DeepSeek、Manus 过去三个月带来的狂潮，正改变全球 AI 产业过去三年既定路线。变局当前，亚马逊、微软、谷歌、阿里姿势各不相同
这三个月，中国大模型创业公司 DeepSeek、中国 AI 应用创业公司 Manus 引爆了市场情绪。
DeepSeek 论文称，「用 2048 张英伟达 H800 芯片和 558 万美元训练成本」 训练出了 DeepSeek-V3。这款模型和美国明星 AI 创业公司 OpenAI 旗下主力模型 GPT-4o 性能接近。
Manus 利用 Muti-Agent（多代理） 策略，制造出了一款 AI 原生应用。演示资料中，Manus 可以独立思考、计划并执行复杂任务。Muti-Agent 被认为是 2025 年 AI 应用发展方向。
DeepSeek、Manus 这两家公司不乏争议。市场对 DeepSeek 披露的算力规模、训练成本有所质疑。Manus 则被认为是 「套壳」 产品，缺乏真正的核心竞争壁垒。
无论如何，DeepSeek、Manus 都是大模型浪潮三年的里程碑。它们这三个月带来的狂潮意味着，拥有云业务大型的科技公司 （如亚马逊、微软、谷歌、阿里等） 未来三年的既定路径将被改变。
其一，过去三年大模型竞争重点是训练，这三个月正在转向推理。
过去三年，大模型竞争焦点是用万卡、十万卡训练高性能模型。但近一年，「Scaling law」（规模定律，模型性能由算力、模型、数据规模决定） 放缓。成倍的算力只能让模型性能提升 10%-20%。但得益于芯片、模型、算法优化，推理算力成本正以每年十倍的速度下降。
其二，过去三年 AI 应用处于萌芽期，但这三个月 AI 应用快速成长。
AI 应用消耗的是推理算力，受益者仍然是云厂商。过去三年，AI 应用落地主要障碍是推理算力成本偏高。随着推理算力下降，钉钉、飞书、WPS、美图秀秀这些老应用近三个月在加快叠加新的 AI 能力，Manus 这类 AI Agnet（代理） 为代表的原生 AI 应用也迅速爆发。
AI 应用爆发，算力消耗增长，变局正在来临。那么，全球四大云厂商——亚马逊、微软、谷歌、阿里，是如何面对这场狂潮的？
先吃下红利
云是大模型的基础设施，也是大模型最终受益者。随浪而跃，几大云厂过去三个月正在争相吃下 DeepSeek 带来的早期市场红利。
亚马逊云科技、阿里云、微软 Azure、谷歌云等云厂商先后迅速接入 DeepSeek。云厂商上架 DeepSeek 不难。DeepSeek-V3/R1 是开源的，任何人都能下载、部署、使用。客户使用时会消耗算力、数据，带动其他基础云产品 （计算、存储、网络、数据库等） 销售。
今年 2 月，多家国际、中国云厂商的一线销售透露，DeepSeek 走红后，大量客户在询问，DeepSeek 何时能上架。DeepSeek 近一个月快速带来了算力消耗和收入增长。
DeepSeek 带来了市场红利，但一些云厂商面对 DeepSeek 情绪复杂——犹豫、被动、摇摆的心态始终存在。根源是，它们始终面临一个问题——要如何面对第三方模型？
接入第三方大模型，会和自研模型直接竞争。一位中国云厂商销售坦言，大部分云厂商，原本最希望销售自家旗舰模型。过去，DeepSeek 等第三方产品无法得到官方推荐。销售人员通常会对客户说，自家模型表现最好。然而，自家模型公开测评得分与 DeepSeek-R1 差距很大。如今面对客户质疑，一线销售很难回答这个问题。
「丢了面子，得了里子」，另一位中国云厂商销售的判断是，接入 DeepSeek，既是被动防守，也是为了争取更多订单。他认为，「先吃下 DeepSeek 带来的市场红利，总比自家模型丢掉市场份额要好」。
