图片来源:视觉中国
DeepSeek如何触动美国:经济、金融与美元的交织
DeepSeek背后的中美人工智能竞争:模式差异与战略选择
首先,DeepSeek模式实质是中国经济模式的映射。
回顾2008年以来中国经济增长的模式,在国内视角看来是基建与房地产投资驱动,在全球视角看来却是制造业投资与供给的驱动。2010 年中国制造业增加值首次超过美国,2022 年中国制造业增加值占全世界比重为 30.2%,2024年该比重进一步上行至31.6%,排名第二的美国其比重仅为中国的一半。
除了“量”的增长之外,中国在制造业领域也体现出显著的技术赶超性质。2012年以来,规模以上装备制造业增加值年均增长8.7%,规模以上高技术制造业增加值年均增长10.3%。2023 年,高技术制造业增加值占规模以上工业增加值比重为 15.7%,比 2012 年提高6.3个百分点。中国制造业出口产品结构也迅速由劳动密集型产品为主向技术密集型产品为主导转型,其中机电产品出口占比从2019年的58.6%跃升至2023年的74.4%,特别是“新三样”(电动载人汽车、锂离子蓄电池、太阳能电池)出口增速较快。
除“量多”与“质优”之外,在较为高端的制造业领域,中国制造还以低成本和低价格为突出特征。对于要素性价比的极致利用,对于技术与质量标准下的极致成本节约,是中国制造业“低价创新”的经济技术特征,无论是在装备制造领域、新能源领域,还是在消费电子领域,都是以高性价比取胜,而这也正是DeepSeek获得成功的经济技术特征。
从成本上来看,根据公开数据,OpenAI的GPU投入成本可能高达每年数十亿美元(含训练和推理),随着模型复杂度提升(如 GPT-5、多模态扩展),成本可能进一步上升。而DeepSeek推出的V3模型仅使用2048块H800 GPU就完成了6710亿参数模型的训练,成本仅为 557.6万美元。从单次训练成本来看,OpenAI的GPT-4模型、Google的Gemini模型、Meta的Llama-3模型,以及DeepSeek的V3模型的成本分别为1至2亿美元、2亿美元、3000万至5000万美元、1000万至5000万美元左右。再从终端的API价格来看,GPT-4模型的输入价格为$ 0.03千token,输出为$0.06/千token,而DeepSeek的价格为$0.01/千token,中文应用场景中的定价更低。
从全球大模型市场来看,虽然美国的大模型技术和大模型投资仍然居于主导地位,但是,以DeepSeek为代表的中国大模型却在成本和数量上取得了优势,从而可能在人工智能领域,至少是在生成式人工智能领域复刻制造业领域的成功。这使得中国技术企业可以用“跨越高墙”的策略来应对美国的“小院高墙”策略。
通常认为,人工智能技术主要依赖于算法、算力和数据三种要素,DeepSeek的创新主要集中于算法的优化层面,但是算法的优化所形成的联动效应又节约了算力和数据。当然DeepSeek自身也承认,其成功是“站在巨人的肩膀上”才能实现的,这一点也无需避讳,技术创新普遍都建立在技术溢出的基础之上。
抛开技术上的争论不谈,DeepSeek的成功在结果上,的确将美国的小院高墙策战略置于了两难困境:一方面,对华过度管制有可能倒逼中国加速自主创新,甚至从算法上的自主创新加快向算力创新过渡,而这一环节正是芯片竞争所集中的领域;另一方面,放松或者放弃管制有可能进一步丧失市场竞争优势,从而在算法和数据领域继续丧失因“干中学”等因素带来的市场收益或创新机遇。
在人工智能领域,也许低价倾销战略要远远优于技术封锁战略,但是很显然,美国已经失去了实施这一策略的窗口,并且陷入到了某种囚徒困境之中。对于美国市场上的竞争对手而言,诸如OpenAI这样的机构或许需要重新反思自己的闭源框架以及技术路径。当地时间2月5日,OpenAI宣布向所有用户开放ChatGPT搜索功能,从这个角度来看,DeepSeek的确帮助推动了技术平权和知识平权。
对于中国的人工智能企业和行业而言,或许不应只考虑国内市场这一内部循环,而是要建立并保持“跨越高墙”的能力,甚至降低跨越高墙的必要性,比如引导高墙另一侧的用户主动跨越到这一边来,正如此前的Tiktok用户涌进“小红书”那样,这就是所谓的参与全球竞争并形成国际竞争力。
DeepSeek驱动下的中国产业跃迁:比较优势与扩大开放
DeepSeek取得突破,打开了实体经济智能化的想象空间。
参考中国互联网经济以及科技公司取得成功的经验,可以想象DeepSeek将很快从技术突破走向商业成功。移动互联经济具有非常强的网络效应,只要用户数量和用户流量能够集聚,即便是针对个体消费用户采取零收费,也可以形成巨大的利润空间。而DeepSeek的低成本优势,恰恰有利于做到这一点,同时也有助于降低中小企业实现智能化的门槛。
