面对辉达股价剧烈波动，市场上传出一份黄仁勋的千字内部信，指称任何新兴力量都是对行业生命力的最佳印证，今日股价波动不是漫长征程中的一阵山风，让今日的波动成为一份礼物等语句激励员工。然而，辉达出面辟谣，这份内容是假消息。
这波AI浪潮从2022年底OpenAI推出基于大型语言模型（LLM）打造的聊天机器人ChatGPT所引爆，彻底改变了近年科技产业的生态，云端服务商（CSP）更是为了扩大AI基础建设，每季投入大量资源购买基于辉达、AMD等提供的AI晶片，所打造规模庞大的资料中心。不过，OpenAI也坦承，ChatGPT仍有出现AI幻觉（AI hallucination）的问题。
辉达执行长黄仁勋去年在一场采访表示，针对AI算力的需求每年将提升4倍，黄仁勋回应，实际上应该是更多，辉达的贡献就是将边际成本降低100万倍，但尽管AI提供的答案已经是最好的，但是用户仍须判断是否有误，黄仁勋坦言产业还需要好几年时间才能克服。
黄仁勋也在今年CES主题演讲解释，AI发展模式有三个重要领域，这围绕著「缩放定律」（scaling law），第一是前期训练（pre-training），需要搜集更多的资料，拥有的资料愈多，模型愈大，运算能力就愈强；第二，则是后期训练（post-training），将利用人类、AI的回馈强化学习，包括合成资料生成、多路径学习，AI就能高机率回应出合适的答案；第三，则是测试时间缩放（Test Time Scaling），根据不同的运算需求，灵活调整资源分配，确保在需要高精度时能投入更多算力，在简单任务时降低运算成本，提升效率。
DeepSeek 最新模型 DeepSeek R1 让市场惊艳，但外界所称的不到 600 万美元成本，实际上指的是去年 12 月发表的 DeepSeek-V3，且仅涵盖训练成本，并未计入架构、演算法、资料搜集与研究等费用。随著时间推进，建立同一代 AI 模型的成本虽呈指数级下降，但训练成本与算力需求仍会随每一代持续增加。根据缩放定律，开发更强大的 AI 模型需仰赖更高效的运算资源，辉达 AI 晶片正是关键所在，这也印证辉达的所称，需要继续发展AI，需要更多的AI晶片提供算力才能推动。
DeepSeek震撼市场的另外一个特点在于，此为开源大型语言模型（LLM），性能表现超越了闭源模型的GPT-4o与o1，表现更是追上了Meta的开源大型语言模型Llama 4，总参数量达6710亿，每次处理token将启用370亿参数，DeepSeek自主研发的MLA与MOE架构，为前身DeepSeek-V2的一部分，大幅降低了训练成本，但根据图灵奖得主、Meta首席AI科学家杨立昆指出，DeepSeek的成功并非代表中国AI发展的突破，也并非推出Transformer架构这种惊人成就，而是对于开源模型的价值再度被彰显，代表在这场AI浪潮中，只要会使用AI的企业或是个人，能提供一条更有价值的解决方案，都能从中受惠。
除了辉达，AMD 也积极争取 AI GPU 市场，并强调 AI 推论应用的关键性。AMD 先前宣布，将 DeepSeek-V3 整合至 Instinct MI300X GPU，该模型专为 AI 推论设计，能优化计算效率并降低成本，提升 AMD 在 AI 领域的竞争力。DeepSeek-V3 由 SGLang 软体架构支援，可无缝整合文字与视觉数据处理，为 AI 生产力树立新标准，赋能开发者打造高效 AI 应用。AMD 进一步说明，DeepSeek-V3 的开发仰赖 ROCm 软体与 Instinct GPU 加速器，其中 ROCm 平台支援 FP8（8 位浮点数），可有效降低资料传输延迟并提升推论效能。透过与 DeepSeek 团队的紧密合作，AMD 期望推动 AI 创新，挑战辉达在 AI 晶片市场的主导地位。然而，市场反应不一，主要因 AI GPU 仍有高达 90% 由辉达供应，AMD 虽积极布局，但要缩小与辉达的差距，仍需时间与更多市场验证。
點擊閱讀下一則新聞
