DeepSeek横空出世：AI资本支出寒冬将至？摩根士丹利：别慌！

DeepSeek技术的突破引发了欧美股市剧烈震荡，英伟达市值一天内缩水近6000亿美元，引发市场对AI未来发展和资本支出的担忧。然而，摩根士丹利的分析师们却持相对乐观态度，认为DeepSeek带来的效率提升并不会导致AI相关资本支出的崩溃，反而可能推动增量需求。

DeepSeek：效率提升而非需求骤减

摩根士丹利全球定量研究主管Vishwanath Tirupattur指出，DeepSeek的进展本质上是一次显著的效率改进，这与计算机发展史上的多次效率提升案例类似。20世纪90年代计算成本的急剧下降就是一个很好的参照。当时的投资热潮由两个因素驱动：企业更换折旧资本的速度，以及计算资本价格相对于产出价格的持续大幅下降。如果DeepSeek带来的效率提升反映了类似的现象，这意味着AI资本成本正在下降，这将有利于支撑企业支出前景。

Tirupattur还援引了“Jevons悖论”，该理论认为，随着技术进步降低资源使用成本，总体需求会增加，导致资源消耗总量上升。更便宜、更普及的AI技术将增加其“消费”，推动AI从创新者阶段过渡到更广泛的应用，加速LLM产品创新，实现更广泛的消费者和企业采用，最终带来更大的生产力提升。

对资本支出的影响：利大于弊？

摩根士丹利半导体团队负责人Joseph Moore认为，DeepSeek不太可能改变半导体支出。尽管DeepSeek带来的效率提升令人印象深刻，但与行业专家的讨论表明，这似乎并未影响投资规划过程。目前，大多数已知的资本开支都针对AI推理和非AI用例，而非AI训练。

长期影响：经济整体受益

Tirupattur总结道，从宏观经济角度来看，DeepSeek有望带来更高的商业支出和生产力增长。虽然在股票层面可能会出现赢家和输家，但整体经济将成为赢家。DeepSeek展示了效率提升的潜力，这将促进更大的竞争并推动AI的更广泛采用，最终实现AI的变革性承诺。

区块链视角：

DeepSeek事件也为区块链技术在AI领域的应用提供了新的思考方向。区块链技术可以为AI模型训练和推理提供安全、透明、可追溯的数据存储和计算环境，从而进一步降低AI的成本，提高效率。例如，基于区块链的去中心化计算平台可以有效地分配AI模型训练的计算资源，提高资源利用率，降低能源消耗。同时，区块链可以用于保护AI模型的知识产权，防止模型被盗用或篡改，促进AI生态的健康发展。DeepSeek事件也提醒我们，在AI快速发展的过程中，需要关注技术效率提升带来的挑战和机遇，并积极探索区块链等新兴技术在AI领域中的应用，以促进AI技术的健康发展和更广泛的应用。