从目前DeepSeek可以落地的应用场景来看,人工智能和实体经济的融合将持续提速:在金融服务领域,人工智能可以服务于智能风控、量化投资、合规审计;在医疗健康领域,人工智能可以服务于辅助诊断、药物研发与病程管理;在制造业领域,人工智能可以服务于工业质检、供应链优化及设备运维;在教育科研领域,人工智能可以服务于知识库、知识图谱的构建以及专业知识的传播;在企业管理领域,人工智能和企业ERP系统的连接可以提高企业管理效率和智能化管理水平;在政务服务领域,人工智能可以应用于信息归集、智能审批、政策仿真等公共服务。
除此之外,与人工智能大模型相连接的开发者生态和多模态应用则有可能进一步推动算力、数据、硬件等科技产业链的协同发展。
DeepSeek不应只是中国的,还应该是世界的。
虽然中美在科技领域的角力还会延续,但是正如贸易冲突并不能完全隔绝货物与服务的进出口一样,科技冲突也并不能完全隔绝人工智能领域的跨境交流。美国科技界将DeepSeek视作竞争对手,但却并没有一味地采取隔绝策略,英伟达、微软和亚马逊的部分服务平台已经纳入DeepSeek的模型使用。
DeepSeek以本土化为鲜明特色,并且蕴藏着技术与知识平权的技术理想主义色彩,但是如果不能在英语、德语、日语等非汉语市场参与市场竞争,不得不说将是中国人工智能行业的损失。人工智能是一种生产型服务业,在美西方持续推动高技术制造业领域的本土回流及近岸布局的背景下,中国的生产型服务业有可能形成一种对冲性的力量,比如在货物贸易顺差有可能收窄的同时,生产型服务业的逆差也有可能同时收窄。
即便美国还会继续采取技术封锁并强化小院高墙,但市场交易本身天然寻求最大可能的交易规模和最大可能的低廉成本,违反商业逻辑的政策很难在长期内执行。更重要的是,DeepSeek的开源技术路径使得它天然的具有“开放”特征和“全球”属性,它把技术主导权更好的交到了全球开发者手中。由此,中国在对外开放领域中的政策可能会更加灵活,在美国从全球自由贸易领域中不断退却的过程中,中国有机会扛起全球自由贸易的大旗。(财富中文网)
张林,远东资信首席宏观研究员,《财富》中文网专栏作家。
查看《暂缓征税!白宫恢复中国小额包裹免税待遇》的精彩观点
查看《张兰、汪小菲抖音账号被无限期封禁》的精彩观点
图片来源:视觉中国
DeepSeek如何触动美国:经济、金融与美元的交织
DeepSeek背后的中美人工智能竞争:模式差异与战略选择
首先,DeepSeek模式实质是中国经济模式的映射。
回顾2008年以来中国经济增长的模式,在国内视角看来是基建与房地产投资驱动,在全球视角看来却是制造业投资与供给的驱动。2010 年中国制造业增加值首次超过美国,2022 年中国制造业增加值占全世界比重为 30.2%,2024年该比重进一步上行至31.6%,排名第二的美国其比重仅为中国的一半。
除了“量”的增长之外,中国在制造业领域也体现出显著的技术赶超性质。2012年以来,规模以上装备制造业增加值年均增长8.7%,规模以上高技术制造业增加值年均增长10.3%。2023 年,高技术制造业增加值占规模以上工业增加值比重为 15.7%,比 2012 年提高6.3个百分点。中国制造业出口产品结构也迅速由劳动密集型产品为主向技术密集型产品为主导转型,其中机电产品出口占比从2019年的58.6%跃升至2023年的74.4%,特别是“新三样”(电动载人汽车、锂离子蓄电池、太阳能电池)出口增速较快。
除“量多”与“质优”之外,在较为高端的制造业领域,中国制造还以低成本和低价格为突出特征。对于要素性价比的极致利用,对于技术与质量标准下的极致成本节约,是中国制造业“低价创新”的经济技术特征,无论是在装备制造领域、新能源领域,还是在消费电子领域,都是以高性价比取胜,而这也正是DeepSeek获得成功的经济技术特征。
从成本上来看,根据公开数据,OpenAI的GPU投入成本可能高达每年数十亿美元(含训练和推理),随着模型复杂度提升(如 GPT-5、多模态扩展),成本可能进一步上升。而DeepSeek推出的V3模型仅使用2048块H800 GPU就完成了6710亿参数模型的训练,成本仅为 557.6万美元。从单次训练成本来看,OpenAI的GPT-4模型、Google的Gemini模型、Meta的Llama-3模型,以及DeepSeek的V3模型的成本分别为1至2亿美元、2亿美元、3000万至5000万美元、1000万至5000万美元左右。再从终端的API价格来看,GPT-4模型的输入价格为$ 0.03千token,输出为$0.06/千token,而DeepSeek的价格为$0.01/千token,中文应用场景中的定价更低。