亚马逊没有太多纠结，它的动作迅速且坚决。它是全球率先接入 DeepSeek 的云厂商。亚马逊还在后续两个月不断为客户提供使用 DeepSeek 的完整工具链。
1 月 30 日，亚马逊云科技 Marketplace 模型市场和 SageMaker 开发平台接入 DeepSeek。
2 月 24 日，亚马逊云科技 Marketplace 中国区上线硅基流动 （一家部署了 DeepSeek V3/R1 的平台服务商），中国用户可借此使用 DeepSeek。
3 月 11 日，亚马逊在 Amazon Bedrock 平台上架 DeepSeek-R1。这是中国市场首款上架 Bedrock 的大模型。 目前，亚马逊云科技是首个提供全托管版本并正式商用的海外云厂商。
入选 Bedrock 门槛并不低。亚马逊会评估全球范围内的大模型，严格筛选并最终上架。目前 Bedrock 只有十家模型厂商的产品，其中包括明星 AI 创业公司 Anthropic 旗下的 Claude 3.7 系列、Meta 旗下的 Llama 3 系列。
我们了解到，亚马逊云科技 2024 年曾试图寻找适合上架 Bedrock 的中国大模型，但无疾而终。DeepSeek-R1 技术领先，性能出众。亚马逊的客户，如丰田、思科等对它很感兴趣，这是它最终上架 Bedrock 的重要原因。
亚马逊 CEO 安迪·贾西 （Andy Jassy） 在 2024 年报电话会介绍，DeepSeek 训练技术令人印象深刻。它使用了强化学习技术，这比监督微调更有意思。
「上架」Bedrock，比 「接入」 更近一步。客户可以通过全托管、无服务器方式使用。这种体验如同一方产品，可以得到官方推荐和更多客户资源倾斜。1 月 30 日至今，亚马逊云科技已有数千名客户使用 Amazon Bedrock 的自定义模型导入功能部署了 DeepSeek-R1。
为什么要向第三方模型开放自己的资源？因为，在真实业务场景中，企业往往会用多模型。
每款模型都有擅长的领域，如文字、代码、图像。一位出海智能营销公司技术人士直言，他们公司业务中部署了十余款模型，包括阿里千问系列、Anthropic 的 Claude 系列、谷歌 Gemini 系列、DeepSeek 系列等。Claude 承担英语和小语种营销文案任务，千问负责中文营销文案任务，Gemini 被用于营销图片、视频生成。DeepSeek 目前还在测试阶段。
选定了模型的专业领域，还要面对 「不可能三角」——在成本、速度、性能三者之间权衡，最终找到适合自身业务的模型。
面对这些真实需求，亚马逊云科技的做法是，「Choice Matters」（选择大于一切）。 安迪·贾西曾对此解释，要给开发者自主选择的权利。使用模型时，拥有多种选择至关重要，因为 「永远不会出现一种工具在某个领域一统天下的情况」。
创新往往来自边缘。一位亚马逊云科技人士的观点是，DeepSeek 脱颖而出，说明顶尖 AI 模型不一定来自大家都期待的大公司，它可能来自任何人。亚马逊不会押注单一赢家，而是提供开放平台。只要模型足够好，就立刻上架 Bedrock，为客户提供多种选择。
为此，Bedrock 集成了包括亚马逊、Anthropic、Meta、DeepSeek 等十家大模型厂商的几十款精选模型。Bedrock 上的 Bedrock Marketplace 像是一个 「超市」，上架了 180 多款专业模型或行业模型。
云厂商简单接入 DeepSeek 是不够的。不同云平台的 DeepSeek，体验差距很大。因为，模型要经过适配、开发，最终才能使用。工具链是否完善，决定了 DeepSeek 是否好用。
