DeepSeek 冲击波：《经济学人》双语精读
2025 年 1 月 27 日，一颗来自中国的"深水炸弹"让美欧股市剧烈震荡。英伟达单日蒸发 6000 亿美元市值——美国股市史上最大单日损失。这场恐慌的源头，是一家原本做量化对冲基金的中国公司。
本文精读《经济学人》2025-01-27 Business 栏目文章 Deepseek Sends A Shockwave Through Markets（印刷版标题 "Shockwaves"），拆解 AI 供应链上谁输谁赢、云巨头为何最难判断、以及看多者的理由是否站得住。
1、恐慌的规模：一次史上最大的单日蒸发
It does not take much for the euphoria over artificial intelligence to turn into alarm. On January 27th stockmarkets in America and Europe convulsed.
The share price of Nvidia, America's AI chip champion, fell by 17%, erasing $600bn of market value, the biggest one-day loss in the history of America's stockmarket.
从对 AI 的狂热转为恐慌，并不需要太多。1 月 27 日，美欧股市剧烈震荡。美国 AI 芯片龙头英伟达股价暴跌 17%，市值蒸发 6000 亿美元，创下美国股市史上最大单日损失。供应链上的其他企业——从数据中心房东到网络设备制造商——命运相似。
本段数据：英伟达 -17%；市值蒸发 $6000 亿；美欧股市同步震荡。
要点：文章开篇不铺垫背景，直接甩出"史上最大单日损失"这个量级——先立事实的重量，再追问原因。这是财经报道常见的"倒金字塔"起手。
2、祸首：一家"看不懂的"中国公司
The cause of investors' panic was DeepSeek, an obscure Chinese hedge fund turned AI startup that has blown analysts away with its latest large language model, released on January 20th.
Innovative techniques have allowed the firm to train AI models that perform about as well as the most sophisticated Western ones with only a fraction of the computing power—and therefore a fraction of the cost.
引发投资者恐慌的源头是 DeepSeek：一家原本默默无闻的中国对冲基金转型而来的 AI 初创公司。它在 1 月 20 日发布的最新大语言模型令分析师们大为震撼。消费者蜂拥使用 DeepSeek 的聊天机器人，上周末它成为 iPhone 上下载量最高的应用。凭借创新技术，该公司训练出的模型性能与西方最先进的模型相当，却只用了零头的算力——因而也只是零头的成本。
本段数据：模型发布于 1 月 20 日；上周末成为 iPhone 下载量第一。
要点：这里埋下了全文的论证支点——"以零头算力达到同等性能"。后面所有输赢判断，都从这个前提推出来。
3、转折：市场会平静，但认知不会回到从前
Yet the episode is set to leave a lasting impression on investors, who have been forced to rethink who will profit most from AI and consider what would happen were the bubble to burst.
随后几天，市场恢复平静，股价止跌，部分甚至收复失地。但这一事件注定会在投资者心中留下持久印记：他们被迫重新思考，谁才是 AI 的最大受益者，以及泡沫一旦破裂会怎样。
要点：典型的让步后转折（Yet）。作者承认市场反弹，却立刻指出真正的后果不在股价，而在估值假设被动摇——这是全文的论证枢纽。
4、先看清供应链：五层结构
The AI supply chain consists of hundreds of firms. Some of them, such as Nvidia, produce the hardware that sits inside data centres. Others rent out that gear as cloud-service providers.
AI 供应链由数百家公司组成。其中一些（如英伟达）生产数据中心里的硬件；另一些（亚马逊、微软、谷歌）把这些设备作为云服务出租；模型开发者（OpenAI、Anthropic）在云端训练系统；软件公司（Salesforce、微软）则在这些模型之上构建应用卖给客户。
要点：机制层说明。分析师必须先建立"谁在链条哪一环"的坐标系，才能判断成本下降的冲击会落在谁头上。这一段是后面全部输赢名单的分析基础。
5、最明确的输家：卖铲子的人
If training models requires less computing power, then fewer chips and related equipment will be sold.
