云端AI算力需求增长依旧强劲，正从训练侧单极驱动转向训练与推理双轮驱动。联储证券半导体策略报告指出，2025年北美四大CSP合计CapEx有望超过3200亿美元（同比增长40%以上），推理芯片占比预计2025年达60.8%。DeepSeek的出现促使国产软硬件进一步结合，构建国产AI产业链的良性循环体系。

Scaling Law最早由OpenAI于2020年提出，描述模型性能与参数量、算力投入和训练数据量之间的幂律关系。自2010年后，AI模型参数数量以平均每年2倍的速度提升，算力投入以每年4.6倍速度增长。Grok-3于2025年2月发布，在xAI的Colossus数据中心（20万GPU集群）上训练完成，在AIME和GPQA等基准测试中超过DeepSeek-V3和GPT-4o。Grok-3的出现证实Scaling Law仍在发挥效用，AI训练的“大力出奇迹”还在延续，鼓励各AI研究机构继续加大算力投入。

清华大学和卡内基梅隆联合研究团队展示了推理Scaling Law的有效性——随着每个问题的推理算力增加，测试误差率显著下降。OpenAI的o1模型随强化学习（train-time compute）和思考时间（test-time compute）增加性能持续提高；DeepSeek R1-Lite在数学竞赛上的得分与思考长度紧密相关。后训练阶段的RL和推理阶段的test-time compute正接近“性能弹性”最大的阶段。据IDC数据，2020年中国数据中心推理芯片市场份额已超50%，预计2025年将达60.8%。

2024Q4北美四大CSP合计CapEx达723.48亿美元，同比增长68.22%；2024年全年合计CapEx达2285.44亿美元，同比增长54.87%。2025年亚马逊CapEx将增至1000亿美元，Meta为600-650亿美元，微软800亿美元用于AI数据中心，谷歌预期750亿美元（+43%）。综合预计2025年合计CapEx有望超3200亿美元，同比增长40%以上。CSP持续投入主要基于：AI技术领先的商业先发优势、杰文斯悖论下算力需求不降反升、推理端算力与收入挂钩回报率提升。

TrendForce数据显示，2024年整体服务器产值约3060亿美元，其中AI服务器产值约2050亿美元。预计2025年AI服务器产值有望提升至2980亿美元，同比增长44.96%，占整体服务器产值比例提升至7成以上。EpochAI数据显示，芯片在AI训练成本中占比显著——Gemini 1.0 Ultra和GPT-4中芯片成本占比均超40%，OPT-175B和GPT-3 175B中接近50%。随着模型规模增大，AI芯片的重要性愈发凸显。

DeepSeek通过算法、架构、工程的软硬件协同创新，以有限算力实现性能比肩顶尖国外模型，印证了软硬协同突破算力瓶颈的有效性。国产算力资源仍然稀缺，随着国产AI大模型持续发展，国产算力缺口依旧较大。当前是软硬件协同实现国产算力芯片突破的关键窗口期——DeepSeek-R1发布后国产硬件厂商快速接入，华为昇腾、海光、寒武纪、燧原等纷纷完成适配。推理芯片占比提升叠加CSP对ASIC需求增长，预计持续为国产算力芯片创造发展动能。