以 DeepSeek-R1 为例，它并非完美。上述出海智能营销公司技术人士提到，DeepSeek-R1 参数规模到了史无前例的 6710 亿。这导致在测试中表现不稳定，还带来了高并发等问题，这些都需要反复调试。
DeepSeek-R1 创造力、想象力出众。随之而来的是，模型幻觉 （大模型生成不符合事实的内容） 率偏高。AI 创业公司 Vectara 用幻觉评估模型计算称，DeepSeek-R1 幻觉率为 14.3%。这是大部分头部模型厂商两年前的水平。
也就是说，大多数企业生产环境内，DeepSeek-R1 无法开箱即用。
如何让 DeepSeek 更好用？Bedrock 提供了完整的工具集，如 Agent、知识库、提示词管理、Guardrails（安全防护） 等功能。这可以让模型性能更强、更简单易用。
怎样控制 DeepSeek-R1 的幻觉？Bedrock 的 Guardrails 功能可以提供防护栏，阻止 85% 的有害内容，并借助自动推理检查防止模型幻觉带来的事实错误。
拿出更好的模型
DeepSeek 给科技公司带来了一轮红利，同时也带来了压力。反思的声音在一些企业内部诞生——为何 DeepSeek 没有最先出现在算力、资金、人才看似都更丰富的大厂？
一种解释是，大厂很难像 DeepSeek 集中精力做纯粹的技术研究。大厂需要商业化，面对未经验证的技术路线，不敢轻易投入资源。技术负责人也不敢拿公司资源、团队前途去赌更激进的技术路线。
过去三年，一些科技云厂商人士原本认为，大模型只是几个大厂的游戏，创业公司很难出头。DeepSeek 横空出世后，大厂技术团队面对它的心态很矛盾——一方面认为要学习借鉴它的技术特性；另一方面也不服输，认为它还不够好，自己家能够拿出更好的模型。
面对 DeepSeek 的技术创新，不同大厂应对策略不同。
落后者迅速追赶，阿里在春节期间发布了对标 DeepSeek-V3 的 Qwen2.5-Max。领先者观望后立刻反制，微软和 OpenAI 拿出了性能更强的 o3-mini 和 GPT-4.5。亚马逊则考虑，如何用好现有的模型，让它们在客户业务场景中发挥最大潜力。
DeepSeek-R1 诞生后，直接逼迫大厂要迅速拿出更好的模型。大厂并非没有技术储备。随后不到一个月，阿里、谷歌等厂商均跟进推出了对标 DeepSeek 的产品。
「几个大厂不紧不慢地赛跑。现在，赛道上突然横插进一匹黑马」，一位中国科技公司大模型领头人形容，这三个月 DeepSeek-R1 正在倒逼他们重拾紧迫感。他的团队对 DeepSeek-R1 迅速参考借鉴后，在 2 月末上线了自研的推理模型。他承认，这款模型是 「赶鸭子上架」，整个训练周期不到两周，甚至没有经过反复测试就上线了。
微软和 AI 创业公司 OpenAI 相对从容。微软和它投资的 OpenAI 依旧手握优势。OpenAI 的 GPT 系列仍保持 3 个至 6 个月性能领先。因此，面对 DeepSeek，OpenAI 动作并不多。
今年 1 月发布的 DeepSeek-R1，性能接近 OpenAI 去年 9 月发布的 GPT-o1。今年 2 月，OpenAI 发布了迭代后的 GPT-o3-mini，这款模型的性能领先优势很大。
不过，OpenAI 被诟病的并不是模型性能，而是态度和价格——它的模型闭源，不提供推理思维链，定价也过高。奥尔特曼今年 1 月末曾称，DeepSeek 能以低价算力提供这样的服务令人惊讶。他表示推迟了部分产品的发布。然而，今年 3 月 GPT-4.5 发布后，外界再次质疑它价格太贵且缺乏诚意。
一些技术人士认为，DeepSeek 为行业带来了贡献，但要客观看待——V3/R1 性能并非断崖式领先，它们仍然存在短板，它距离落地还有一段距离。