Its most advanced chips, which are widely used in developing cutting-edge AI models, are said to generate gross margins in excess of 90%. If demand for them falls, the company's monopoly-like margins will be squeezed.
DeepSeek 突破带来的最明显输家，是 AI 硬件供应商。若训练模型所需算力减少，芯片及相关设备销量就会下降。1 月 27 日血洗之前还是全球市值第一的英伟达，风险暴露尤为明显——其最先进的芯片毛利率据称超过 90%，一旦需求下滑，这种近乎垄断的利润率将被压缩。
本段数据：英伟达先进芯片毛利率 >90%。
要点：点出关键机制——高毛利来自稀缺性。算力需求一旦松动，受冲击的不只是营收，更是利润率本身。这是全文最锋利的一处推断。
6、冲击沿供应链扩散：从晶圆到冷却液
Share prices of American chip firms suffered a median decline of 6% on January 27th. The value of TSMC, a Taiwanese firm that makes most of the world's cutting-edge semiconductors, tumbled by 13%.
Chips need to talk to each other to train leading-edge models, which is why the value of Arista, a maker of networking gear, plunged by more than a fifth during the rout.
英伟达的竞争对手（如 AMD）同样承压，尽管估值没那么虚高。1 月 27 日，美国芯片公司股价中位数下跌 6%；台积电——生产全球大部分先进半导体的台湾企业——大跌 13%。
其他 AI 硬件供应商也在被投资者重新评估。制造数据中心服务器机架的美国电子企业超微和戴尔当天分别下跌 6% 和 9%。芯片间需要相互通信才能训练前沿模型，因此网络设备商 Arista 在抛售中暴跌逾五分之一。为 AI 芯片降温的冷却设备制造商 Vertiv 和 Modine Manufacturing 均损失超过四分之一市值。
本段数据：美国芯片股中位数 -6%；台积电 -13%；超微 -6%、戴尔 -9%；Arista 跌逾 1/5；Vertiv 与 Modine 均跌逾 1/4。
要点：作者用一连串具体跌幅证明这不是"英伟达一家的事"，而是整条硬件链的重新定价。数字密集，是为了说明传导的广度。
7、两个外溢：能源股，和烧钱的模型公司
Many investors had assumed that training cutting-edge AI models would require ever greater amounts of electricity. But DeepSeek has thrown this into doubt.
They have been burning through cash, and could find it harder to raise capital now that DeepSeek has shown it is possible to do more with less.
能源企业也被卷入这场血洗。许多投资者原本假定，训练前沿模型将需要越来越多的电力，但 DeepSeek 让这一点存疑。电气设备制造商西门子能源和核电用铀生产商 Cameco 在抛售中分别下跌 20% 和 15%。
另一群输家是模型开发者，如未上市的 OpenAI 和 Anthropic，它们的业务面临被低价颠覆的风险。它们一直在烧钱，而如今 DeepSeek 证明了"以更少做更多"可行，它们融资可能更难。
本段数据：西门子能源 -20%；Cameco -15%。
要点：视角从硬件切换到电力与资本。能源股的下跌揭示市场此前押注的是"算力需求无限增长"这一叙事；而模型公司被点名，则点出竞争格局的另一种可能——护城河可能不是技术，而是资本开支。
8、赢家：模型之上的应用层
Firms that build software applications on top of them, such as Salesforce and Microsoft, will benefit from falling costs.
Apple, maker of the iPhone, may be another winner. It has not invested as heavily in AI infrastructure or model-making.
更便宜的模型也会创造赢家。在其之上构建软件应用的公司（如 Salesforce、微软）将受益于成本下降，许多这类公司本周股价逆势上扬。iPhone 制造商苹果可能是另一个赢家——它在 AI 基础设施和模型开发上投入没那么重。AI 还可能催生一波新的消费级应用，有助于提振其低迷的 iPhone 销量。
要点：成本下降的受益者是应用层与轻资产者。注意作者的判定逻辑：苹果的"赢"来自它没有重投入——同一件事，在不同位置的资产负债表上含义相反。
9、云巨头：为什么最难判断
Alphabet, Amazon and Microsoft operate across the AI stack.
