数字化转型网（Professionalism Achieves Leadership 专业造就领导者）人工智能专题
来自中国的AI初创公司DeepSeek在周二最新公布的原生稀疏注意力(Native Sparse Attention, 简称NSA)机制，不仅将大语言模型处理64k长文本的速度最高提升11.6倍，更在通用基准测试中实现性能反超传统全方位注意力机制模型，意味着AI大模型不久后有望在愈发精简架构的基础上性能也能实现大幅增长，AI训练与推理成本则有望在DeepSeek R1基础上继续呈现大幅下降态势。
继开发出兼具“低成本”与“高性能”属性的DeepSeek R1开源大模型震撼硅谷与华尔街之后，这家非常低调的中国AI初创公司继续展示出基于革新“软件工程技术”破局美国AI算力芯片封锁的全新“极低成本AI大模型算力范式”。
值得投资者们注意的是，关于NSA机制的这份DeepSeek最新研究报告出炉后，英伟达、Marvell、台积电、世芯以及港股市场的中芯国际与华虹半导体等AI芯片产业链热门股的股价并没有因“AI训练与推理成本大幅下行+计算效率激增”而出现类似1月27日的芯片股全线暴跌，反而其中一部分出现强势上涨，尤其是港股芯片标的。
与AI密切相关的芯片股集体股价坚挺背后的核心逻辑，无疑在于市场并未像1月27日那样定价AI训练与推理效率飙升带来的短中期AI芯片需求下滑预期，而是已经充分接纳微软CEO纳德拉此前提到的“杰文斯悖论”——当技术革新大幅提高效率，资源消耗不仅没有减少，反而激增，移植到人工智能算力领域则是AI大模型应用规模激增趋势将带来的史无前例AI推理算力需求。
这也是为何华尔街金融巨头摩根士丹利在最新研报中，重申对于AI芯片两大核心技术路线——AI GPU与AI ASIC核心股票标的的强烈看涨预期，并且强调亚马逊、谷歌与微软等大型科技公司坚持AI资本支出大幅扩张也是基于未来应用端AI算力需求激增，尤其是云端AI推理算力需求激增。
也就是说，DeepSeek虽然彻底掀起AI训练与推理层面的“效率革命”，推动未来AI大模型开发向“低成本”与“高性能”两大核心聚焦，而不是疯狂烧钱用“大力出奇迹”方式训练人工智能大模型。但是，AI应用渗透至全球各行各业的天量级AI推理算力需求意味着，AI芯片需求的未来仍将是星辰大海。
据了解，DeepSeek团队提出的原生稀疏注意力机制(NSA)通过动态分层的稀疏策略，将传统全密集Attention(O(n²)复杂度)的计算负担大幅降低。NSA采用了三个并行分支(压缩注意力、选择注意力、滑动窗口注意力)，并通过门控融合各分支输出，实现了训推一体化的高效计算。这一创新设计不仅使长文本处理任务中推理速度最高可提升11.6倍，还显著降低了训练时对愈发庞大AI GPU算力基础设施的依赖程度，从根本上改善了AI算力资源的利用率。
相比之下，Facebook的Llama、OpenAI的o3mini和谷歌Gemini则各自采用了不同的近似计算策略或硬件调优策略，这些差异值决定了在长序列处理、算力基础设施的能耗优化和AI部署灵活性方面，DeepSeek NSA机制具有强大得多的竞争优势。