一位中国大模型创业公司人士评价，字节豆包、阿里通义的大语言模型和 DeepSeek-R1 相差只有 1 个-3 个月。DeepSeek 拥有一定的成本/性能优势，但随时可能会被复制、追赶或超越。对客户来说，DeepSeek 是偏科生，目前只有语言模型 （只能输入/输出文字），没有图像、音频、视频等多模态模型。比如，工业制造中图像、视觉模型是刚需。
「DeepSeek-R1 想进入客户业务场景，必须挤掉已经部署的模型，但这非常难」，上述出海智能营销公司技术人士直言，他们现在无法做这个决定。因为 DeepSeek-R1 吞吐效率偏低、幻觉率偏高。这会影响客户口碑。
和很多模型厂商追求更强的模型性能、更高的评测跑分不同，亚马逊更关注模型实际业务表现：如响应速度、吞吐效率、安全可靠。
一位科技公司算法负责人的观点是，基准测试、评测跑分、语言表达华丽不能完全代表模型实际能力。「高分低能」 是常见现象，因为模型厂商可以通过刷基准测试题库的方式取得高分。一些模型纸面性能很强，但企业实际使用时，受制于响应速度、吞吐效率等问题，难以扛住业务洪流。越是深入业务，「好模型」 的标准就变得越多维。
这是亚马逊和它投资的 AI 创业公司 Anthropic 所擅长的。
一位亚马逊云科技中国区管理层 2024 年 12 月曾表示，安迪·贾西一直坚持 「Practical AI」（实用/可用的人工智能） 这个观念。这也是亚马逊做大模型的逻辑。亚马逊没有一个研究院性质的组织，而是把 AI 能力分散在各个业务线。目的是让自家模型经过业务检验，实现 「eat your own dog food」（使用自家生产的产品）。
Anthropic 2 月末推出 Claude 3.7 Sonnet 系列推理模型。Claude 系列不能只看评测跑分，它的工程、代码能力一直远超其他模型。一位测试过多款模型的一线工程师认为，DeepSeek 擅长风格化表达，对大众用户来说，这很惊艳。但对工程师来说，代码准确率更重要，Claude 表现更稳定、靠谱。
亚马逊云科技去年 12 月推出旗下自研家族模型 Amazon Nova。Nova 包括四个基础版本 （Micro、Lite、Pro、Premier），以及图像模型 Nova Canvas、视频模型 Nova Reel。Nova 是亚马逊自研模型，却仍要和 Anthropic、DeepSeek 等模型同台竞争，接受客户考验。
目前，Nova 系列主打卖点是，便宜、好用、安全，以及多模态。上述亚马逊云科技中国区一线销售人员表示，Nova 已有大量客户。它和 Claude 系列错位布局，Claude 定位高端，Nova 价格更低。
亚马逊发布过一份 《Amazon Nova 系列模型：技术报告与模型卡片》 的论文。这份论文和 OpenAI、DeepSeek 的技术论文强调技术优势不同，它更强调实际业务场景的测试。
上述论文内容显示，Nova 的启动速度、吞吐效率、响应时间表现均位居前列。Nova 在软件工程、财务分析等职业专业测试中，同样表现出众。为保障信息安全，亚马逊聘请了包括德勤等多家外部机构，组成专家团队定期进行 「红队演习」。他们会针对 300 多类违禁、攻击内容进行对抗测试，以此提升 Nova 的安全能力。
投入更多算力
随着模型加速落地，AI 应用爆发，加大算力投入已是大势所趋。
这三个月，算力需求的未来走势一度引发争论。根据 DeepSeek 披露的信息，似乎不需要万枚、十万枚高端 AI 芯片，也能做出效果不错、成本低廉的模型。
这在三个月前引发了市场担忧。投资者一度以为，这会戳破泡沫，减少算力需求。受此影响，1 月 27 日英伟达股价下跌约 17%，市值蒸发近 6000 亿美元，创下美国股市历史上最大单日市值跌幅纪录。
