【本文来自《唐晓甫：4天浪费4.5亿词元后，我才知道为什么说DeepSeek是AI泡沫的斩杀线》评论区，标题为小编添加】

看到文章题目就已经能预计,很多人可能都搞不明白作者在写什么.

现在中美AI在定价上首先产生的第一个问题是费效比, 这不是性价比.是投入成本和产出效益的直接关系.这一点是黄仁勋提出的.根据他本人了解的行业生态构架,他认为产出同等性能的产品,美国面临比中国搞的多的效率税和技术溢价.这是客观存在的成本差距, 如果达到同等工作结果的技术指标所需要耗费的词元数量,没有超过这个成本溢价,那么就必然无法得出谁贵谁便宜的结论. 

例如, 完成作者的工作内容DS需要4.5亿词元, 价格是使用GTP的1/17.5. 那么只有GTP使用4.5亿 * 1/17.5也就是2千5百万词元就能完成同样的工作,才有相等的性价比. 那么实际工作中这种情况可能发生么?即便按照很多网友幻想中认为的DS命中率低到只有GTP的10%, 那也达不到一样的性价比.更遑论理性看待DS和GTP的模型差,以及所谓的中文数据污染度远高于英文数据的论调.这里有太多的主观臆断.

第二个问题, 就是生产词元的成本,网络上一直默认两个很矛盾的点,首先我国的能源优势让我们的数据中心生产词元很便宜但是我们的模型和芯片差,美国人只用自己生产的词元,不够了就建数据中心.但根据2025年的数据统计,全球接近70%的词元出口是从中国出口的.这一点牵扯了更宏观的能源结构和组织能力问题就不过多赘述了.你可以说我们的模型落后,我们的硬件也落后,但是生产出来的词元是没有差别的啊.

 现在的模型技术领跑建立在2028AGI终结论的叙事基础之上.要求不计成本的全面Allin,而在此同时美国企业在持续推高技术成本和技术溢价,以期从金融市场更大的获利,随着几家AI巨头陆续IPO,都将面临短期财报的压力,如何维持之前的高亏损状况持续投入也将成为一个巨大的挑战.如果陷入财报需求,则面临必须降低词元成本,那么采用进口低价的海外词元就是很优先的选择了, 那么未来全球AI的词元到底从何而来就是一个巨大的问号了. 现在还有几个人记得软银的星际之门和马圣的太空数据中心计划呢? 既要又要的逻辑会有人来买单吗?AGI终结理论本身是否真的成立呢? 我们要考虑的问题还有很多.