Planes de gasto tecnológico de ‘pinchazos’ profundos y lo que dicen los analistas

La firma china de IA Deepseek se ha convertido en un posible retador para los líderes de IA de EE. UU., Demostrando modelos innovadores que afirman ofrecer un rendimiento comparable a los principales chatbots a una fracción del costo. La aplicación móvil de la compañía, lanzada a principios de enero, también ha superado las listas de iPhone en los principales mercados, incluidos los Estados Unidos, el Reino Unido y China.

Fundada en 2023 por Liang Wenfeng, ex jefe del fondo de cobertura de cuantos impulsado por la IA, Deepseek hace que sus modelos de código abierto e incorporen una característica de razonamiento que articula su pensamiento antes de proporcionar respuestas.

La reacción de Wall Street se ha mezclado. Mientras que Jefferies advierte que el enfoque eficiente de Deepseek «perfora parte de la euforia del Capex» después de los recientes compromisos de gastos de Meta y Microsoft, cada uno superior a $ 60 mil millones este año, Citi cuestiona si tales resultados se lograron sin GPU avanzados. Goldman Sachs ve implicaciones más amplias, lo que sugiere que el desarrollo podría remodelar la competencia entre los gigantes tecnológicos establecidos y las nuevas empresas al reducir las barreras de entrada.

Así es como los analistas de Wall Street están reaccionando a Deepseek, en sus propias palabras (énfasis mía):

Jefferies

Implicaciones de poder de Deepseek para el entrenamiento de IA perfora parte de la euforia de Capex Lo que siguió a los principales compromisos de Stargate y Meta la semana pasada. Con Deepseek entregando rendimiento comparable a GPT-4O para una fracción de la potencia informática, hay posibles implicaciones negativas para los constructoresya que la presión sobre los jugadores de IA para justificar los planes de CAPEX cada vez aumentando podría conducir a una trayectoria más baja para los ingresos del centro de datos y el crecimiento de las ganancias.

Si los modelos más pequeños pueden funcionar bien, es potencialmente positivo para teléfono inteligente. Somos bajistas en el teléfono inteligente de IA, ya que la IA no ha ganado tracción con los consumidores. Se necesita más actualización de hardware (ADV PKG+Fast DRAM) para ejecutar modelos más grandes en el teléfono, lo que aumentará los costos. El modelo de AAPL se basa en MOE, pero los parámetros de datos de 3 mil millones aún son demasiado pequeños para que los servicios sean útiles para los consumidores. Por lo tanto, el éxito de Deepseek ofrece cierta esperanza, pero no hay impacto en la perspectiva a corto plazo de AI Smartphone.

China es la Solo mercado que persigue la eficiencia de LLM Debido a la restricción de chips. Trump/Musk probablemente reconozca el riesgo de restricciones adicionales es obligar a China a innovar más rápido. Por lo tanto, creemos que es probable que Trump relaje la política de difusión de IA.

Citi

Si bien el logro de Deepseek podría ser innovador, cuestionar la noción que sus hazañas se hicieron sin el uso de GPU avanzadas para ajustarla y/o construir los LLM subyacentes en el que el modelo final se basa a través de la técnica de destilación. Si bien el dominio de las empresas estadounidenses en los modelos de IA más avanzados podría ser potencialmente desafiado, dicho, estimamos que en un entorno inevitablemente más restrictivo, el acceso de los Estados Unidos a chips más avanzados es una ventaja. Por lo tanto, no esperamos que las compañías de IA líderes se alejen de las GPU más avanzadas que proporcionan $/tflops más atractivos a escala. Vemos los recientes anuncios de AI CAPEX como Stargate como un guiño a la necesidad de chips avanzados.

Bernstein

En resumen, creemos que 1) Deepseek No «construyó OpenAi por $ 5 millones»; 2) Los modelos se ven fantásticos pero nosotros No pienses que son milagros; y 3) el Twitterverse resultante El pánico durante el fin de semana parece exagerado.

Nuestra propia reacción inicial no incluye pánico (lejos de él). Si reconocemos que Deepseek puede haber reducido los costos de lograr un rendimiento del modelo equivalente, por ejemplo, 10x, también notamos que las trayectorias de costos del modelo actual aumentan en casi eso cada año de todos modos (las infames «leyes de escala …») que no pueden Continuar para siempre. En ese contexto, necesitamos innovaciones como esta (MOE, destilación, precisión mixta, etc.) si AI continúa progresando. Y para aquellos que buscan la adopción de IA, como semi analistas, creemos firmemente en la paradoja de Jevons (es decir, que las ganancias de eficiencia generan un aumento neto en la demanda), y cree que cualquier capacidad de cómputo desbloqueada es mucho más probable que se absorba debido al uso y Aumento de la demanda frente a la perspectiva de gasto a largo plazo en este punto, ya que no creemos que las necesidades de cómputo estén cerca de alcanzar su límite en la IA. También parece una exageración pensar que las innovaciones que están desplegadas por Deepseek son completamente desconocidas por la gran cantidad de investigadores de IA de primer nivel en los otros numerosos laboratorios de IA del mundo (francamente no sabemos lo que los grandes laboratorios cerrados han estado utilizando para desarrollar para desarrollar e desplegar sus propios modelos, pero no podemos creer que no hayan considerado o tal vez quizás hayan usado estrategias similares).

