DeepSeek-R1以560万美元训练成本比肩OpenAI o1，不是靠偷工减料，而是靠MoE架构把1.6万亿参数压缩到每次只激活490亿参数，加上MLA注意力机制把显存占用砍到10%。这个数字击穿华尔街「AI必须砸钱堆算力」的铁律——英伟达单日蒸发5900亿美元，但三周后收复跌幅，因为市场发现低成本打开的推理需求海啸反而需要更多芯片。DeepSeek首轮融资500亿、估值590亿美元，打了场漂亮的翻身仗。

1865年英国经济学家杰文斯发现，蒸汽机效率提升后煤炭消耗反而暴增——因为便宜了，更多人用。这个150年前的悖论在AI领域精准重演：DeepSeek把训练成本打到560万美元，单次推理成本降至GPT的1/70，但推理成本越便宜，企业和个人越想「什么都能用AI」，调用量指数级膨胀。OpenClaw团队月烧130万美元AI支出，比全员工资还高，正是悖论活生生的案例。

DeepSeek事件半年后，剧情出现了反方向的一支：Meta把囤积的数十万块英伟达高端GPU推到市场出租，算力租赁价三周内暴跌近三成。市场恐慌的不是AI不行，而是算力从「核武器」变成「白菜」——当最大买家转行当卖家，英伟达那份靠「稀缺性」撑起的估值故事就站不住了。算力租赁商CoreWeave单日暴跌11%，费城半导体指数跌超7%，空头Michael Burry公开做空英伟达。

当下能看到的关键变量是算力需求结构从训练向推理迁移。2026年推理算力占比已超50%，中国大模型周调用量飙至33万亿Token，是美国的14倍。但推理端对芯片的「能效比」要求远高于训练——英伟达Blackwell Ultra把每兆瓦吞吐量翻了50倍，推理成本降至前代35分之一。焦点不是「要不要建更多芯片」，而是「谁能用更少的电跑出最多的Token」。拐点要等2027年台积电3nm产能释放与HBM4良率爬坡，那时才能看清谁在裸泳。

DeepSeek把推理成本降到0.28美元/百万Token，微软Azure 2026年资本支出飙到1900亿美元，但自由现金流接近归零。真正值得追问的不是「成本还能降多少」，而是「烧钱买来的算力何时能转化为可量化的商业回报」——Copilot付费用户暴增160%是信号，但企业落地层面，高盛预测3亿个岗位被AI取代的场景下，消费终端的购买力谁来接盘？杰文斯悖论的下一层，是通缩螺旋。