），在合适场合，DDN的新品发布活动上，为英伟达辩白。
合适的时机：如果股价刚有波动，就立马“澄清”，容易引发更大的质疑。
图片来源：对谈截图
合适的场合：并非在某次媒体专访中，单独把DeepSeek拿来说事，而是在合作伙伴的新品发布活动上，以一种较轻松的态度将信息传递出去，借此显示英伟达成竹在胸。
2月20日，黄仁勋与其合作伙伴DDN存储的首席执行官亚历克斯·布扎里（Alex Bouzari）的对谈视频发布，黄仁勋在视频中回应称，投资人误读了DeepSeek异军突起的影响。
此次对谈，黄仁勋从三方面回应了市场的质疑：
第一点，即是大模型对英伟达产品生态的高依赖。他表示，“我们拥有所有必要的开源模型和开源工具包，如Nvidia的Nemo，Nvidia的Nims，以及像infinia这样的数据智能层……因此，它将成为所有这些AI助理的拓展。”
简单说，就是除了显卡，英伟达也做大模型，同时还为大模型的开发者提供工具，软硬件一体。
第二点，AI效果的改善，将带来更多的计算需求。“我认为市场对R 1的反应是，‘AI已经完成了，它从天而降。我们不再需要进行任何计算了。’情况恰恰相反，，因为深度观察所做的是让每个人注意到，有机会让模型比我们想象的更高效。因此它正在扩张，加速AI的采用。”
第三点，通用大模型并不是AI的尽头，“专属助理”才是市场更需要的。他指出“预训练是因为我们想要奠定基础，以便进行第二部分，即后训练”。他强调，后训练将持续发挥重要作用，因为这个阶段是“学习解决问题”的过程。此外，黄仁勋提到第三扩展定律，即在回答问题之前，推理得越多，效果就越好。他强调，“推理本身是一个运算密集的过程”。
这里需要解释下，打个比方，大模型就像学生，预训练就是学校教育，经过预训练的通用大模型就像大学毕业生，学了很多知识，但博而不精，对场景化的知识更是一无所知。
所以，就需要“后训练”，类似企业的岗前培训，了解每个社区/企业/个人的特异化需求，并针对性的给出回答或解决方案。
预训练完全由大模型厂商完成，后训练则需要大模型用户深度参与。
直接点说，黄仁勋的意思是，预训练只能让大模型通用、能用，但想好用，还得“后训练”，那就还得乖乖堆算力，这不就又回到了英伟达这里。
黄仁勋针对DeepSeek“姗姗来迟”的回应，市场会不会买账呢？很难说，毕竟，无论黄仁勋怎么画饼，都改变不了一个显而易见的事实：昂贵的英伟达显卡会倒逼大模型厂商寻找替代方案。
你认可黄仁勋的回应吗？欢迎在评论区留言交流～