从全球大模型市场来看,虽然美国的大模型技术和大模型投资仍然居于主导地位,但是,以DeepSeek为代表的中国大模型却在成本和数量上取得了优势,从而可能在人工智能领域,至少是在生成式人工智能领域复刻制造业领域的成功。这使得中国技术企业可以用“跨越高墙”的策略来应对美国的“小院高墙”策略。
通常认为,人工智能技术主要依赖于算法、算力和数据三种要素,DeepSeek的创新主要集中于算法的优化层面,但是算法的优化所形成的联动效应又节约了算力和数据。当然DeepSeek自身也承认,其成功是“站在巨人的肩膀上”才能实现的,这一点也无需避讳,技术创新普遍都建立在技术溢出的基础之上。
抛开技术上的争论不谈,DeepSeek的成功在结果上,的确将美国的小院高墙策战略置于了两难困境:一方面,对华过度管制有可能倒逼中国加速自主创新,甚至从算法上的自主创新加快向算力创新过渡,而这一环节正是芯片竞争所集中的领域;另一方面,放松或者放弃管制有可能进一步丧失市场竞争优势,从而在算法和数据领域继续丧失因“干中学”等因素带来的市场收益或创新机遇。
在人工智能领域,也许低价倾销战略要远远优于技术封锁战略,但是很显然,美国已经失去了实施这一策略的窗口,并且陷入到了某种囚徒困境之中。对于美国市场上的竞争对手而言,诸如OpenAI这样的机构或许需要重新反思自己的闭源框架以及技术路径。当地时间2月5日,OpenAI宣布向所有用户开放ChatGPT搜索功能,从这个角度来看,DeepSeek的确帮助推动了技术平权和知识平权。
对于中国的人工智能企业和行业而言,或许不应只考虑国内市场这一内部循环,而是要建立并保持“跨越高墙”的能力,甚至降低跨越高墙的必要性,比如引导高墙另一侧的用户主动跨越到这一边来,正如此前的Tiktok用户涌进“小红书”那样,这就是所谓的参与全球竞争并形成国际竞争力。
DeepSeek驱动下的中国产业跃迁:比较优势与扩大开放
DeepSeek取得突破,打开了实体经济智能化的想象空间。
参考中国互联网经济以及科技公司取得成功的经验,可以想象DeepSeek将很快从技术突破走向商业成功。移动互联经济具有非常强的网络效应,只要用户数量和用户流量能够集聚,即便是针对个体消费用户采取零收费,也可以形成巨大的利润空间。而DeepSeek的低成本优势,恰恰有利于做到这一点,同时也有助于降低中小企业实现智能化的门槛。
从目前DeepSeek可以落地的应用场景来看,人工智能和实体经济的融合将持续提速:在金融服务领域,人工智能可以服务于智能风控、量化投资、合规审计;在医疗健康领域,人工智能可以服务于辅助诊断、药物研发与病程管理;在制造业领域,人工智能可以服务于工业质检、供应链优化及设备运维;在教育科研领域,人工智能可以服务于知识库、知识图谱的构建以及专业知识的传播;在企业管理领域,人工智能和企业ERP系统的连接可以提高企业管理效率和智能化管理水平;在政务服务领域,人工智能可以应用于信息归集、智能审批、政策仿真等公共服务。
除此之外,与人工智能大模型相连接的开发者生态和多模态应用则有可能进一步推动算力、数据、硬件等科技产业链的协同发展。
DeepSeek不应只是中国的,还应该是世界的。
虽然中美在科技领域的角力还会延续,但是正如贸易冲突并不能完全隔绝货物与服务的进出口一样,科技冲突也并不能完全隔绝人工智能领域的跨境交流。美国科技界将DeepSeek视作竞争对手,但却并没有一味地采取隔绝策略,英伟达、微软和亚马逊的部分服务平台已经纳入DeepSeek的模型使用。
DeepSeek以本土化为鲜明特色,并且蕴藏着技术与知识平权的技术理想主义色彩,但是如果不能在英语、德语、日语等非汉语市场参与市场竞争,不得不说将是中国人工智能行业的损失。人工智能是一种生产型服务业,在美西方持续推动高技术制造业领域的本土回流及近岸布局的背景下,中国的生产型服务业有可能形成一种对冲性的力量,比如在货物贸易顺差有可能收窄的同时,生产型服务业的逆差也有可能同时收窄。
即便美国还会继续采取技术封锁并强化小院高墙,但市场交易本身天然寻求最大可能的交易规模和最大可能的低廉成本,违反商业逻辑的政策很难在长期内执行。更重要的是,DeepSeek的开源技术路径使得它天然的具有“开放”特征和“全球”属性,它把技术主导权更好的交到了全球开发者手中。由此,中国在对外开放领域中的政策可能会更加灵活,在美国从全球自由贸易领域中不断退却的过程中,中国有机会扛起全球自由贸易的大旗。(财富中文网)
张林,远东资信首席宏观研究员,《财富》中文网专栏作家。
查看《暂缓征税!白宫恢复中国小额包裹免税待遇》的精彩观点
查看《张兰、汪小菲抖音账号被无限期封禁》的精彩观点