（图片来源：摄图网）
今年1月，中国人工智能初创公司DeepSeek在人工智能领域掀起了一场革命性的风暴。该公司推出的低算力成本开源大语言模型R1，以极低的训练成本实现了与闭源模型相当的性能，打破了传统依赖高算力芯片堆料的AI商业模式，在海外引起巨大反响。
DeepSeek的R1模型的问世，如同一颗石子投入平静的湖面，激起了层层涟漪。在DeepSeek后，“AI宠儿”英伟达公司股价在一天内暴跌17%，市值蒸发约5940亿美元，创下了美股历史上最高单日市值蒸发纪录。
DeepSeek的出现，不仅让英伟达等芯片巨头感受到了压力，也引发了市场对AI算力需求的重新思考。一时间，投资者们开始担忧未来大型科技公司可能会缩减对英伟达等供应商更高端芯片产品的需求，从而对整个AI硬件市场造成连锁反应。
近日，英伟达首席执行官黄仁勋终于在一场线上活动中，通过预录制的采访视频首次对此事做出了公开回应。
黄仁勋表示，投资者们误将DeepSeek的进步视为AI公司不再需要高强度算力的信号，而实际上并非如此。黄仁勋幽默地引用了市场的反应，“我认为市场当时对R1的反应是‘哦，我的天哪，人工智能结束了!它从天而降，我们不再需要进行任何计算了!’”黄仁勋表示，“而事实恰恰相反。”
黄仁勋指出，“从投资者的角度来看，他们有一种思维模式，他们认为世界就是先进行预训练，然后进行推理，而推理就是向AI提问并立即得到答案。我不知道这种误解是谁造成的，但显然，这种观念是错误的。”
黄仁勋表示，尽管预训练仍然重要，但后训练(post-training)才是“智能最重要的部分”，也是“学习解决问题的关键环节”。 他进一步解释说，教会人工智能模型更好地“推理”是科技行业的下一个扩展前沿，而这一过程中仍然依赖于巨大的计算能力。
AI算力指的是用于训练和运行复杂AI模型所需的计算能力，是人工智能发展的核心驱动力。强大的AI算力能够加速模型的训练过程，提升模型的性能和精度，从而推动自然语言处理、计算机视觉、自动驾驶等领域的突破性进展。同时，算力的提升也降低了AI技术的门槛，使其能够更广泛地应用于各个行业，从医疗、金融到智能制造等。
互联网是渗透率最高的行业
各下游行业需要使用AI软件进行智能水平的提升。2019-2021年，我国AI软件的市场规模迅速扩张，2021年达到330.3亿元，同比增长43.0%。2022年，市场规模略有下降，为307.3亿元。
总的趋势是，人工智能在各个行业的应用程度不断加深，应用场景也越来越广泛。人工智能已经成为企业寻求业务增长、提升用户体验和保持核心竞争力的重要途径。根据渗透度排名，人工智能在互联网、金融、政府、电信和制造等行业应用最为广泛。特别是金融和电信行业，人工智能应用增长速度明显，对人工智能基础架构的投入也较为突出。
AI算力上游发展环境
AI算力离不开上游AI芯片、GPU、FPGA、ASIC等高性能软硬接的支撑，也离不开满足大规模算法的AI服务器的环境支持。目前，我国AI算力上游市场国产能力有待提高。
中国科学院院士陈润生认为人工智能大模型是新质生产力的代表，大模型和超级计算的融合发展十分重要;目前科学界和产业界一直在企图解决超算和智算融合的问题，但现有架构未从根本上解决效率问题，超算与智算应有机融合;大模型发展不能一味地增加芯片，应参考 “人类智能”，从基础理论角度取得突破，以更低能耗实现更高性能。
前瞻经济学人APP资讯组
更多本行业研究分析详见前瞻产业研究院《中国AI算力(人工智能算力) 产业发展前景与投资战略规划分析报告》
同时前瞻产业研究院还提供产业新赛道研究、投资可行性研究、产业规划、园区规划、产业招商、产业图谱、产业大数据、智慧招商系统、行业地位证明、IPO咨询/募投可研、专精特新小巨人申报、十五五规划等解决方案。如需转载引用本篇文章内容，请注明资料来源（前瞻产业研究院）。
更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。更多企业数据、企业资讯、企业发展情况尽在【企查猫APP】，性价比最高功能最全的企业查询平台。
