DeepSeek的成本突破引发了一个核心争议——GPU算力需求是否会因此大幅下降？爱建证券发布的《适合投资人的DeepSeek分析报告》对此给出了分阶段的判断：短期内，云服务大厂的算力军备竞赛不会停止，2025年资本支出仍将维持高增速；但长期看，Scaling Law的瓶颈将从算力转向数据，2028年公共文本数据耗尽后，单纯算力堆砌的边际效益将显著递减。本报告从资本支出趋势、Scaling Law约束和数据瓶颈三个维度，解析GPU算力需求的中长期走向。

2024年微软、亚马逊、谷歌、Meta资本支出分别达756亿、777亿、525亿、373亿美元，同比增长83%、62%、63%、35%。2025年各公司指引维持高增：亚马逊计划1000亿美元（+30%）、谷歌750亿美元（+43%）、Meta 600-650亿美元（+60%-75%）。从2022Q4至2024年，AI投资占比从20%-40%提升至50%-85%，算力支出在云厂商总资本支出中的占比持续扩大。算力投资短期内难以放缓的三大原因：第一，“算力军备竞赛”的博弈格局——没有哪家巨头敢于率先缩减AI投资，否则将被竞争对手在模型能力上拉开差距；第二，AI业务贡献已在财报中显现——微软Azure营收增速中12个百分点由AI贡献，AWS的AI业务年增长率超100%；第三，DeepSeek的降本路径被认为可以在更大算力规模上进一步放大效果，而非削弱算力需求。

DeepSeek的出现正在推动算力需求的结构性变化，而非总量的绝对减少。训练端，由于DeepSeek证明了“更高效训练”的可行性，云厂商可能会重新评估预训练模型的算力配置，部分低效的训练支出可能被优化。但推理端的算力需求正处于爆发初期——DeepSeek-R1蒸馏出的开源小模型（0.1B至7B）可适配从嵌入式设备到企业级服务的全场景，预计接入DeepSeek API的细分领域推理服务商将快速涌现。巴克莱预测AI推理计算将占通用AI总计算需求的70%以上，推理需求可超训练4.5倍。终端侧（智能手机、PC、智驾汽车）的本地推理需求也将随着蒸馏小模型的普及而快速增长。推理需求的增长可能在中期弥补训练端效率提升带来的算力需求变化。

从长期看，算力需求增长面临一个不可回避的约束——人类生成公开文本数据将在2028年左右耗尽。EPOCH AI测算的有效库存量约300T token，GPT-4已达1.8T参数，每一代升级后参数至少上升一个数量级。当模型规模接近或超过训练数据的承载能力时，增加算力的边际效益将快速递减。这意味着大模型时代可能正在从“算力推动性能线性提升”的第一阶段，进入“算力边际效益递减”的第二阶段。但这不意味着算力需求归零，而是结构转变：通用大模型的算力投资增速将放缓，而细分领域模型的推理算力需求将持续增长。

在DeepSeek驱动的AI新范式下，算力产业链的投资逻辑需要分层看待。短期（1-2年），云厂商资本开支上行周期确定，训练算力需求仍有支撑，算力芯片（GPU）、光模块、液冷等板块仍处于景气通道。中期（2-3年），推理算力将接棒训练算力成为主要增长点，边缘计算和端侧推理相关硬件（ASIC、模组、服务器OEM）将受益于DeepSeek小模型的本地部署浪潮。长期（3-5年），数据基础设施（数据采集、清洗、标注）将成为比算力硬件更稀缺的价值环节，具备行业数据壁垒的企业将获得差异化竞争优势。

美国云服务商资本支出趋势

美国五大互联网企业资本支出（亿美元）

企业	2024年CAPEX	2025年指引	AI投资占比
微软	756	环比增加	超50%
亚马逊	777	~1000（+30%）	超50%
谷歌	525	750（+43%）	超60%
Meta	373	600-650（+60%-75%）	超70%