1865年，威廉·傑文斯發現，儘管蒸汽機效率提升，英國的煤炭消耗卻呈指數級增長。這一現象被稱為“傑文斯悖論”：技術進步並未減少資源消耗，反而因應用範圍擴大而增加了需求。類似的情況可能正在NVIDIA身上上演。儘管AI模型如DeepSeek-R1的效率不斷提升，但這未必會減少對NVIDIA GPU的需求，反而可能因AI應用的普及而進一步推高需求。
1、傑文斯悖論
傑文斯悖論（即效率提高導致資源使用增加，而不是減少）讓矽谷巨頭們感到安慰。他們擔心中國的DeepSeek，這是一款廉價高效的聊天機器人，威脅到功能更強但耗能更高的美國聊天機器人。
微軟老薩蒂亞·納德拉在社交媒體平臺X上發帖說，“傑文斯悖論又來了！隨著人工智慧變得更高效和普及，我們會看到它的使用量激增，成為一種我們永遠無法滿足的商品”，並附上了這個經濟原理的維基百科連結。按照這種邏輯，DeepSeek的進步將意味著對資料中心、Nvidia晶片甚至核反應堆的需求增加，這些反應堆在DeepSeek釋出前已經在重啟。不用擔心價格下跌，微軟可以透過數量來彌補。
這種邏輯雖然自私，但也有道理。傑文斯悖論是真實存在的，在其他市場中也能看到。比如照明，諾貝爾經濟學獎得主威廉·諾德豪斯計算出，一盞用芝麻油驅動的巴比倫油燈每瓦能量產生大約0.06流明的光。而現代LED燈可以產生高達110流明的光。世界並沒有因為能源效率提高而減少照明，反而完全驅逐了黑暗，比如更多的臥室燈或拉斯維加斯的112米高白熾燈表情符號。現在的城市照明如此便宜和充足，以至於很多人認為它是一種汙染。
同樣，更高效的聊天機器人可能意味著人工智慧找到了新用途（其中一些可能同樣令人討厭）。DeepSeek的效能與計算能力更強的美國人工智慧相當，這表明資料中心的生產力比之前想象的要高。按照邏輯，預計對資料中心等的投資將比以前更多。
傑文斯悖論是一種更廣泛的現象，稱為“反彈效應”。反彈效應通常不足以完全抵消效率提高帶來的節約。學者和政策制定者通常研究這些效應：從煤炭峰值到石油峰值，再到溫室氣體。
反彈效應的規模最終取決於需求結構：如果相關商品可以輕鬆替代其他商品，反彈會更大。如果它是一種奢侈品——需求增長快於收入增長——反彈效應會更明顯。劍橋大學的克里斯蒂娜·佩尼亞斯科和勞拉·迪亞茲·阿納東研究了英國家庭隔熱情況，發現反彈效應對貧困家庭的影響更大，因為富裕家庭的溫度已經接近他們想要的溫度。
因此，基於傑文斯悖論支援人工智慧並不是押注於技術的效率，而是押注於需求水平。
2、DeepSeek時刻=新斯普特尼克時刻
DeepSeek-R1的釋出被視為美國的“新斯普特尼克時刻”，標誌著全球AI競賽的升級。然而，與太空競賽不同的是，AI領域的競爭更加開放和多元化。NVIDIA雖然目前處於領先地位，但其依賴的硬體優勢可能被演算法創新和開源生態所顛覆。如果NVIDIA無法適應這一變化，其市場地位可能面臨嚴峻挑戰。
“新斯普特尼克時刻”是一個比喻，用來形容某個國家或領域在科技、軍事或其他關鍵領域突然遭遇外部挑戰，從而激發其重新審視自身戰略並加速投入以應對競爭的時刻。這個比喻源自1957年蘇聯成功發射斯普特尼克1號（Sputnik 1），這是人類歷史上第一顆人造衛星。“新斯普特尼克時刻”借用了這一歷史事件，用來形容某個國家或領域在面臨外部競爭或技術突破時，意識到自身可能落後，並因此激發強烈的危機感和行動力。這種時刻通常伴隨著政策調整、資源投入和技術創新的加速。
