DeepSeek 引領低成本 AI 推理模型崛起，微軟、Google 為何仍加碼投資基礎建設？

隨著中國新創 DeepSeek 在 1 月下旬推出訓練成本更便宜的 AI 推理模型 R1，引發了美中 AI 產業生態的震動，原本引發了晶片商例如 NVIDIA 的晶片需求是否會趨緩的疑慮，然而從多家媒體報導與各大企業最新財報顯示，這些科技巨頭非但沒有縮手，反而在 2025 年加碼擴大投資規模。

這股資本洪流何以不減反增？

DeepSeek 低成本高效能撼動市場

一家來自中國的人工智慧新創實驗室 DeepSeek，先前一直默默進行大型語言模型研究，直到 2025 年 1 月下旬推出 R1 模型後才一鳴驚人。該公司宣稱，R1 模型不僅可在推理能力方面與美國企業所開發的領先系統相匹敵，而且在訓練成本上大幅降低，甚至不需要採用最新一代的尖端繪圖處理器。此舉引發全球市場譁然，特別是在美國科技產業界占有關鍵地位的晶片製造商，股價也應聲重挫。根據 CNBC 報導，DeepSeek 的 R1 發表當天，繪圖處理器巨頭輝達市值曾單日蒸發 600 億美元，該公司股價之後雖局部回升，但市場疑慮並未完全消除。

普遍分析認為：DeepSeek 的出現意味著長期以來被視為高門檻、高資本投入的 AI 模型訓練過程，未必只有資金與晶片規模龐大的公司才能掌控。Bain & Company 在一份研究中指出，若更多技術團隊能以降低成本、開源方式打造高效率模型，就可能顛覆過去「只有巨額投資才有機會在 AI 領域勝出」的想像。Wedbush 在最新報告中進一步表示，低成本高效能的模型若普及，或許會開啟新一輪的供需循環，讓整體 AI 市場需求更蓬勃，促使更多潛在應用得以實現。

即便也有業界人士對 DeepSeek 的技術含金量、開放程度抱持審慎態度，認為仍有待長期實際驗證，但不可否認，該公司已在市場話語權上成功打響名號。

2025 年 AI 支出再創新高

DeepSeek 的橫空出世，一度引發外界猜測，美國四大科技巨頭是否會重新評估其龐大的 AI 資本支出計畫。事實卻並非如此，多方資料顯示：微軟、亞馬遜、Alphabet（Google 母公司）與 Meta 反而在 2025 年進一步加大投資力道。

根據金融時報報導，微軟、Alphabet、亞馬遜與 Meta 在 2024 年的資本支出總額高達 2,460 億美元，相較 2023 年約 1,510 億美元的水準大幅成長 63%。如今，這些企業預期 2025 年資本支出將可能超過 3,200 億美元，增幅驚人。

Alphabet 執行長 Sundar Pichai 在最近一次財報會議中表示，Google 2025 年約 750 億美元的資本支出主力，將是滿足 AI 研究需求與加速資料中心建設；微軟執行長 Satya Nadella 也在達沃斯論壇上直言，將投入約 800 億美元擴大 Azure 雲端基礎設施，更重申早先與 OpenAI 合作的關鍵：若此時放慢腳步，恐會錯失 AI 潛力大爆發的先機。

而亞馬遜執行長 Andy Jassy 也在最近的財報會議上表示：2025 年公司資本支出將達到或超過 1,000 億美元，與 2024 年相較，至少成長 20%──大部分資金用於擴建亞馬遜雲端服務（AWS）的資料中心與伺服器。儘管財報數字不如市場期待、股價一度下跌 4%，Jassy 依然強調 AI 可能帶來與網路發展同樣的重大變革，亞馬遜絕對不會錯失這樣的市場機會；Meta 則在前次財報中透露，2025 將持續加碼 AI 投資，資本支出有機會到 600 至 650 億美元之間，執行長 Mark Zuckerberg 更透露，未來還會有「數千億美元」規模的部署，主要著眼於演算法優化、廣告投放效率提升等應用。

▲ 美國科技巨頭的資本支出屢創新高。

成本降低催生 AI 普及化

AI 目前仍處於爆炸性的成長期，隨著 DeepSeek 等業者的技術顯示大規模模型訓練成本正出現下降趨勢，企業若提早完成雲端與運算能量的布局，未來當 AI 應用全面擴散時，勢必有更強的競爭力來支援全球需求。雖然市場仍然有「高支出還看不到回收」的擔憂狀況，但假設 AI 相關應用帶來的可見收益一旦飛漲，投資人勢必會回心轉意──況且這些科技公司的本業仍然風生水起。

即便 Google 引入生成式 AI 輔助搜尋引擎時、面臨可能稀釋廣告收益的風險，但事實上，該公司在 2024 年底廣告營收仍達 540 億美元並持續成長，顯示市場對其搜尋廣告需求依舊強勁。整體來看，微軟、Alphabet、亞馬遜與 Meta 等超大型企業的投資金額，更是遠遠拋開標普 500 其他公司。據 Société Générale 資料，這些科技領頭羊在 2024 年的資本支出成長率達 40%，相比於其餘標普企業的 3.5%，差距十分明顯。

財富雜誌報導則強調：亞馬遜在 2024 年創下單季 200 億美元的營利紀錄，讓 Jassy 在 2025 年可大膽宣示擴張 AI 基礎建設，AWS 在 2024 年度第四季營收達到 288 億美元，營業利益約 106 億美元，毛利相當可觀，再加上亞馬遜快速成長的廣告業務，也因此他們的資本支出擁有更多餘裕。當 AI 模型走向低成本、高效率，也勢必會有更多企業將其服務導入實際應用，從金融、製造到零售、教育皆有機會搭載 AI 助手以提高生產力或優化消費者體驗。RBC Capital Markets 的分析師 Rishi Jaluria 直言，假使 AI 需求未來持續往上走，現在停止基礎建設擴充，勢必會在高峰期到來時錯失商機。

