在科技界的聚光灯下，英伟达CEO黄仁勋于GTC 2025大会上再度成为焦点。尽管近期英伟达股价遭遇重创，触及十年低点，但黄仁勋依旧以一身标志性的皮衣亮相，信心满满地展示着公司的最新GPU技术。
回顾今年二月，DeepSeek的横空出世在AI领域掀起了波澜。这一由中国团队打造的产品，仅凭少量低端GPU（以A100为主）便成功“蒸馏”出高端GPU（如H100）级别的性能，令业界哗然。一时间，“规模定律”（Scaling Law）的传统观念受到挑战，即模型参数量、数据集大小和训练成本不再被视为越多越好。过去，谷歌、meta、微软等科技巨头不惜重金采购H100芯片，以期在算力上占据优势。而今，DeepSeek的出现似乎打破了这一僵局，使得无需庞大算力也能训练出媲美OpenAI GPT的大模型。
网络上关于DeepSeek或将导致英伟达走向衰落的言论甚嚣尘上，尤其在海外社交媒体上，此类观点迅速传播。有网友直言“英伟达的一切都将开始瓦解”，这一期间，英伟达的股价频繁出现大幅下跌，单日跌幅达13%、17%已不足为奇。
然而，另一种声音则认为，从长远来看，DeepSeek的成功反而对英伟达有利。毕竟，DeepSeek虽降低了训练大模型的门槛，但仍需计算卡支持。A100计算卡，正是英伟达的产品之一。随着入场玩家增多，市场对算力的总体需求或将上升，英伟达作为全球最大的GPU供应商，有望售出更多计算卡。训练超大模型仍需H100等高性能计算卡集群，这似乎陷入了一个“先有鸡还是先有蛋”的循环。
在GTC 2025大会上，黄仁勋终于亲自回应了DeepSeek带来的冲击。他首先对DeepSeek表示赞赏，称其为“卓越的创新”和“世界级的开源推理模型”，并不解为何外界会将DeepSeek视为英伟达的威胁。
针对Scaling Law的讨论，黄仁勋提出了自己的见解。他将Scaling Law细分为预训练（PRE-TRAINING SCALING）、后训练（POST-TRAINING SCALING）和测试时缩放（TEST-TIME SCALING）三个阶段，强调随着AI的发展，对算力的需求将持续增长。他提出，AI的发展分为感知人工智能、生成式人工智能、代理人工智能和未来物理AI四个阶段，当前正处于代理人工智能阶段，对算力的需求尤为迫切。
黄仁勋指出，推理模型在运行时，token的消耗量激增。他比喻道，不仅需要提升token的吞吐量十倍，还需过去十倍的算力来加速token的输出，最终所需算力将是原先的百倍。相较于传统的生成式模型，推理式模型如DeepSeek R1，在推理过程中会消耗更多token，这成为算力需求增长的关键因素。
事实上，英伟达GPU的销量并未因DeepSeek的出现而下滑。据彭博社报道，OpenAI计划在“星际之门”项目中建立一个可容纳40万个英伟达AI芯片的数据中心，这将是全球最大的AI算力集群之一。马斯克旗下的xAI、meta以及国内的阿里、小米、腾讯等公司也在积极部署算力，而这些公司的显卡供应商大多是英伟达。在个人本地部署领域，DeepSeek R1虽然降低了训练门槛，但对算力的要求依旧不低，高性能硬件仍是提高推理速度的关键。
英伟达推出的DGX Spark虽然定位为可用于本地部署的AI电脑，但其性能却令人不敢恭维。其128GB内存和273GB/s的带宽，对于运行大多数32B模型来说，推理速度可能只能达到2-5 tokens/s，难以满足推理模型的需求。这或许意味着，DGX Spark的存在更多是为了衬托更强大的DGX Station。
英伟达在GPU领域的领先地位依旧稳固，但真正缺乏的是对消费者的诚意。面对市场的变化和挑战，英伟达需要拿出更多具有诚意的产品，而非仅仅依靠贩卖焦虑来维持投资者的信心。