中國公司DeepSeek釋出高效開源AI模型DeepSeek-R1，這一成就被視為對美國在AI領域技術霸權的挑戰。類似於當年蘇聯的斯普特尼克1號，簡稱為“DeepSeek時刻”！
DeepSeek時刻可能促使美國重新評估其在AI領域的戰略，並加速相關技術的發展和投資。
3、DeepSeek時刻或打破傑文斯悖論：
首先，DeepSeek-R1的開源釋出標誌著AI模型的民主化趨勢。隨著高效、低成本的開源模型普及，AI開發的門檻大幅降低，更多企業和個人可以繞過昂貴的GPU伺服器，直接構建AI應用。這可能導致NVIDIA失去對高階GPU市場的壟斷地位，尤其是在中國市場。儘管NVIDIA的GPU仍然是訓練AI模型的核心硬體，但隨著開源模型的普及，市場對高效能GPU的依賴可能逐漸減弱。
其次，拜登政府的出口限制雖然未能完全切斷中國與NVIDIA高階GPU的聯絡，但已使這些硬體在中國變得稀缺。這種稀缺性反而催生了中國本土的創新，例如DeepSeek-R1的誕生。中國科技公司正在透過最佳化演算法和硬體利用效率，減少對NVIDIA GPU的依賴。長期來看，這種趨勢可能削弱NVIDIA在全球AI硬體市場的主導地位。
此外，DeepSeek-R1的高效性引發了對GPU伺服器投資回報的質疑。華爾街開始重新評估數十億美元的GPU伺服器投資是否值得，尤其是在開源模型能夠以更低成本實現類似效果的情況下。這種質疑可能導致NVIDIA股價的進一步下跌，尤其是在2025年1月27日的股市崩盤之後。
英偉達可能重複特斯拉21年12月的那次暴跌，特斯拉那次暴跌持續一年半，直至23年5月才結束。
更重要的是，AI行業的未來可能不再完全依賴於硬體，而是轉向演算法最佳化和邊緣計算。隨著AI模型的商品化，NVIDIA的核心競爭力——高效能GPU——可能逐漸失去其不可替代性。邊緣計算的興起將進一步分散對集中式GPU伺服器的需求，NVIDIA的市場份額可能被新興的硬體和軟體解決方案蠶食。
4、傑文斯悖論 vs. DeepSeek時刻
- 如果未來傑文斯悖論上風：那麼英偉達股票繼續扶搖直上。
- 如果未來證明現在是新DeepSeek斯普特尼克時刻：那麼演算法不斷創新、開源生態擴大、大量普通晶片都可以執行DeepSeek-R1，那麼英偉達股票狂跌一年也是可能，這證明了大模型領域沒有護城河。
最後一點：有可能基於英偉達晶片運算的超級模型已經存在，比如chatgpt5，只是沒有對外開放，因為這需要更多硬體才能提供線上服務，但是openAI使用這個超級模型蒸餾各種專業博士生模型，超級大學教授指導各個專業博士生，這些博士生模型再對外開放，這樣的模型更便宜成本更低。
因此，原來以超級模型計算的英偉達晶片需求在這種蒸餾強化學習背景下，肯定大大飽和了。這也是未來一年超級模型軟體為王的時代。
英偉達跌一年也是未嘗不可，一年後，硬體晶片在光和銅之間有了明確成熟工藝，硬體為王時代有可能來臨，但是現在無疑是軟體為王的時刻即將到來。
自此，大模型擺脫了英偉達等硬體限制，類似火箭發射擺脫了地球引力，進入自舉階段！
網友觀點：
如果有人想打敗英偉達，唯一需要做的就是製造配備128、256、512、1024 GB視訊記憶體的GPU。不需要更快，甚至不需要很棒的工具。我們需要更多視訊記憶體。英偉達似乎不明白這一點，第一個做到的公司將會取代英偉達。