DeepSeek 的大语言模型（LLM）因其在性能上接近 ChatGPT ，但成本却大幅降低而受到关注。市场的即时反应褒贬不一。虽然数据训练成本，比如数据标注和归类等方面的成本可能没有体现出来，而这部分成本由政府支持，但 DeepSeek 在训练效率和低成本方面的优势依然十分明显。
DeepSeek 能否助力中国芯片制造？
中国的存储芯片或已具备成本竞争力：假设中国政府对构成总成本很大一部分的固定成本提供支持，那么与同行相比，中国已能实现有竞争力的成本。例如，2024 年第一季度 DRAM （动态随机存取存储器）每 Gb （千兆字节）的价格为 $0.34 ，此时高价的 HBM （高带宽存储器）对平均售价的影响较小。而韩国 DRAM 的总成本大约为售价的 67% ，约为 $0.23 ，在不计固定成本的情况下，中国的成本可能低至 $0.20 。（不过，中国的固定成本远高于韩国。）
高效的软件为低端硬件打开市场：中国的策略是通过规模优势弥补与竞争对手在性能上的差距。华为最新的 GPU —— Ascend 920 支持 HBM2 和 HBM2e ，而这些对于行业同行来说已是两年前的标准，并未采用最新的 HBM3 或 HBM3e 。然而，正如 DeepSeek 所展现的那样，该产品在某些推理领域仍具备竞争力。
2025-2026 年将是竞争格局最关键的时期，核心问题在于低成本和高效率的可持续性。在设备、劳动力和资本这三大要素中，设备是最关键的瓶颈。然而，我们惊讶地发现，Naura（北方华创）最新的低温刻蚀机已为 YMTC（长江存储）投入量产 。考虑到中国在 HBM 等新产品供应链上的全面布局，短期内其可持续性似乎较为稳固。