Last year the combined spending on data centres by the cloud trio and Meta reached about $180bn, an increase of 57% on 2023.
云巨头受何影响更难判断。Alphabet、亚马逊、微软横跨 AI 多个环节。它们的软件应用（如微软 Copilot）可能因廉价模型普及而更赚钱；但它们也直接（Alphabet 有庞大的内部团队）和间接（通过持有 OpenAI 等初创公司股份）投入了模型开发。
它们在 AI 上砸下了巨额资金。去年，云三巨头加 Meta（也在开发 AI 模型）在数据中心上的合计支出达约 1800 亿美元，比 2023 年增长 57%。尽管股东乐见资本开支暂缓，但他们现在可能在琢磨：迄今为止的这些投资会怎样。
云巨头还在试水自研芯片，以减少对英伟达的依赖。研究机构 Gartner 的 Mario Morales 指出，它们的半导体工程团队规模如今已各相当于一家大型芯片制造商。投资者似乎认为这些雄心会被削减——抛售中，帮助云巨头设计自研芯片的博通和 Marvell 股价分别下跌 17% 和 19%，与云巨头自身的微跌（Alphabet、微软）或持平（亚马逊）形成对比。
本段数据：云三巨头 + Meta 数据中心支出约 $1800 亿，同比 +57%；博通 -17%、Marvell -19%（而云巨头自身几乎未跌）。
要点：这是全文最见功力的判断——同一家公司既是成本下降的受益者，又是巨额资本开支的承担者，方向相反，因此无法给出单一结论。作者用"供应链公司跌得比巨头狠"的反差，暗示市场认为巨头的自研芯片野心会被迫收敛。
10、看多者的两条理由，与需求的真实瓶颈
One reason is that so-called reasoning models ... are deploying much more computing power at the inference stage, where the model responds to questions, to generate better answers.
Of those that have no plans to use it in the next six month, only 4% cite cost as the reason. The vast majority think that AI simply does not apply to their business.
业内仍有许多人看多。挥金如土的日本投资者软银据报道正洽谈向 OpenAI 注资 150 亿至 250 亿美元。1 月 29 日，Meta 老板扎克伯格表示，公司长期将在 AI 上投入"数千亿美元"。
原因之一是所谓推理模型——包括 OpenAI 的 o3 和 DeepSeek 自家的 R1——在推理阶段（模型回答问题处）部署的算力要多得多，以生成更好的答案。这可能抵消训练算力使用的下降。
另一个乐观来源与需求有关。1 月 29 日微软表示，其 AI 云收入增长（该季度同比增长 157%）受限于供给，而非需求。
但普及之路仍有障碍。美国人口普查局调查企业的 AI 使用情况：在未来六个月无使用计划的企业中，仅 4% 将成本列为原因；绝大多数认为 AI 根本不适用于自身业务。
本段数据：软银拟注资 OpenAI $150 亿–250 亿（据报道）；微软 AI 云收入季度同比 +157%；不用 AI 的企业中仅 4% 归因于成本。
要点：作者对看多论证做了漂亮的拆解——即便成本大降，需求端的瓶颈也不是价格，而是"看不到用途"。这个来自人口普查局的 4% 是全篇最有分量的反直觉数据。
11、收束：真正稀缺的是耐心
Any effect on demand, however, will take time to materialise. And as the market turbulence demonstrates, investors are getting jittery. Their patience may not last for ever.
