DeepSeek暴击全球AI市场，隔夜华尔街惊现恐慌性抛售，欧美科技股市值或蒸发1.2万亿美元，其中英伟达最深跌幅超18%，单日市值蒸发创下美国股市史上最大规模，约6000亿美元。
面对冲击，科技巨头们迅速做出反应，微软首席执行官纳德拉在社交媒体X上发文，引用了杰文斯悖论（Jevons paradox）的概念，指出随着人工智能更加高效和易用，其使用将会激增，并成为“我们永远无法满足的商品”。
杰文斯悖论是英国经济学家William Stanley Jevons在1865年提出的一个经济学概念，DeepSeek解释称，它指的是提高资源使用效率反而可能增加其总消耗量。Jevons在《煤炭问题》中发现，随着蒸汽机效率的提升，煤炭消耗量不降反增。核心观点为：
技术进步提高了资源使用效率，效率提高降低了资源使用成本，成本下降刺激了资源需求的增长，需求增长可能超过效率提升带来的节约，最终导致资源总消耗增加。
Cantor Fitzgerald等多家投行分析师将这一理论应用到DeepSeek R1模型和人工智能领域的民主化趋势上。Cantor Fitzgerald在一份投资报告中指出：
“我们认为担心对GPU的支出会达到峰值的观点离事实最远。DeepSeek实际上对计算和英伟达非常有利，因为通用人工智能（AGI）似乎更接近现实，而杰文斯悖论几乎肯定会导致人工智能行业需要更多而非更少的计算资源。"
DeepSeek R1模型以其惊人的成本效率震惊了全球科技界，仅花费约600万美元就完成了训练，约为美国和欧盟同类大语言模型成本的1/50。在某些方面，该模型比OpenAI的o1模型要好得多。更重要的是，R1 的运营成本仅为OpenAI通常对计算密集型输出收取的费用的3%。
分析指出，DeepSeek能够实现如此高效的关键在于几项创新技术：
1.使用8位浮点数，将内存使用量减少约75%
2.能够同时处理多个tokens
4.采用基于规则的奖励系统的强化学习，教导模型逐步“思考”问题
这一突破性进展引发了市场对人工智能概念股估值泡沫破裂的担忧，投资者开始质疑超大规模计算的需求前景，特别是考虑到：
“DeepSeek R1模型仅使用2000块H800 GPU就完成了训练，是否还需要英伟达数十万顶级的GPU？”
值得注意的是，在第四季度英伟达财报公布前，股价下跌就给该集团增加了压力。华尔街已经预计，在重新关注资本支出的情况下，该集团第四季度的利润增长将降至22%，为近两年来的最低水平。
Axios商业编辑Dan Primack指出，这可能会对其他构建AI模型的初创公司产生影响，“对于全力投入基础模型公司的风险投资公司来说，这可能是一场灭绝级事件，特别是如果这些公司尚未实现广泛分销的产品化”。
不过，尽管市场出现恐慌性抛售，但一些分析师认为这种反应可能被夸大了。Bernstein分析师Stacy Rasgon表示，DeepSeek的发展并不意味着“人工智能基础设施的末日”：
“我不认为我们接近人工智能计算需求的上限，我相信，如果你释放了计算能力，它很可能会被吸收……如果我们想让事情继续发展，我们就需要像这样的创新。”
Futurum首席策略师Daniel Newman解释道，“市场完全误解了这一点。如果我们能更高效地使用计算资源，那些我们认为没有产生足够收入的公司将能以更低的成本构建模型。他们将能以更低的开销创造解决方案，从而推动更高的每股收益”。
Wedbush分析师Dan Ives则称这是科技股的买入机会，“现在不是恐慌的时候，因为空头试图最终控制今天的叙事。”
尽管Raymond James等分析师认为这一发展对“大型GPU集群”不利，但花旗和伯恩斯坦的分析师也采取了类似的看好英伟达的观点。
Principal Asset Management首席全球策略师Seema Shah也表示，如果DeepSeek真如他们所说的那样，这最终将对全球各行各业的生产力产生积极影响。