芯片数据摸底还得靠 SemiAnalysis！今天最新这篇提到了 DeepSeek 拥有的 GPU 数量不是某些人声称的 50,000 个 H100，而是 10,000 个 H800 和约 10,000 个 H100，剩下 30,000 左右的 H20，这是 Nvidia 在出口管制法案之后为中国市场定制的。 SemiAnalysis 的分析表明，DeepSeek 的服务器 CapEx

芯片数据摸底还得靠 SemiAnalysis！今天最新这篇提到了 DeepSeek 拥有的 GPU 数量不是某些人声称的 50,000 个 H100，而是 10,000 个 H800 和约 10,000 个 H100，剩下 30,000 左右的 H20，这是 Nvidia 在出口管制法案之后为中国市场定制的。

SemiAnalysis 的分析表明，DeepSeek 的服务器 CapEx 总额接近 13 亿美元，这些 GPU 由 High-Flyer 和 DeepSeek 共享，它们被用于交易、推理、训练和研究！

文章中最有趣的观点就是 AI 模型产业与芯片产业的类比，就像在最新一期的 Indigo Talk 中提到的 - 大模型正在商品化，与芯片制造工艺迭代逻辑类似。

1. 前沿能力带来超额利润

- 在芯片产业里，最先进制程（比如台积电领先的 3nm、2nm）往往拥有高额的毛利率。做“落后一代制程”的代工厂只能打价格战；

- 在大模型市场，“前沿水平的推理/生成能力” 同样可以定更高的价格，为早期付费用户提供独家或高质量服务，进而获得溢价；

2. 快速迭代与淘汰

- 芯片工艺每一代很快就更新，AI 模型同理，更新迭代速度越来越快 —— 谁能最先推出下一代“推理/思考”能力，谁就能够暂时占领高端市场；

- 同时，过往一代的技术不会立即消失，会在某些场景继续存在，但利润和售价往往走低，与新一代“前沿能力”拉开差距；

3. 规模、效率与摩尔定律 / 算力扩张的矛盾

- 芯片制造商要通过更精细的工艺（规模效应）推动晶体管数量的指数增长。但越是先进制程，研发与设备投入越是惊人；

- AI 模型也在追求“更大规模”与“更高效率”的矛盾：一方面大家想训练更大的模型来突破能力上限，另一方面也在积极提升训练/推理效率、降低成本；

- Jevons 悖论：当每次训练或推理变得更便宜时，模型推理调用量会激增，总体算力需求反而上升（如同手机、云计算普及后算力需求的爆炸式增长）。

4. 技术领先者的地位与盈利

- 芯片代工龙头（TSMC）之所以能持续保持高盈利，在于其维持了对下一代工艺节点的快速投入和良率领先，使竞争对手短期很难追上；

- 大模型赛道里，OpenAI、Google、Anthropic、Meta 等会通过持续大规模资金投入在新一轮“算法+算力”中领先。如果哪家公司短暂落后，就必须以降价或开放等策略跟进；

因此，AI 模型的商业化进程很可能出现类似芯片产业的“前沿与追随”并存格局：

- “前沿模型” 依靠新一代推理能力赚取高额利润；
- “追随模型” 则以相对较低价格抢占中低端或更多场景市场；
- 双方都持续增长对算力（GPU 等硬件）的需求，进一步刺激芯片企业的发展。

最后总结下对 Nvidia 的影响：

- 短期内：DeepSeek 等高效模型的出现非但不会削弱 GPU 需求，反而加剧争抢，Nvidia 的 H100/H200 价格和市场需求高企；

- 中长期：前沿模型升级与新一轮“能力竞赛”将继续扩大整体算力需求，Jevons 悖论带动 GPU 采购量不降反升，维系甚至增进 Nvidia 在 AI 训练/推理硬件领域的盈利地位；

- 只要有足够的前沿芯片投入市场，在短期内很难被其它产品或自研 ASIC、国内 GPU 芯片替代，Nvidia 将保持对 AI 训练/推理硬件市场的统治地位；

- 出口管制对中国买家采购 Nvidia 高性能芯片会带来一定阻力，但市场仍会尽可能在政策缝隙中购入高端硬件，或转向 Nvidia 专为中国市场推出的“缩水版”高端产品，整体需求依旧旺盛；

从 Semianalysis 这篇报道的观点出发，高效 AI 模型并不会让 Nvidia 的市场萎缩，反而更可能助推 Nvidia 的先进 GPU 需求和全球出货量持续上行。