郭明錤：DeepSeek爆紅加速AI模型「設備端化」趨勢

（示意圖/取自pixabay）

近日，分析師郭明錤發文表示，DeepSeek-R1 發布後，加速了 AI 模型「設備端化」的趨勢。

郭明錤提到，API/Token 價格顯著下滑，有利於 AI 軟體/服務與設備端 AI，加速 AI 應用多元化，其中 DeepSeek-R1 採取了激進的定價策略，其 API/token 定價最低不到 OpenAI-o1 的 1/100。

郭明錤預測，此競爭壓力可能將推動 AI 使用成本下滑，並且因 AI 產業在中國市場競爭激烈，將有其他中國廠商推出性能優異且定價更激進的 LLM。

郭明錤還表示，Scaling law 的邊際效益放緩時，AI 算力仍可通過優化訓練方式持續成長，並有利於挖掘新應用。

郭明錤分析，過去 1-2 年，投資人對 AI 服務器供應鏈的投資邏輯主要基於 AI 伺服器出貨量在 Scaling law 成立下可持續成長。

然而，Scaling law 的邊際效益正逐漸遞減，這也讓市場更加關注 DeepSeek 通過 Scaling law 以外的方式顯著提升模型效益。

日前，來自加州柏克萊大學在讀博士 Jiayi Pan 的研究團隊，成功地以極低的成本復現了 DeepSeek R1-Zero 中的關鍵技術「頓悟時刻」。

研究表明，即便規模較小的語言模型，通過強化學習（RL），模型也能自行發展出強大的自我驗證和搜索能力。