AI推理成本的陡峭下降正改变整个产业的投资逻辑。DeepSeek-chat推理成本仅为0.14/0.28美元/百万Token，约为OpenAI o1的1/30。Anthropic CEO指出，算法进步可产生10倍的改进，GPT-3质量的推理定价已下降到1/1200。华泰证券指出，成本快速下降意味着更低的准入门槛和更高的投资回报率，是应用从商业化阶段走向规模化阶段的重要前提。本报告基于华泰证券2025年1月发布的《DeepSeek模型深度解析》，深入分析AI推理成本下降趋势。
AI推理成本下降总览
推理成本的持续下降是AI应用规模化的核心前提。DeepSeek基于多头注意力与多Token预测两大算法创新，允许用更少的计算量训练和推理相同能力的模型。DeepSeek-chat输入/输出定价分别为0.14/0.28美元/百万Token，DeepSeek-reasoner为0.55/2.19美元/百万Token。对比OpenAI o1（15/60美元）、o1-mini（3/12美元）、Meta Llama 3.2 70B（0.72/0.72美元），DeepSeek的价格优势显著。华泰证券认为，DeepSeek的成功证明了低成本高性能AI模型的可行性，将驱动行业竞争格局重塑。
AWS GPU价格反向上涨的启示
据SemiAnalysis数据，DeepSeek V3和R1发布以来，H100的AWS GPU价格在许多地区都有所上涨，H200也更难找到。V3推出后H100价格暴涨，因为GPU的货币化率开始大大提高。以更低的价格获得更多的智能意味着更多的需求。这与前几个月低迷的H100现货价格相比发生了重大转变。华泰证券指出，这一现象验证了“杰文斯悖论”在AI领域的适用性——更高效的模型反而创造了更多的算力需求。
算法进步 vs 算力投资
Anthropic CEO认为算法的进步甚至比硬件更快，可以产生10倍的改进。就GPT-3质量的推理定价而言，成本已下降到1/1200。DeepSeek的成功使得有限卡情况下的模型训练效率和效果达到新的高度。但DeepSeek论文同时指出，要超越智能边界可能仍需更强大的基础模型和更大规模的RL。微软CEO纳德拉表示，不要一次性采购过多硬件，因为摩尔定律每年带来2倍性能提升，而优化工作可能带来10倍的提升。华泰证券认为，算法进步与算力投资是螺旋上升关系，而非替代关系。
成本下降对应用生态的影响
推理成本下降将从三个维度重塑AI应用生态。其一，降低准入门槛——更多开发者和中小企业可负担AI推理成本，催生更丰富的应用场景。其二，提升投资回报率——企业在LLMs、硬件和基础设施上的支出减少，意味着可以有更多预算投资于业务应用。其三，推动规模化部署——企业AI应用正从概念验证阶段转向全企业范围部署，成本下降使大规模推广成为可能。华泰证券认为，2025年将看到AI应用从商业化到规模化的关键转折。
表：AI推理成本对比（美元/百万Token）| 模型 | 输入定价 | 输出定价 | 相对DeepSeek-chat倍数 |
|---|
| DeepSeek-chat | 0.14 | 0.28 | 1x |
| DeepSeek-reasoner | 0.55 | 2.19 | ~4x |
| Meta Llama 3.2 (70B) | 0.72 | 0.72 | ~5x |
| OpenAI o1-mini | 3 | 12 | ~21x |
| OpenAI o1 | 15 | 60 | ~107x |
