【TechWeb】3月7日消息，DeepSeek通過技術創新降低了對GPU等硬件的依賴，以更低的算力需求實現了世界一流的模型性能，這是其突然全球爆火的原因之一。

按理說，DeepSeek的出現打破了全球人工智能行業里“拼算力煉模型“的固有思維，一味“堆算力”并非大模型發展最優解了。

但是，現實卻是，DeepSeek在全球現象級大熱后，國內更多大廠都加大了對AI算力等基礎設施的投入。

這背后是哪些考量呢？

AI軍備競賽升級

DeepSeek-R1出現后，全球云服務廠商幾乎都第一時間選擇上架DeepSeek-R1，以提供給自己的客戶更優的模型，在云算力上也給予的大力扶持。

2月5日，百度智能云在官方公號發文稱，近日成功點亮昆侖芯三代萬卡集群，這也是國內首個正式點亮的自研萬卡集群。此外，百度智能云還將進一步點亮3萬卡集群，百度通過自研芯片和大規模集群的建設，除了解決自身算力供應的問題外，還能為整個行業提供新的思路和方向。

2月18日，在百度發布2024年第四季度及全年財報后的財報電話會議上，百度代理CFO何俊杰在回答分析師提問時表示：在評估2025年的資本配置選項時，我們將繼續把提升人工智能能力作為長期戰略重點進行投資。

2月20日，在阿里巴巴2025財年三季報電話會上，阿里巴巴集團CEO吳泳銘更是直接宣告了加大投資AI基礎設施建設的數字：未來3年在云和AI基礎設施上的投入預計將超越過去10年總和。

另據新華社2月22日報道，國務院國資委近日召開中央企業“AI+”專項行動深化部署會。會議要求，中央企業在編制企業“十五五”規劃中要將發展人工智能作為重點，同時要加大相關資金投入，持續壯大發展人工智能產業。會議指出，中央企業要夯實算力基座，為技術突破、應用落地提供有力支撐。

據IDC與浪潮信息聯合發布的《2025年中國人工智能計算力發展評估報告》預計，2026年中國智能算力規模將達到1460.3EFLOPS，為2024年的兩倍。

整體看來，從政策層面到企業層面，對AI算力、數據中心等算力基礎設施的投入和建設都開啟了新一輪的增長。

事實上，經過多年投入，國內以阿里、百度等為代表的互聯網廠商已經初步建成了從基礎設施到大模型平臺再到AI原生應用的閉環布局。

在DeepSeek效應的推動下，大廠們開始加碼對AI及算力基礎設施的投入，進入新一輪AI軍備競賽，這背后是對AI應用將進入全面爆發期的預判。

AI應用普及，將帶動推理算力需求爆發

大廠們認為，這一輪AI算力基礎設施建設將要應對大模型推理算力需求的暴漲。

DeepSeek的出現重構了行業競爭格局，其開源策略和低成本優勢（DeepSeek將大模型推理成本壓縮了97%）讓更多下游應用公司有機會涉足大模型業務。其開源理念打破了技術壁壘，讓開發者能輕松獲取資源，針對自身業務定制開發，這無疑大大助力和推動了大模型在各行業落地。例如政務服務、智能制造等領域加速部署大模型，帶動云端推理算力需求增長?。

近日，阿里云智能集團副總裁、數據庫產品事業部負責人李飛飛在2025阿里云PolarDB開發者大會上就強調，大模型熱潮上半場主要聚焦于大模型的訓練和優化，而更為精彩的下半場即將拉開帷幕，即AI在各行各業的深入落地，隨著人工智能應用的廣泛使用，大模型推理將無處不在。

因此，為應對大模型應用推理需求的爆發，企業加大算力基礎設施建設就成為水到渠成的事情。

德勤中國技術與轉型部門技術戰略與轉型服務全國主管合伙人劉俊龍談道：“我們在手機上用DeepSeek的時候，經常出現服務斷掉的情況。這從另外一個角度說明，即使是DeepSeek也得需要足夠的基礎設施來支撐，對應用企業而言算力基礎設施是非常重要的。”

劉俊龍向TechWeb表示，當前，對AI算力基礎設施的投資，不僅云計算廠商需要做好，應用企業自身也要做好，因為很多大型企業仍然會把自己最核心的能力保留在企業私有化環境當中。

另外，新一代AI專用芯片的誕生，使得AI模型得以嵌入個人電腦和邊緣設備，實現本地化、離線化運算。集成AI的邊緣計算設備，也是未來重要的算力基礎設施。例如，大模型一體機將成為政務與央國企部署AI的關鍵載體。

國產AI芯片迎來更多應用機會

值得注意的是，這一波AI算力基礎設施投入，“軟硬協同”也將是一大特征，國產芯片也將迎來更多機會。

在近日的2025玄鐵RISC-V生態大會上，阿里達摩院首席科學家、知合計算CEO孟建熠就認為，DeepSeek的出現，推動行業更關注底層硬件能力的適配，強調算力資源的精細化匹配，改變了過去’大炮打蚊子’式的資源浪費現象（即過度依賴高精度計算資源處理簡單任務），采用軟硬件深度融合的視角重構系統設計，通過算法與硬件的聯合優化提升整體效率，形成更高效的AI計算范式。

阿里云無影事業部總裁張獻濤進一步闡述道：“DeepSeek出來之前大家看到大模型在算力方面的需求量是極其大的。全世界真正能夠運行671B參數模型的處理器，無論是通用處理器還是加AI芯片都是極其少的，可以只有英偉達能滿足。但是DeepSeek出來之后，對于算力的要求沒有以前那么高了，也給了更多的芯片一些機會。”

例如，在DeepSeek的創新里，它通過類似于MOE的技術，讓很多算力不需要在算力卡上去做，可以在CPU里面去做，這對于CPU來說就是一個很好的機會。

此外，在DeepSeek的創新這也給芯片設計帶來啟發：包括如何在計算能力、存儲容量，以及芯片之間互聯通信、存儲帶寬等之間找到一個新的平衡點。

整體來看，DeepSeek的出現雖然通過技術創新降低了對高算力硬件的依賴，但其引發的AI應用熱潮卻促使大廠們進一步加大了對算力基礎設施的投資。這一“降”與“增”看似矛盾，實則是AI規模化落地前夜的新戰局：?誰掌控算力生態的制高點，誰就握住了下一輪AI商業化的命脈。