雲端獲利挑戰與 AI 泡沫疑慮

不過，微軟和 Alphabet 最新一季財報中，雲端服務成長幅度低於市場預期，一方面是由於對雲端服務的需求放緩，另一方面則是維持 AI 集群的成本不斷攀升，資本開銷飆漲下，短期內難以立竿見影、帶來等值營收。Bernstein 的分析顯示，眼下雲端需求尚未明顯回升，若想要看到 Copilot 或 Google Gemini 這些 AI 技術為企業帶來大幅盈利，尚需時間驗證。

同時，由於 DeepSeek 和其他新創企業陸續在開發更節能、高彈性的開源模型，有人擔心大企業將大量資金投入大模型的研究，卻可能遇上技術演進方向與自家研發布局錯位的風險。若未來大幅降價甚至免費的開源模型普及，企業花在昂貴計算資源上的錢，可能反而耽誤市場反應的速度。另外，Wedbush 與 Morningstar 均在報告中提到，隨著 AI 在各行各業陸續落地，雖然需求上升看似樂觀，但若技術成本快速下滑，AI 競爭環境將更激烈，也有機會引爆類似「AI 泡沫」的擔憂。

此外，微軟等公司固然在應用生成式 AI 強調「只要價格下降，用戶規模就會擴增」，卻有投資者認為從營收角度來看，若低價刺激用戶，短期也難以大幅提升利潤。再者，正值美中貿易摩擦陰影籠罩，不確定的關稅與出口管制變數，可能影響在中國生產與供應鏈布局的企業成本。亞馬遜方面在 2024 年第 1 季財測不如預期時，有分析認為與總統川普祭出對中國的新關稅也許有關──儘管亞馬遜官方並未證實。

▲ 現在還是付出與收入不對等的時期。（Source：Statista）

軟銀與 OpenAI 的世紀交易

另一焦點則是曾有「投資之神」之稱的軟銀集團董事長孫正義，與 OpenAI 執行長 Sam Altman 間的世紀合作：根據金融時報報導，SoftBank 近期領銜與 OpenAI 進行總額可能高達 400 億美元的募資，將使日本投資人主導全球最大的新創投資案之一。兩人更計劃攜手推動名為「Stargate」的 5,000 億美元 AI 資料中心專案，藉此打造 OpenAI 的專屬雲端基礎設施。就現有資訊來看，孫正義或將由此抓住成為 AI 中心樞紐的機會，同時讓 OpenAI 擺脫過度依賴微軟資源的風險。

軟銀過往在一系列網路創投中都曾迎來高額回報，但也面臨像 WeWork 這類高額失利案例──動輒千億美元的建設看似美好，但假設最終創造的需求不足，這些需要大量投資與硬體更新的資料中心，可能會面臨「養蚊」化的後果。且 DeepSeek R1 已經做出示範：若能以更精巧的算法與硬體協作，昂貴的硬體競賽未必是贏家唯一模式。更精確地說，硬體的優勢的確可以帶來一定的武裝能力，但最終 AI 的需求是需要應用帶起來的，算力競賽不見得是最終贏家的必要條件之一。

事實上，DeepSeek R1 已經證明，小型新創團隊能以更精巧的算法與硬體協作，昂貴的規模競賽未必是贏家唯一模式。另一方面，許多投資人也認為，孫正義具備深厚布局晶片設計公司 Arm 的先例，若能與 OpenAI 新成立的日本合資公司協同發展，或在軟硬體生態系形成協同效應。

推理時代的廣大潛能

根據 CNBC 報導來看，幾家小型 AI 晶片廠商都對 DeepSeek 帶來的影響積極看待：認為 DeepSeek 的小型開源模型路徑，有助於加快 AI「推理」應用的普及。

Cerebras Systems 執行長 Andrew Feldman 表示，該公司提供與輝達 GPU 不同的運算解決方案，DeepSeek R1 發表後，他們的雲端服務需求量出現重大增長；AI 晶片新創 d-Matrix 執行長 Sid Sheth 也指出，R1 模型證明更少參數也能達到高效率推理，讓客戶紛紛加快導入計畫；Etched 的共同創辦人兼營運長 Robert Wachen 進一步補充，越來越多企業希望取得專門的推理晶片，用於處理「思考」所需的大量運算，R1 的誕生剛好為此注入催化劑。對於小型晶片業者而言，這代表未來除大型訓練集群外，推理集群的需求也將蓬勃發展，整體市場蛋糕正在逐步放大。

Morningstar 分析師 Phelix Lee 指出，AI「訓練」是建構演算法的階段，通常需要強大但昂貴的硬體；「推理」則是在完成模型後協助人類處理各類預測與決策應用，推理需求的暴增，正是許多新創晶片公司看好的藍海。Groq 執行長 Sunny Madra 則認為：他相信全球對 AI 計算的需求只會愈來愈強，NVIDIA 雖有強勢領導地位，但也無法獨力供應所有市場，這反而給其他開發推理晶片的業者提供更多成長空間。

DeepSeek 以相對低成本推動創新，的確引發市場對大型模型經濟效益的質疑，也喚醒外界對開源模型崛起可能改變產業布局的想像。然而，從微軟、Alphabet、亞馬遜、Meta 乃至於軟銀與 OpenAI 的積極動作來看，超大型企業依舊堅信通往 AI 未來的鑰匙，在於超前部署的運算基礎設施與演算法研發──雖然大家都知道推理是 AI 最重要的階段，但這個階段的普及應用在何方至今尚未有譜。

（首圖來源：pixabay）