AI 的下一場地震：為什麼真正的危險不是 SaaS 殺手，而是算力革命？

撰文：Bruce

最近，整個科技圈和投資界都緊盯著同一件事：AI 應用正在如何「殺死」傳統的 SaaS。自從 @AnthropicAI 的 Claude Cowork 展示了它能如何輕鬆地幫你寫郵件、做 PPT、分析 Excel 表格後，一場關於「軟體已死」的恐慌就開始蔓延。這確實很嚇人，但如果你的目光只停留在這裡，那你可能錯過了真正的大地震。

這就像我們所有人都抬頭看著天上的無人機空戰，卻沒有人注意到，我們腳下的整片大陸板塊正在悄然移動。真正的風暴，藏在水面之下，一個大多數人看不見的角落：支撐整個 AI 世界的算力根基，正在發生一場「寂靜的革命」。

而這場革命，可能讓 AI 的賣铲人：英偉達 @nvidia，精心舉辦的這場盛大派對，比所有人想像的都更早結束。

兩條正在交匯的革命之路

這場革命並非單一事件，而是由兩條看似獨立的技術路線交織而成。它們像兩支正在合圍的軍隊，對英偉達的 GPU 霸權形成了鉗形攻勢。

第一條路，是算法的瘦身革命。

你有沒有想過，一個超級大腦在思考問題時，真的需要調動所有腦細胞嗎？顯然不需要。DeepSeek 就想明白了這件事，他們搞出 MoE（混合專家模型）的架構。

你可以把它想像成一個公司，裡面養了幾百個不同領域的專家。但每次開會解決問題時，你只需要請最相關的兩三個人，而不是讓所有人一起腦力激盪。這就是 MoE 的聰明之處：它讓一個龐大的模型，在每次計算時只激活一小部分「專家」，從而極大地節省了算力。

結果會如何呢？DeepSeek-V2 模型，名義上有 2360 億「專家」（參數），但每次幹活，只需要激活其中的 210 億，連總數的 9% 都不到。而它的表現，卻能和那個需要 100% 全力運轉的 GPT-4 相媲美。這意味著什麼？AI 的能力，和它消耗的算力，脫鉤了！

過去，我們都默認 AI 越強，燒的卡越多。現在，DeepSeek 告訴我們，通過聰明的算法，可以用十分之一的成本，達到同樣的效果。這就等於直接把英偉達 GPU 的剛需屬性，打上了一個巨大的問號。

第二條路，是硬體的「換道」革命。

AI 幹活分為訓練和推理兩個階段。訓練就像上學，需要讀萬卷書，這時候 GPU 這種「大力出奇跡」的並行計算卡確實好用。但推理就像我們日常使用 AI，更看重反應速度。

GPU 在推理時有個天生缺陷：它的記憶體（HBM）是外掛的，資料一來一回有延遲。這就像一個廚師，食材都放在隔壁房間的冰箱裡，每次炒菜都得跑過去拿，再快也快不到哪去。而 Cerebras、Groq 這些公司就另起爐灶，設計了專用的推理晶片，把記憶體（SRAM）直接焊在晶片上，食材就放在手邊，實現了「零延遲」存取。

市場已經用真金白銀投票了。OpenAI 一邊抱怨英偉達的 GPU 推理不行，一邊轉頭就和 Cerebras 簽了個 100 億美元的大單，專門租用他們的推理服務。英偉達自己也慌了，反手就花了 200 億美元把 Groq 收了，為的就是不在這條新賽道上掉隊。

當兩條路交匯：成本雪崩

好了，現在我們把這兩件事放在一起：用一個算法上「瘦過身」的 DeepSeek 模型，跑在一個硬體上「零延遲」的 Cerebras 晶片上。

會發生什麼？

一場成本的雪崩。

首先，瘦身後的模型很小，可以一次性全部裝進晶片自帶的記憶體裡。其次，沒有了外部記憶的瓶頸，AI 的反應速度會快得驚人。最終的結果是：訓練成本因 MoE 架構下降了 90%，推理成本因專用硬體和稀疏計算再下降一個數量級。算起來，擁有和運行一個世界級 AI 的總成本，可能只有傳統 GPU 方案的 10%-15%。

這不是改良，這是範式轉移。

英偉達的王座，正在被悄悄抽掉地毯

現在你應該明白，為什麼這比「Cowork 恐慌」更致命了。

英偉達今天幾萬億的市值，建立在一個簡單的故事上：AI 是未來，而 AI 的未來必須靠我的 GPU。但現在，這個故事的根基正在被動搖。

在訓練市場，就算英偉達繼續壟斷，但如果客戶用十分之一的卡就能幹活，那這個市場的總體規模也可能大幅縮水。

在推理市場，這個比訓練大十倍的蛋糕上，英偉達不僅沒有絕對優勢，還面臨著 Google、Cerebras 等各路神仙的圍剿。連它最大的客戶 OpenAI 都在叛逃。

一旦華爾街意識到，英偉達的「鐮刀」不再是唯一的、甚至是最好的選擇時，建立在「永久壟斷」預期上的估值，會發生什麼？我想大家都很清楚。

所以，未來半年最大的黑天鵝，可能不是哪個 AI 應用又幹掉了誰，而是一則看似不起眼的技術新聞：比如一篇關於 MoE 算法效率的新論文，或者一份顯示專用推理晶片市場份額大增的報告，悄悄宣告了算力戰爭進入新階段。

當「賣铲人」的鐮刀不再是唯一選擇時，屬於他的黃金時代，可能也就結束了。