近日，深圳证券交易所发布通知，宣布广州明美新能源有限公司(以下简称"明美股份"）创业板IPO终止。明美股份作为1998年成立的锂电池定制解决方案提供商，曾被誉为"世界上...
摩根大通:如何看待DeepSeekek？ R1推出后对投资的影响？
金融 2025-01-30 [db:作者]
| 后台-插件-广告管理-内容页头部广告（手机） |
DeepSeek 引起投资者对人工智能支出势头的担忧；过去的创新周期表明，效率 / 技术改进将促进进一步的应用 / 创新上周 DeepSeek R1 推出后，鉴于该公司声称其模型在培训成本和效率方面的表现，投资者担心人工智能半导体支出的
DeepSeek 引起投资者对人工智能支出势头的担忧；过去的创新周期表明，效率 / 技术改进将促进进一步的应用 / 创新
上周 DeepSeek R1 推出后，鉴于该公司声称其模型在培训成本和效率方面的表现，投资者担心人工智能半导体支出的中长期影响。据该公司称，DeepSeek V3 模型的训练成本约为 560 1万美元的训练成本明显低于那些前沿基础模型，这表明了人工智能训练的可持续性。虽然 DeepSeek 训练成本效率令人印象深刻，但仍有未回答的问题，包括 R1 完整的训练成本(如之前的模型训练) / 研发 / 开发 / 优化成本)，以及早期开发的开源基础模型(如 Meta 的开源 Llama 由于训练数据集和“预训练”，验证这些成本在得出结论之前至关重要。 历史上推动效率提升的优化、未使用方法等因素的具体情况尚未披露。
新技术创新周期(尤其是计算效率)促进了需求的增加(杰文斯悖论)，导致了半导体价值的提高 / 需求激增。例如，21 世纪初的 x86 服务器虚拟化(促进正确) CPU、内存 / 更高的存储需求)，智能手机和物联网 ARM 采用(促进更多的移动 / 物联网产品的需求)和早期的云采用(促进了对计算、网络和存储的更高需求)，都导致了计算 / 网络 / 内存 / 对硅的需求增加。
人工智能，DeepSeek 提高展示效率将促进采用 / 扩展，转移到左侧(更快使用)，在接下来的几个月里 / 在几年内，为人工智能半导体解决方案创造了更快的增长率。此外，鉴于早期人工智能创新 LLMs 引发了新的基础人工智能模型(如英伟达用于物理人工智能) WFM）我们有望为人工智能解锁更多的创新用例。
除了基本模型和软件优化，我们认为通过内部开发定制的机会仍然很大 ASIC 解决方案是解锁半导体的差异化和效率，而不是现成的商业用途 GPU。随着云服务提供商和大型企业建立更大的培训 / 推理集群，我们认为这一趋势将有利于博通和 Marvell 等定制 ASIC 供应商，因为他们在成本和性能上都有优势。底线是我们的评级保持不变；我们将利用新的机会重新配置我们 AVGO、MRVL 与其他公司的超配头寸。
(来源金融界)| 后台-插件-广告管理-内容页尾部广告（手机） |
标签：
相关文章
