近期，一份由麦格理分析师发布的报告引起了广泛关注。该报告深入探讨了R1的开发成本与DeepSeek所公布的成本之间的巨大差异，估计R1的开发成本高达26亿美元，这一数字是DeepSeek公布成本的467倍。
麦格理在报告中明确表示，这一估计基于之前的相关工作，并指出R1的开发成本远超报告中的预期。这一发现无疑为行业内的成本问题带来了新的思考。
报告还强调了新兴市场的发展趋势。分析师指出，新兴市场的增长主要依赖于数量的增加，而非价格的降低。随着计算成本的持续下降，新兴市场的采用率预计将加速提升。
在训练计算方面，报告认为这是一种具有明确成本曲线的商品。硬件效率的提高将增加计算能力的供应，而软件的进步则有助于减少对计算能力的需求。这一观点得到了分析师的广泛认同。
报告进一步指出，硬件和软件效率的提高分别影响了计算能力的供需关系。硬件效率的提升使得每兆瓦计算单位的供应量增加，而软件效率的提升则降低了对计算单位的需求。
麦格理还特别强调了开源人工智能模型的结构优势。这些模型受益于免费开发、麻省理工学院许可证的使用以及广泛的采用，从而降低了基础模型构建者的进入门槛。
尽管存在成本方面的担忧，但报告指出，对计算能力的需求仍在不断增长。这一现象被称为人工智能领域的杰文斯悖论，即效率的提高带动了整体消耗的增加。麦格理认为，推理成本的降低是推动这一悖论的关键因素。
在数据中心运营商方面，报告指出资本支出意向仍然是其主要驱动力。同时，与人工智能相关的支出正在成为当前收入的重要驱动力。这一趋势表明，人工智能领域的发展正逐渐改变数据中心运营商的商业模式。
最后，分析师在报告中得出了结论：押注人工智能就是押注地球上最大的资产负债表。尽管存在投机风险，但超大规模企业对人工智能基础设施的投资将持续扩大。这一观点为行业未来的发展指明了方向。
同时，报告还提到，开源人工智能模型的广泛采用将进一步推动这一趋势的发展。随着技术的不断进步和成本的降低，人工智能将逐渐渗透到各个行业领域，成为推动社会发展的重要力量。