若 DeepSeek 的创新把 AI 成本降低几个数量级，企业很可能会发现该技术的新用途。推理模型也会通过提升 AI 表现有所帮助。然而对需求的任何影响都需要时间才能显现。而正如这场市场动荡所示，投资者正变得神经紧张——他们的耐心可能不会永远持续。
要点：全文结论不落在技术或估值，而落在时间与耐心上。技术逻辑成立 ≠ 投资逻辑成立，因为两者需要的时间尺度不同。这个收尾把一篇行情稿抬到了投资哲学的高度。
词汇表
| 表达 | 释义 |
|---|---|
euphoria |
亢奋、狂喜——本文指市场对 AI 的过度乐观情绪 |
convulsed |
剧烈震荡、抽搐——形容股市的剧烈波动 |
erasing $600bn of market value |
抹去 6000 亿美元市值（erase 用于市值蒸发很地道） |
an obscure Chinese hedge fund turned AI startup |
一家默默无闻、由对冲基金转型而来的中国 AI 初创公司（turned 作后置定语） |
blown analysts away |
让分析师们大为震撼（blow away = 使惊叹） |
a fraction of the computing power |
零头的算力（a fraction of 强调"只是很小一部分"） |
the carnage / the rout / the bloodbath |
本文三处同义替换，均指这场抛售血洗——财经写作常用战场隐喻 |
frothy |
（估值）虚高、有泡沫的——源自 froth（泡沫） |
monopoly-like margins |
类垄断的利润率 |
median decline |
中位数跌幅（区别于平均，避免极端值干扰） |
plunged by more than a fifth |
暴跌逾五分之一（英文习惯用分数表达跌幅） |
burning through cash |
烧钱、快速消耗现金 |
undercut |
被削价颠覆、以低价冲击 |
perk up sluggish sales |
提振低迷的销量（perk up = 使活跃起来） |
reprieve |
暂缓、喘息（此处指资本开支的暂缓） |
bullish |
看多的、看涨的 |
spendthrift |
挥金如土的（名词/形容词，形容软银很传神） |
plough $15bn-25bn into |
向……投入 150–250 亿美元（plough into = 大量投入） |
jittery |
神经紧张的、惴惴不安的 |
take time to materialise |
需要时间才能显现（materialise = 成为现实） |
可借用句式
1. 让步后转折，用于承认表象、指出实质
Yet the episode is set to leave a lasting impression on investors, who have been forced to rethink...
用法：先用一句承认对方看得到的事实（市场恢复了），再以 Yet 引出"真正的后果"。写分析时用来区分"表面现象"与"结构变化"。
2. 用"假设—推论"链条代替直接判断
If training models requires less computing power, then fewer chips and related equipment will be sold.
用法：不直接下结论，而是把前提摆明让读者自己走完推理。财经评论里最稳妥的论证方式，也最难被反驳。
3. 同一件事对不同位置的人含义相反
That contrasts with the share prices of the cloud giants, which fell slightly or not at all.
用法：用 contrast with 把两类主体的反应并置，凸显结构性差异，而不必自己下褒贬。
4. 用具体数据反驳流行叙事
Of those that have no plans to use it in the next six month, only 4% cite cost as the reason.
用法：先复述一个广泛假设（大家不用是因为贵），再用一个精确小数字推翻它。only 一词承担了全部反转力量。
5. 结尾把技术问题抬升到时间尺度问题
Any effect on demand, however, will take time to materialise. ... Their patience may not last for ever.
用法：当论证双方各有道理时，把分歧归结为"时间尺度不同"，既不下武断结论，又给出独到洞察。
阅读地图
| 节点 | 内容 |
|---|---|
| 现象 | 英伟达单日 -17%，市值蒸发 6000 亿 |
| 诱因 | DeepSeek 用零头算力达到同等性能 |
| 输家 | AI 硬件 → 能源 → 模型开发者 |
| 赢家 | 应用层（Salesforce/微软）、苹果 |
| 最难判断 | 云巨头（既是受益者又是重投入方） |
| 看多理由 | 推理算力上升、需求受限于供给 |
| 反驳 | 不用 AI 的企业中仅 4% 因成本 |
| 结论 | 技术逻辑成立，但受制于时间与耐心 |
原文：Deepseek Sends A Shockwave Through Markets, The Economist, 2025-01-27, Business 栏（印刷版标题 "Shockwaves"）。英文引句为各段关键原句，中文为对照翻译与要点整理。