<p>来源：商业今日</p>
<p>随着中国人工智能模型 DeepSeek 持续占据头条，科技巨头 NVIDIA 对此成功发表了看法。作为人工智能芯片的领先供应商和全球人工智能行业的关键参与者，NVIDIA 赞扬了 DeepSeek 的创新，并解释了其对未来人工智能的更广泛意义。在 DeepSeek 的 V3 模型发布后，NVIDIA 也成为最大的受损者之一。</p>
<p>在对 Investing.com 的评论中，NVIDIA 承认了 DeepSeek 的成功，并表示这展示了创新人工智能技术的潜力。</p>
<p>“DeepSeek 是一个优秀的人工智能进展，是测试时间扩展的完美例子，” NVIDIA 表示。“DeepSeek 的工作展示了如何利用这一技术创建新模型，利用广泛可用的模型和完全符合出口管制的计算资源。”</p>
<p>NVIDIA 还指出，尽管 DeepSeek 的高性价比方法引起了轰动，但它仍然在推理过程中严重依赖 NVIDIA 的 GPU 和高性能网络——推理是指在训练后运行人工智能模型以生成输出的过程。</p>
<p><strong>什么是测试时间扩展？</strong></p>
<p>NVIDIA 提到的 “测试时间扩展” 是指一种人工智能技术，旨在优化模型在使用过程中的性能，而不仅仅关注其训练或后训练的改进。根据 NVIDIA 的说法，DeepSeek 的成功代表了人工智能发展的新阶段，为现有方法增加了第三种 “扩展法则”：</p>
<p>1. 预训练扩展：使用大量数据集和强大硬件构建模型。</p>
<p>2. 后训练扩展：在训练后微调模型以提高性能。</p>
<p>3. 测试时间扩展：在模型实际使用时优化其性能，以更少的资源实现更好的结果。</p>
<p>DeepSeek 似乎利用了这种新的扩展方法，创建了一个既强大又具有成本效益的人工智能助手。</p>
<p><strong>为什么 DeepSeek 的崛起重要</strong></p>
<p>DeepSeek 通过成为美国苹果应用商店下载量第一的免费应用，吸引了全球的关注，超越了 ChatGPT。其人工智能助手以极低的成本提供先进的功能，这得益于其高效的资源使用。</p>
<p>DeepSeek 的创造者声称，该模型是使用 NVIDIA 的 H800 芯片训练的，这些芯片专门设计以符合美国出口管制。训练成本据报道低于 600 万美元，远低于 OpenAI 等主要人工智能公司通常的支出。</p>
<p>这一成功迫使科技行业重新思考成本效率在人工智能开发中的角色，并引发了关于美国出口限制有效性的问题。</p>
<p>尽管一些人推测 DeepSeek 的崛起可能威胁到 NVIDIA 在人工智能芯片市场的主导地位，但 NVIDIA 似乎对其技术仍然至关重要充满信心。DeepSeek 的人工智能助手仍然依赖 NVIDIA 的 GPU 进行推理，这意味着 NVIDIA 的硬件对于高效运行这些模型至关重要。</p>
<p>然而，像 DeepSeek 这样的高性价比人工智能模型的崛起可能会使行业的关注点从昂贵的大规模模型转向更小、更高效的替代品。这可能会随着时间的推移减少对高端人工智能芯片的需求，尽管分析师表示这也可能导致整体人工智能采用率的增加，从而在长期内使 NVIDIA 受益。↳</p>

英伟达

<p>英伟达称赞中国人工智能模型 DeepSeek 的创新方法和成本效益，标志着人工智能发展的一个重要里程碑。DeepSeek 的崛起凸显了测试时间扩展（Test Time Scaling）的潜力，这是一种在使用过程中优化人工智能模型的技术</p>

