矽谷GMI Cloud創始人Alex：DeepSeek揍了OpenAI後，我電話被打爆了|科創100人

文 丨 新浪科技 周文猛

期數：No.67

嘉賓：GMI Cloud創始人、CEO Alex

今年以來，伴隨DeepSeek快速爆火並引發全球轟動，國內大眾對於本土AI企業的信心進一步增強，有效減緩了英偉達高端AI芯片採購受阻帶來的沮喪。

然而，信心提升之餘，在矽谷AI科技進步同樣日新月異的當下，DeepSeek爆火的趨勢能延續多久？與OpenAI、X等公司旗下頂尖大模型相比有哪些比較優勢？

近日，在與新浪科技《科創100人》溝通中，GPU雲算力提供商GMI Cloud創始人、CEO Alex從矽谷視角給出了自己的看法。Alex直言，DeepSeek出來後，“GMI Cloud作為當時北美唯一上線H200（適配DeepSeek-R1模型）的企業，電話都被打爆了”。大量的企業級客戶，正因DeepSeek的出現有了加速部署AI的計劃。

Alex指出，DeepSeek在實現出色的技術能力時，其採用的開源策略更加直觀且透明，因此能夠更加快速地取信於用戶，其在矽谷產生的轟動在一定程度上已超越了GPT-4.5及Grok-3發佈帶來的影響。

他還指出，“未來三年，算力成本將大幅度下降，同時將出現大量AI應用。”他建議中國創企在佈局AI時要儘量往To C領域發展，同時也可以“走向全球”。

“DeepSeek揍了OpenAI後，我電話被打爆了”

在DeepSeek V3、R1等模型及產品快速引發全球“轟動”後，在美國矽谷，馬斯克旗下xAI團隊也很快發佈了性能與DeepSeek系列模型相當甚至於更好的Grok-3大模型；與此同時，OpenAI也快速宣佈了將開源系列模型，同時推出了號稱“最好的聊天模型”GPT-4.5。

在多項基準測試的性能表現上，目前Grok-3以及GPT-4.5的能力表現，在一些領域已經實現了對於DeepSeek的超越。但是，這兩款模型目前都存在兩大問題：第一，均基於龐大的算力訓練得出；第二，目前相關模型代碼並未完全開源。

相較而言，DeepSeek以較低的算力成本帶來較高的模型性能的同時，更為關鍵的事還把一些必要的技術論文和多款核心代碼庫開源了。這一系列的舉動，讓更多的中小型企業級客戶，具備了低成本獲取高性能AI能力的條件，因此也促使了大量的企業競相接入。

在與新浪科技溝通中，Alex直言：“DeepSeek以開源的方式“揍”了OpenAI一頓，給矽谷帶來了非常大的震撼，春節期間，美國矽谷爆炸了，每個客戶都希望搶著去使用新的DeepSeek模型，去測試、做應用。”

Alex表示，在DeepSeek之前，最好的大模型是OpenAI-o1，但這個模型是需要付費的，每個月需要200美元，對於普通開發者而言，據此開發新的應用其實需要配套購置許多設備，整體成本並不低，因此大家會非常謹慎地去使用o1。

“就好比當年有人發明了電，但是因為價格太高沒人能夠去用，於是只能去做一些非常高價值的解決方案，但開源之後，任何有想法的人就可以將他拿過來去做新的創新和應用，這對於前三、四的大公司可能不是好事，但其他的中小公司都非常喜歡它，這會催生非常多的應用。”Alex表示。

據他介紹，GMI Cloud作為當時北美唯一大規模上線H200的算力雲服務公司，因為DeepSeek-R1模型用H200支持運算性價比會更高，因此在當時市場上都沒有其他可替代供應商的情況下，“我電話都被打爆了”。

相比於x AI發佈的Grok-3大模型，Alex認為，“由於目前Grok-3還沒有真正的將自己的API開放出來，只是開放了應用體驗，這讓很多開發者很難真真正地去測試並基於Grok-3作大量落地，因此，Grok-3可能很難大規模普及，給矽谷帶來的轟動也更弱一些。”

“因為它（Grok-3） 是閉源的，只能在自己的平台上，所以能做的事情相對有限，他提供了非常驚人的演示效果，但他卻以一個高層牆的方式把自己圍起來了，大家不能去使用他，這種不透明讓很多希望基於大模型進行商業化的開發者有所顧忌，也就讓它的震動效果不如DeepSeek那麼大。”Alex表示。

“未來3~5年，AI算力成本可能下降10倍”

在這一輪基於預訓練大語言模型發展起來的AI 2.0技術浪潮中，算力作為最為核心的三大發展要素之一，被給予了極高的期待。但在國內，受製於英偉達高端AI芯片採購規定等多方面原因，目前國內在相關算力獲取方面仍存在一定困難。