乐观预期很快又占据主流。主流判断是，单位算力成本下降反而会激发更多需求。AI 应用将因此爆发，进而加大算力消耗量。
2 月后，中美四家大型科技公司 （亚马逊、微软、谷歌、阿里） 均公布了 2025 年资本支出计划——它们并未减少算力投资，反而在加码算力投入。
科技公司算力投资，会在资本支出中体现。科技公司每年至少 60% 以上的资本支出被用于投资算力，如采购芯片、服务器、存储和网络设备、租赁土地、建设数据中心。
2024 年，四家科技公司资本支出均达到历史顶点（详见 《DeepSeek 将拉低算力总需求？美国科技四巨头今年算力投资不减》）。2025 年，四家科技公司资本支出仍将高速增长。
目前，资本支出计划规模最大的是亚马逊。安迪·贾西甚至在 2024 年报电话会中向投资者保证这笔支出值得，称这是 「千载难逢的商业机会。」
最新财报电话会显示，亚马逊计划 2025 年投入 1000 亿美元资本支出，增速接近 30%，主要用于云业务。微软计划 2025 财年 （2024 年 7 月初-2025 年 6 月末） 资本支出 800 亿美元，2025 年资本支出将环比增加。谷歌计划在 2025 年投入 750 亿美元资本支出，增速将超过 40%。阿里宣布，未来三年将投入超过 3800 亿元 （约合 535 亿美元，以美元和人民币汇率 1:7.1 计算），用于云和 AI 硬件基础设施，总额超过去十年总和。
对不同公司来说，巨额资本支出带来的压力不尽相同。资本支出率可以侧面反映问题。
科技公司巨额资本支出采购芯片、服务器等算力设备后，会转化为固定资产。这些固定资产折旧摊销时长一般为五年，计入每年的折旧摊销成本，影响未来五年的净利润。
资本支出率越低，理论上带来的财务压力越小。亚马逊、微软、谷歌、阿里 2024 年资本支出率分别是 12.2%、28.9%、15.0%、7.4%。目前，亚马逊资本支出率偏低，它的资本支出对未来几年的利润影响有限，算力投资是可持续的。微软明显偏高，这对利润影响相对更大，它不可能长期维持高强度的算力投资。
为什么即使面临种种不确定因素，亚马逊、微软、谷歌、阿里仍要加大算力投入？
其一，它们 「钱袋子」 仍是富余的，净利润、现金流能支撑短期高强度算力投资。
其二，短期砸钱买算力对利润影响不大，还能通过延长部分服务器、网络设备使用时长调节利润。
其三，过去两年的巨额投资产生了实际回报，「云+AI」 收入、利润在增长。这进一步刺激了算力投资。
事实上，「宁可多投不可错过」 是大型科技公司高强度投资算力的重要心态。
多位中国科技公司战略规划人士今年 2 月告诉我们，加大投资才能在竞争中拥有更高胜率。科技公司不能让净利润、现金流躺在账面，必须投资未来。多买算力，有浪费的可能。但如果不投，一定会错失未来。
上述中国科技公司算法负责人透露，他所在公司综合考虑算力资源储备、市场未来用量、模型成本下降等因素判断，2027 年每天推理算力的消耗量将增长 100 倍以上。因此，拉到十年长周期看，算力需求不会减少，只会螺旋上升。
既然未来 1 年-2 年必须加大算力投资。那么，要如何更经济、高效地投资算力？亚马逊的做法是，自研芯片，且自研芯片采购比例比其他公司更高。
目前亚马逊全球新增算力的一半以上都是基于 Arm 架构 Graviton 系列芯片，数量已超过 x86 系列芯片 （主要生产企业包括英特尔、AMD）。未来 AI 训练/推理自研芯片的采购比例也将提升。
一位芯片技术人士的观点是，自研芯片采购量足够大，成本足够低时，可以摊薄研发成本，进而得到更有性价比的算力。这也是亚马逊的优势所在。