<p>Source: businesstoday</p>
<div class="lb-trans"><p>来源：商业今日</p>
</div><p>As the Chinese AI model DeepSeek continues to dominate headlines, tech giant NVIDIA has weighed in on its success. NVIDIA, the leading supplier of AI chips and a key player in the global AI industry, praised DeepSeek’s innovation and explained its broader significance for the future of artificial intelligence. NVIDIA has also been one of the biggest losers after DeepSeek's V3 model was released.</p>
<div class="lb-trans"><p>随着中国人工智能模型 DeepSeek 持续占据头条，科技巨头 NVIDIA 对此成功发表了看法。作为人工智能芯片的领先供应商和全球人工智能行业的关键参与者，NVIDIA 赞扬了 DeepSeek 的创新，并解释了其对未来人工智能的更广泛意义。在 DeepSeek 的 V3 模型发布后，NVIDIA 也成为最大的受损者之一。</p>
</div><p>In comments to Investing.com, NVIDIA acknowledged DeepSeek’s success and said how it showcases the potential of innovative AI techniques.</p>
<div class="lb-trans"><p>在对 Investing.com 的评论中，NVIDIA 承认了 DeepSeek 的成功，并表示这展示了创新人工智能技术的潜力。</p>
</div><p>“DeepSeek is an excellent AI advancement and a perfect example of Test Time Scaling,” NVIDIA said. “DeepSeek’s work illustrates how new models can be created using that technique, leveraging widely-available models and compute that is fully export control compliant.”</p>
<div class="lb-trans"><p>“DeepSeek 是一个优秀的人工智能进展，是测试时间扩展的完美例子，” NVIDIA 表示。“DeepSeek 的工作展示了如何利用这一技术创建新模型，利用广泛可用的模型和完全符合出口管制的计算资源。”</p>
</div><p>NVIDIA also pointed out that while DeepSeek’s cost-efficient approach is making waves, it still relies heavily on NVIDIA GPUs and high-performance networking for inference—the process of running AI models to produce outputs after they’re trained.</p>
<div class="lb-trans"><p>NVIDIA 还指出，尽管 DeepSeek 的高性价比方法引起了轰动，但它仍然在推理过程中严重依赖 NVIDIA 的 GPU 和高性能网络——推理是指在训练后运行人工智能模型以生成输出的过程。</p>
</div><p><strong>What is Test Time Scaling?</strong></p>
<div class="lb-trans"><p><strong>什么是测试时间扩展？</strong></p>
</div><p>NVIDIA’s mention of “Test Time Scaling” refers to an AI technique that optimises the performance of models during their use, rather than focusing only on their training or post-training improvements. According to NVIDIA, DeepSeek’s success represents a new phase in AI development, adding a third “scaling law” to existing methods:</p>
<div class="lb-trans"><p>NVIDIA 提到的 “测试时间扩展” 是指一种人工智能技术，旨在优化模型在使用过程中的性能，而不仅仅关注其训练或后训练的改进。根据 NVIDIA 的说法，DeepSeek 的成功代表了人工智能发展的新阶段，为现有方法增加了第三种 “扩展法则”：</p>
</div><p>1. Pre-Training Scaling: Building models using vast datasets and powerful hardware.</p>
<div class="lb-trans"><p>1. 预训练扩展：使用大量数据集和强大硬件构建模型。</p>
</div><p>2. Post-Training Scaling: Fine-tuning models after training to improve performance.</p>
<div class="lb-trans"><p>2. 后训练扩展：在训练后微调模型以提高性能。</p>
</div><p>3. Test Time Scaling: Optimising models while they are actively in use to achieve better results with fewer resources.</p>
<div class="lb-trans"><p>3. 测试时间扩展：在模型实际使用时优化其性能，以更少的资源实现更好的结果。</p>
</div><p>DeepSeek appears to have leveraged this new scaling approach to create an AI assistant that is both powerful and cost-effective.</p>
<div class="lb-trans"><p>DeepSeek 似乎利用了这种新的扩展方法，创建了一个既强大又具有成本效益的人工智能助手。</p>
</div><p><strong>Why DeepSeek’s rise matters</strong></p>
<div class="lb-trans"><p><strong>为什么 DeepSeek 的崛起重要</strong></p>
</div><p>DeepSeek has captured global attention by becoming the #1 free app on Apple’s App Store in the U.S., surpassing ChatGPT in downloads. Its AI assistant offers advanced capabilities at a fraction of the cost of competitors, thanks to its efficient use of resources.</p>
<div class="lb-trans"><p>DeepSeek 通过成为美国苹果应用商店下载量第一的免费应用，吸引了全球的关注，超越了 ChatGPT。其人工智能助手以极低的成本提供先进的功能，这得益于其高效的资源使用。</p>
</div><p>DeepSeek’s creators claim the model was trained using NVIDIA’s H800 chips, which are specifically designed to comply with US export controls. The cost of training was reportedly under $6 million, significantly lower than what major AI players like OpenAI typically spend.</p>
<div class="lb-trans"><p>DeepSeek 的创造者声称，该模型是使用 NVIDIA 的 H800 芯片训练的，这些芯片专门设计以符合美国出口管制。训练成本据报道低于 600 万美元，远低于 OpenAI 等主要人工智能公司通常的支出。</p>
</div><p>This success is forcing the tech industry to rethink the role of cost efficiency in AI development and raising questions about the effectiveness of U.S. export restrictions.</p>
<div class="lb-trans"><p>这一成功迫使科技行业重新思考成本效率在人工智能开发中的角色，并引发了关于美国出口限制有效性的问题。</p>
</div><p>While some have speculated that DeepSeek’s rise could threaten NVIDIA’s dominance in the AI chip market, NVIDIA appears confident that its technology remains essential. DeepSeek’s AI assistant still relies on NVIDIA GPUs for inference, which means that NVIDIA’s hardware is integral to running these models efficiently.</p>
<div class="lb-trans"><p>尽管一些人推测 DeepSeek 的崛起可能威胁到 NVIDIA 在人工智能芯片市场的主导地位，但 NVIDIA 似乎对其技术仍然至关重要充满信心。DeepSeek 的人工智能助手仍然依赖 NVIDIA 的 GPU 进行推理，这意味着 NVIDIA 的硬件对于高效运行这些模型至关重要。</p>
</div><p>However, the rise of cost-effective AI models like DeepSeek could shift the industry’s focus from expensive, large-scale models to smaller, resource-efficient alternatives. This might reduce the demand for high-end AI chips over time, though analysts suggest it could also lead to an increase in overall AI adoption, benefiting NVIDIA in the long run.↳</p>
<div class="lb-trans"><p>然而，像 DeepSeek 这样的高性价比人工智能模型的崛起可能会使行业的关注点从昂贵的大规模模型转向更小、更高效的替代品。这可能会随着时间的推移减少对高端人工智能芯片的需求，尽管分析师表示这也可能导致整体人工智能采用率的增加，从而在长期内使 NVIDIA 受益。↳</p>
</div>

'Excellent AI advancement': NVIDIA responds to rising popularity of China's DeepSeek

- NVIDIA 赞扬 DeepSeek 的创新，称其为 AI 发展的新阶段。  
- DeepSeek 成为美国 App Store 下载量第一的免费应用，训练成本低于 600 万美元。  
- 该模型依赖 NVIDIA 硬件，可能改变 AI 开发的成本效率焦点。  

'卓越的 AI 进展'：英伟达回应中国 DeepSeek 日益普及