DeepSeek大幅降价，意在重塑AI硬件生态

近日，DeepSeek宣布，自6月1日起将其旗舰大模型API价格永久下调75%。这一举措在人工智能领域引发广泛关注。据亚马逊AWS新加坡区域生成式AI技术负责人Girish Dilip Patil撰文分析，此举并非单纯的价格战，而是旨在降低大模型对顶级AI硬件的依赖，进而重构人工智能产业链的价值分配。该分析在X平台传播后，也获得了知名AI博主Rohan Paul等人的认同。

据Girish Dilip Patil透露，DeepSeek的核心战略在于打破“AI必须依赖最顶级GPU”的行业惯例。此前，大语言模型对内存带宽和算力要求极高，使得英伟达、SK海力士、三星电子和美光等GPU与高带宽内存（HBM）供应商成为主要受益者。而DeepSeek通过优化模型架构，刻意减少了对高端硬件的需求。其商业逻辑在于：硬件门槛降低可吸引更多供应商入局，加剧市场竞争并压低整体成本；随后通过降低API价格吸引更多开发者，最终随着应用规模扩大，反向拉动数据中心、存储及散热等基础设施的需求。

在技术层面，大模型推理时的上下文信息通常存储在KV Cache中，高度依赖昂贵的HBM。据相关分析，DeepSeek V4采用了混合专家模型（MoE）等多种架构设计，有效提升了长文本处理效率并降低了内存占用。当KV Cache被压缩后，部分推理任务可转移至固态硬盘（SSD）、闪存（NAND Flash）或低功耗内存（LPDDR）等低成本介质上，从而减少了对HBM和顶级GPU的绝对依赖。

这一技术路径对中国本土AI供应链具有重要意义。目前，国产GPU及AI芯片与英伟达最先进产品仍存在一定差距。如果大模型向低内存占用和异构计算方向演进，本土企业便有机会在推理、缓存及存储调度等环节切入市场。这不仅为国产GPU、服务器及异构计算架构提供了发展空间，也可能在未来改变高度集中于GPU和HBM供应链的利润分配格局。

此外，DeepSeek的降价策略被视为一种生态构建手段。通过大幅降低API价格，企业与开发者的试错成本显著下降，有利于快速扩大模型应用规模并建立技术标准。这种通过低成本快速占领市场并逐步确立产业主导地位的模式，表明其长远目标或在于掌握下一代AI基础设施的话语权。