东方证券计算机行业深度报告认为，DeepSeek模型对算力市场的影响需区分训练端与推理端。推理算力方面，“杰文斯悖论”将成为主导逻辑——推理成本的大幅下降将激发AI应用的海量需求，从而带动推理算力需求更大幅度的增长。微软CEO纳德拉表示“随着AI变得更加高效和普及，使用量将激增，最终成为一种我们永远无法满足的商品”。本文基于东方证券研报，深入分析推理算力需求的长期前景。

杰文斯悖论是一条经典的经济学理论：当技术进步使某种资源的使用效率提高时，使用成本下降反而会刺激需求大幅增长，最终总消耗量不降反升。这一规律在蒸汽机时代（煤炭消耗）、内燃机时代（石油消耗）均被验证。

微软CEO纳德拉在社交平台上表示：“杰文斯悖论再次上演！随着AI变得更加高效和普及，我们将看到它的使用量激增，最终成为一种我们永远无法满足的商品。”DeepSeek-R1 API定价仅为每百万输出tokens 16元，约为OpenAI o1的1/30。成本的急剧下降将使AI推理从“大企业专用”扩展为“全民可及”，推理调用量有望呈现指数级增长。

对比训练端和推理端，推理算力的长期空间更为乐观。训练算力服务于模型厂商，数量级有限；推理算力服务于亿万终端用户，市场空间远超训练端。随着DeepSeek等低成本模型推动AI应用门槛降低，AI推理将从“精英化”走向“大众化”。

当前全球AI推理算力需求已进入高速增长期。ChatGPT等头部应用每月处理数十亿次请求，而DeepSeek上线仅18天日活就达1500万。随着更多AI应用落地、更多用户使用、更高频次调用，推理算力需求将持续攀升。推理成本的下降是算力需求增长的“催化剂”而非“抑制剂”。

DeepSeek模型通过算法创新大幅降低了训练端的算力消耗，但这一变化的影响需从结构性角度理解。短期内，训练算力需求可能因效率提升而增速放缓；但长期看，模型公司将把节约的算力投入更强大的模型训练。

推理端则呈现完全不同的逻辑。DeepSeek-R1的低成本推理（约为o1的1/30）将推动AI应用的大规模普及，从而带动推理算力需求爆发。算力需求结构将从“训练主导”逐步向“推理主导”转变。这一转变对芯片厂商的产品策略、云服务商的资源布局都将产生深远影响。

DeepSeek在使用英伟达A100、H800等性能受限芯片基础上训练出顶尖模型，引发产业对芯片限售效果的重新评估。2月1日，硅基流动与华为云联合推出基于昇腾云的DeepSeek推理服务；2月2日，DeepSeek完成海光DCU适配并正式上线。

DeepSeek的开源性以及对芯片生态要求的降低，为国产芯片进入AI算力市场创造了窗口。AMD已宣布将DeepSeek-V3集成到MI300X GPU上，表明行业生态正在从“CUDA独占”向“多平台适配”演变。如果美国进一步收紧英伟达芯片对华出口，国产芯片的份额与需求将进一步提升。

DeepSeek与OpenAI API定价对比

模型	输入定价	输出定价	输出价格倍数
DeepSeek-R1	1元/百万tokens（缓存命中）	16元/百万tokens	1x
OpenAI o1	约15美元/百万tokens	约60美元/百万tokens	约30x