面對輝達股價劇烈波動，市場上傳出一份黃仁勳的千字內部信，指稱任何新興力量都是對行業生命力的最佳印證，今日股價波動不是漫長征程中的一陣山風，讓今日的波動成為一份禮物等語句激勵員工。然而，輝達出面闢謠，這份內容是假消息。
這波AI浪潮從2022年底OpenAI推出基於大型語言模型（LLM）打造的聊天機器人ChatGPT所引爆，徹底改變了近年科技產業的生態，雲端服務商（CSP）更是為了擴大AI基礎建設，每季投入大量資源購買基於輝達、AMD等提供的AI晶片，所打造規模龐大的資料中心。不過，OpenAI也坦承，ChatGPT仍有出現AI幻覺（AI hallucination）的問題。
輝達執行長黃仁勳去年在一場採訪表示，針對AI算力的需求每年將提升4倍，黃仁勳回應，實際上應該是更多，輝達的貢獻就是將邊際成本降低100萬倍，但儘管AI提供的答案已經是最好的，但是用戶仍須判斷是否有誤，黃仁勳坦言產業還需要好幾年時間才能克服。
黃仁勳也在今年CES主題演講解釋，AI發展模式有三個重要領域，這圍繞著「縮放定律」（scaling law），第一是前期訓練（pre-training），需要搜集更多的資料，擁有的資料愈多，模型愈大，運算能力就愈強；第二，則是後期訓練（post-training），將利用人類、AI的回饋強化學習，包括合成資料生成、多路徑學習，AI就能高機率回應出合適的答案；第三，則是測試時間縮放（Test Time Scaling），根據不同的運算需求，靈活調整資源分配，確保在需要高精度時能投入更多算力，在簡單任務時降低運算成本，提升效率。
DeepSeek 最新模型 DeepSeek R1 讓市場驚艷，但外界所稱的不到 600 萬美元成本，實際上指的是去年 12 月發表的 DeepSeek-V3，且僅涵蓋訓練成本，並未計入架構、演算法、資料蒐集與研究等費用。隨著時間推進，建立同一代 AI 模型的成本雖呈指數級下降，但訓練成本與算力需求仍會隨每一代持續增加。根據縮放定律，開發更強大的 AI 模型需仰賴更高效的運算資源，輝達 AI 晶片正是關鍵所在，這也印證輝達的所稱，需要繼續發展AI，需要更多的AI晶片提供算力才能推動。
DeepSeek震撼市場的另外一個特點在於，此為開源大型語言模型（LLM），性能表現超越了閉源模型的GPT-4o與o1，表現更是追上了Meta的開源大型語言模型Llama 4，總參數量達6710億，每次處理token將啟用370億參數，DeepSeek自主研發的MLA與MOE架構，為前身DeepSeek-V2的一部分，大幅降低了訓練成本，但根據圖靈獎得主、Meta首席AI科學家楊立昆指出，DeepSeek的成功並非代表中國AI發展的突破，也並非推出Transformer架構這種驚人成就，而是對於開源模型的價值再度被彰顯，代表在這場AI浪潮中，只要會使用AI的企業或是個人，能提供一條更有價值的解決方案，都能從中受惠。
除了輝達，AMD 也積極爭取 AI GPU 市場，並強調 AI 推論應用的關鍵性。AMD 先前宣布，將 DeepSeek-V3 整合至 Instinct MI300X GPU，該模型專為 AI 推論設計，能優化計算效率並降低成本，提升 AMD 在 AI 領域的競爭力。DeepSeek-V3 由 SGLang 軟體架構支援，可無縫整合文字與視覺數據處理，為 AI 生產力樹立新標準，賦能開發者打造高效 AI 應用。AMD 進一步說明，DeepSeek-V3 的開發仰賴 ROCm 軟體與 Instinct GPU 加速器，其中 ROCm 平台支援 FP8（8 位浮點數），可有效降低資料傳輸延遲並提升推論效能。透過與 DeepSeek 團隊的緊密合作，AMD 期望推動 AI 創新，挑戰輝達在 AI 晶片市場的主導地位。然而，市場反應不一，主要因 AI GPU 仍有高達 90% 由輝達供應，AMD 雖積極布局，但要縮小與輝達的差距，仍需時間與更多市場驗證。
點擊閱讀下一則新聞
