设备端人工智能发展超预期，云端人工智能计算增长暂时存在不确定性

台积电和英伟达预计，2026 年设备端 AI 将显著增长。台积电早些时候的财报电话会议指出，设备端 AI 趋势将在 2026 年变得突出，而英伟达计划在 2025 年第四季度/2026 年上半年开始大规模生产其 AI PC 芯片 N1X/N1。

DeepSeek 走红后，设备端 AI 趋势加速。

DeepSeek 的爆红直接推动了英伟达 H100 训练的需求，表明优化的训练方法（有效降低成本）可以推动训练需求。这也再次证明了 CUDA 生态系统的优势（解释了用户为何选择 H100）。

更重要的是，DeepSeek 的流行引发了本地大语言模型部署的热潮。DeepSeek R1 的优化训练方法提升了中小规模大语言模型在本地设备上的性能，而对基于云的 DeepSeek 服务的数据安全担忧进一步推动了这一趋势。预计会出现更多类似 DeepSeek 的开源模型，维持本地大语言模型部署的势头。

本地 DeepSeek 部署的常见方法和规格包括：LM Studio 便于部署，Ollama 用于运行模型，4 位/8 位量化以减少 VRAM 需求同时保持性能，模型参数从 1.5B 到 70B 不等，硬件涵盖从低端笔记本电脑到配备英伟达独立 GPU 的高端 PC。

目前，本地 DeepSeek 部署仍限于小众用户群体，对英伟达的云端 AI 芯片需求没有直接影响。长期来看，虽然设备端计算将部分取代云服务，但也可能产生新的云端需求（如 H100 的例子所示）。预计这两个领域将同步增长，演变成一个集成的 AI 生态系统。

尽管我对长期云端增长持乐观态度，但值得注意的是，设备端趋势的加速速度超出预期，这可能导致云端的增长率在一段时间内低于先前的市场预期，并可能影响投资情绪。展望未来，可能降低云端增长不确定性的因素包括：GB200 NVL72 大规模生产的成功加速了扩展定律，以及在机器人、自动驾驶和多模态应用中 AI 商业化的可见度提高。

关于之前提到的台积电和英伟达，台积电仍是设备端 AI 趋势的主要受益者（由于处理器升级），而英伟达在设备端市场面临的竞争远大于云计算，这可能影响近期的投资情绪。

$台积电(TSM.US) $英伟达(NVDA.US)