在Alex看來，想要真正地實現AI平權或許還需要非常多的時間，但未來，隨著大模型算力成本的不斷下降，將會有越來越多的應用產生。“預計3~5年內，伴隨第一批H100投資成本逐漸收回，H100的邊際成本將大幅降低，當算力成本再降低2-3倍時，就有可能迸發出非常多好的應用。”

“以前互聯網時代註冊一個域名做一個網站，成本也就幾萬美元，現在客戶做一個需要GPU渲染的遊戲，成本都要幾十萬美元，還是太高了。”Alex認為，當3~5年後硬件成本被消化掉的時候，它的成本就會開始往下掉，而且是指數性的往下掉，如果是90%掉下去，成本從50萬變到5萬塊美金一個月，那將做出非常多的AI產品，讓大家真正的用到AI。

他以車輛降價舉例道，“如果一輛車的成本從20萬降到2萬，且性能差不多，那會有多少人買車啊，那肯定會人手十台車。”在他看來，真正的AIGC大型應用，尤其機器人，都需要經過4次迭代才能變得非常好用，按照迭代一次0.5年~1年計算，四個代際迭代下來，均值是三年，那時候就一定會有非常多大的機會出現，有非常優秀的AI應用出現。

“現在咱們已經走了2年了，很快就要到了爆發的時候了。”Alex表示。

“中國優勢是AI硬件交互、To C，建議出海走走”

作為一家生長在矽谷的企業，GMI Cloud去年進入中國市場，主要服務國內AI出海的企業，Alex對於中美兩國AI產業的發展也有著獨特的見解。

就Alex觀察，美國在To B或SaaS消費領域的付費意識很成熟，而國內相較薄弱，同時中國企業數字化發展起步相對較晚，數據生態分佈呈現出高度的碎片化與割據態勢，不同行業、領域及地域間，數據相互孤立，缺乏有效的流通與共享機制，形成了一個個 “數據孤島”。與此同時，大量有價值的數據資源被集中整合於少數實力強勁的頭部公司手中，這些公司憑藉數據優勢構築起堅固的競爭壁壘，而這也導致國內垂直行業大模型的研發陷入瓶頸。相比之下，國外許多公司數據化其實做得非常好，當一個企業客戶的數據能夠很快地可以用於模型訓練，那麼也就能很快做出出色的垂類模型。

但從另外一個角度看，中國非常強的優勢在於硬件交互，在諸如AI眼鏡、智能汽車、機器人，以及AI To C、營銷等領域，也有著非常強的優勢。“國內企業不一定要選跟美國企業同樣的方向，也可以更加聚焦於自己的優勢。”Alex表示，“通常6個月就可能做出一個App，按照DeepSeek出來的時間計算，今年下半年可能會有很多軟件應用出現。”

他結合自己對中美兩國市場的觀察，為國內AI企業發展提出了四點建議。

• 要找到自己的一個價值，國內的企業不可避免地都會跟國內或者國際的企業去產生競爭，卷Token卷價格是避免不了的，找到自己的價值點並做到最優才能讓客戶或用戶買單。
• 做AI To C的產品會更好一點，比如就聚焦在某一用戶痛點研發一款AI應用，要實施一些業務形態和賺錢的模式都難以被同質化的策略，不要跟大廠卷他們擅長的事，這很可怕，卷應用有可能出爆款，還有可能有出路，現在DeepSeek出來了，“地上有非常好的槍了“要趕快撿起來用。
• 一定要出海，趕快到國外去看一看，中國硬件交互的產品真的很厲害，中國許多硬件交互的賽道都已經很多人在做了，但美國做相關應用的項目都非常少，你在中國有idea搬到美國去做，也是非常有優勢的，現在全球都在學中國。
• 出海成功的關鍵就是打開思路，要選擇好的合作夥伴，把專業的事情交給他們做，美國大家都是分工化的，所以別人迭代的時候速度會非常快，如果你全部把控全部自己做可能迭代就會慢，你可能就會落後，不要存在路徑依賴；此外，負責人一定要親自走到你想要發展業務的地區，親自去當地去瞭解市場，深入本地，很多時候不走到當地真的很難發現“本地問題”，像“合規”、“用戶需求”等都離不開當地調研。

在意見之外，就Alex的介紹，相比於亞馬遜AWS、微軟Azure等雲計算企業龐大的業務體系，GMI Cloud除了能夠提供最頂尖的GPU硬件算力外，最大的特點還是能夠提供更多靈活、細緻且更加敏捷的服務。“我們能讓任何一個擁有GPU需求的企業都變成一個擁有非常厲害、穩定的AI基礎設施的應用企業。”Alex表示。