（图片来源：摄图网）
今年1月，中国人工智能初创公司DeepSeek在人工智能领域掀起了一场革命性的风暴。该公司推出的低算力成本开源大语言模型R1，以极低的训练成本实现了与闭源模型相当的性能，打破了传统依赖高算力芯片堆料的AI商业模式，在海外引起巨大反响。
DeepSeek的R1模型的问世，如同一颗石子投入平静的湖面，激起了层层涟漪。在DeepSeek后，“AI宠儿”英伟达公司股价在一天内暴跌17%，市值蒸发约5940亿美元，创下了美股历史上最高单日市值蒸发纪录。
DeepSeek的出现，不仅让英伟达等芯片巨头感受到了压力，也引发了市场对AI算力需求的重新思考。一时间，投资者们开始担忧未来大型科技公司可能会缩减对英伟达等供应商更高端芯片产品的需求，从而对整个AI硬件市场造成连锁反应。
近日，英伟达首席执行官黄仁勋终于在一场线上活动中，通过预录制的采访视频首次对此事做出了公开回应。
黄仁勋表示，投资者们误将DeepSeek的进步视为AI公司不再需要高强度算力的信号，而实际上并非如此。黄仁勋幽默地引用了市场的反应，“我认为市场当时对R1的反应是‘哦，我的天哪，人工智能结束了!它从天而降，我们不再需要进行任何计算了!’”黄仁勋表示，“而事实恰恰相反。”
黄仁勋指出，“从投资者的角度来看，他们有一种思维模式，他们认为世界就是先进行预训练，然后进行推理，而推理就是向AI提问并立即得到答案。我不知道这种误解是谁造成的，但显然，这种观念是错误的。”
黄仁勋表示，尽管预训练仍然重要，但后训练(post-training)才是“智能最重要的部分”，也是“学习解决问题的关键环节”。 他进一步解释说，教会人工智能模型更好地“推理”是科技行业的下一个扩展前沿，而这一过程中仍然依赖于巨大的计算能力。
AI算力指的是用于训练和运行复杂AI模型所需的计算能力，是人工智能发展的核心驱动力。强大的AI算力能够加速模型的训练过程，提升模型的性能和精度，从而推动自然语言处理、计算机视觉、自动驾驶等领域的突破性进展。同时，算力的提升也降低了AI技术的门槛，使其能够更广泛地应用于各个行业，从医疗、金融到智能制造等。
互联网是渗透率最高的行业
各下游行业需要使用AI软件进行智能水平的提升。2019-2021年，我国AI软件的市场规模迅速扩张，2021年达到330.3亿元，同比增长43.0%。2022年，市场规模略有下降，为307.3亿元。
总的趋势是，人工智能在各个行业的应用程度不断加深，应用场景也越来越广泛。人工智能已经成为企业寻求业务增长、提升用户体验和保持核心竞争力的重要途径。根据渗透度排名，人工智能在互联网、金融、政府、电信和制造等行业应用最为广泛。特别是金融和电信行业，人工智能应用增长速度明显，对人工智能基础架构的投入也较为突出。
AI算力上游发展环境
AI算力离不开上游AI芯片、GPU、FPGA、ASIC等高性能软硬接的支撑，也离不开满足大规模算法的AI服务器的环境支持。目前，我国AI算力上游市场国产能力有待提高。
中国科学院院士陈润生认为人工智能大模型是新质生产力的代表，大模型和超级计算的融合发展十分重要;目前科学界和产业界一直在企图解决超算和智算融合的问题，但现有架构未从根本上解决效率问题，超算与智算应有机融合;大模型发展不能一味地增加芯片，应参考 “人类智能”，从基础理论角度取得突破，以更低能耗实现更高性能。
前瞻经济学人APP资讯组
更多本行业研究分析详见前瞻产业研究院《中国AI算力(人工智能算力) 产业发展前景与投资战略规划分析报告》
同时前瞻产业研究院还提供产业新赛道研究、投资可行性研究、产业规划、园区规划、产业招商、产业图谱、产业大数据、智慧招商系统、行业地位证明、IPO咨询/募投可研、专精特新小巨人申报、十五五规划等解决方案。如需转载引用本篇文章内容，请注明资料来源（前瞻产业研究院）。
更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。更多企业数据、企业资讯、企业发展情况尽在【企查猫APP】，性价比最高功能最全的企业查询平台。