Morgan Stanley

No hemos confirmado la veracidad de estos informes, pero si son precisos, y la LLM avanzada puede desarrollarse para una fracción de inversión previa, Podríamos ver la IA generativa ejecutarse eventualmente en computadoras más pequeñas y más pequeñas. (La reducción de las supercomputadoras a las estaciones de trabajo, las computadoras de oficina y finalmente las computadoras personales) y la industria SPE podrían beneficiarse del aumento de la demanda de productos relacionados (CHIP y SPE) como demanda de diferenciales generativos de IA.

Goldman Sachs

Con los últimos desarrollos, también vemos 1) Competencia potencial entre los gigantes de Internet ricos en capital frente a las nuevas empresasdadas la reducción de las barreras de entrada, especialmente con nuevos modelos recientes desarrollados a una fracción del costo de las existentes; 2) Desde el entrenamiento hasta más inferenciascon un mayor énfasis en el post-entrenamiento (incluidas las capacidades de razonamiento y las capacidades de refuerzo) que requieren recursos computacionales significativamente más bajos frente a la capacitación previa; y 3) el potencial de una mayor expansión global para los jugadores chinos, dado su desempeño y competitividad de costos/precios.

Continuamos esperando que la carrera por la aplicación de IA/agentes de IA continúe en China, especialmente entre las aplicaciones de TO-C, donde las empresas de China han sido pioneros en aplicaciones móviles en la era de Internet, por ejemplo, la creación de Tencent de Weixin (WeChat) super- aplicación Entre las aplicaciones de TO-C, el bytedance ha liderado el camino al lanzar 32 aplicaciones de IA durante el año pasado. Entre ellos, Doubao ha sido el chatbot de IA más popular hasta ahora en China con el MAU más alto (c.70mn), que recientemente se ha actualizado con su modelo DoBao 1.5 Pro. Creemos que los flujos de ingresos incrementales (suscripción, publicidad) y el camino eventual/sostenible hacia la monetización/economía de unidades positivas entre las aplicaciones/agentes serán clave.

Para la capa de infraestructura, el enfoque de los inversores se ha centrado en si habrá un desajuste a corto plazo entre las expectativas del mercado sobre el CAPEX de IA y la demanda informática, en caso de mejoras significativas en las eficiencias informáticas de costo/modelo. Para los jugadores chinos de Cloud/Data Center, continuamos creyendo que el enfoque para 2025 se centrará en la disponibilidad de chips y la capacidad de CSP (proveedores de servicios en la nube) para ofrecer una mejora de la contribución de ingresos del crecimiento de los ingresos por la nube impulsado por la LA AI, y más allá de la infraestructura/alquiler de GPU , cómo las cargas de trabajo de IA y los servicios relacionados con la IA podrían contribuir al crecimiento y los márgenes en el futuro. Seguimos positivos en el crecimiento de la demanda de computación a a largo plazo, ya que una mayor disminución de los costos de computación/capacitación/inferencia podría impulsar una mayor adopción de IA. Consulte también el tema #5 de nuestro informe de temas clave para nuestros escenarios base/oso para las estimaciones de CAPEX BBAT dependiendo de la disponibilidad de chips, donde esperamos que el crecimiento agregado de CAPEX de BBAT continúe en 2025e en nuestro caso base (GSE: +38% AMA), aunque A un ritmo ligeramente más moderado frente a un fuerte 2024 (GSE: +61% interanual), impulsado por la inversión en curso en infraestructura de IA.

Jpmorgan

Sobre todo, mucho está hecho de los trabajos de investigación de Deepseek y de la eficiencia de sus modelos. No está claro en qué medida Deepseek es aprovechar las GPU de la tolva de ~ 50k de alto volante (similar en tamaño al clúster en el que se cree que OpenAi está entrenando GPT-5), pero lo que parece probable es que reducen drásticamente los costos (costos de inferencia (costos de inferencia Para su modelo V2, por ejemplo, se afirma que es 1/7 el de GPT-4 Turbo). Su reclamo subversivo (aunque no nuevo), que comenzó a alcanzar los nombres de la IA de los Estados Unidos esta semana, es que «más inversiones no son igual a la innovación». Liang: “En este momento no veo ningún enfoque nuevo, pero las grandes empresas no tienen una ventaja clara. Las grandes empresas tienen clientes existentes, pero sus negocios de flujo de efectivo también son su carga, y esto los hace vulnerables a la interrupción en cualquier momento «. Y cuando se le preguntó sobre el hecho de que GPT5 aún no ha sido lanzado: «OpenAi no es un dios, no necesariamente no estarán siempre a la vanguardia».

UBS

A lo largo de 2024, el primer año vimos una carga de trabajo masiva de entrenamiento de IA en China, más del 80-90% de la demanda IDC fue impulsada por la capacitación de IA y concentrados en 1-2 clientes hiperscaleros, que se tradujo en la demanda de IDC hiperscala mayorista en un área relativamente remota (como El entrenamiento de IA que consumen energía es sensible al costo de la utilidad en lugar de la latencia del usuario).

Si el costo de capacitación e inferencia de IA es significativamente menor, esperaríamos que más usuarios finales aprovechen la IA para mejorar su negocio o desarrollar nuevos casos de uso, especialmente los clientes minoristas. Dicha demanda de IDC significa más enfoque en la ubicación (ya que la latencia del usuario es más importante que el costo de servicios públicos) y, por lo tanto, una mayor potencia de fijación de precios para los operadores de IDC que tienen recursos abundantes en las ciudades de nivel 1 y satélite. Mientras tanto, una cartera de clientes más diversificada también implicaría una mayor potencia de precios.

Actualizaremos la historia a medida que reaccionen más analistas.