近日，知名分析师郭明錤针对AI领域的最新发展，特别是DeepSeek-R1发布后的影响，提出了两大值得关注的产业新趋势。这些趋势不仅预示着AI行业的未来走向，也反映了技术进步对产业格局的深刻影响。
首先，郭明錤指出，尽管AI领域的Scaling Law（规模定律）边际效益正在放缓，但通过优化训练方式，AI算力仍能持续增长，并有望挖掘出更多新应用。这一观点挑战了以往基于模型参数量、训练数据量和运算能力简单增长的传统逻辑。事实上，随着人类创作的文本资料逐渐耗尽，以及运算能力在短期内难以大幅提升，单纯依靠规模定律来提升模型性能已经变得愈发困难。而DeepSeek-R1通过创新的训练方式，成功打破了这一瓶颈，为AI算力的持续增长提供了新的可能。
具体来说，DeepSeek-R1通过优化训练算法，显著提升了模型效益，这一成果也得到了业界的广泛认可。从产业研究的角度来看，这一创新不仅有助于AI基础设施的算力提升，还为挖掘新应用提供了有力支持。对于AI产业的长期发展而言，优化训练方式与规模定律相辅相成，缺一不可。
另一方面，郭明錤还提到了API/Token价格显著下滑对AI软件/服务与设备端AI的积极影响。他指出，当前AI行业的盈利模式主要依赖于降低成本和提供基础设施服务，而非创造新业务或提升现有业务的附加价值。然而，DeepSeek-R1采取了激进的定价策略，提供免费使用，并大幅降低了API/Token价格，这一举措有望推动AI使用成本的进一步下滑。
在中国市场，AI行业的竞争尤为激烈。随着DeepSeek-R1的激进定价策略引发市场关注，预计将有更多中国厂商推出性能优异且定价更为激进的AI模型。这一趋势将有助于加速AI应用的多元化发展，并推动AI算力需求的进一步增长。
值得注意的是，尽管近期AI供应链相关股票出现了大幅修正，但这主要是由于投资人调整了由于规模定律边际效益放缓对AI服务器出货的负面影响所致。事实上，大部分投资人仍对AI行业的盈利前景持乐观态度，并愿意耐心等待盈利的出现。随着API/Token价格的下滑和训练方法的优化，AI软件/服务与设备端AI的成本将进一步降低，这将有助于增加AI算力需求，并降低投资人对AI投资能否获利的疑虑。
郭明錤还提到了芯片升级、改善电力供应限制以及在训练中加入更多多模态数据等未来可能再次加速规模定律边际效益的因素。他认为，只有大规模部署者才会遇到规模定律边际效应放缓的问题，这也再次验证了英伟达等领先企业在AI领域的优势地位。
最后，郭明錤强调，开放社区资源与中国竞争激烈的环境将推动更多中国厂商推出性能优异且定价更激进的AI模型。届时，如果LLM（大型语言模型）服务供应商还未开始稳定盈利，盈利压力将进一步增加。然而，在投资人普遍愿意耐心等待盈利的情况下，这些顾虑目前可以暂时搁置。
