DeepSeek炸街美股，英伟达哭了，苹果赢麻了？

当中国AI新秀DeepSeek带着“557万美元训练成本暴打OpenAI”的剧本杀入科技圈，全球股市瞬间上演了一场《鱿鱼游戏》真人版——英伟达市值一夜蒸发4万亿，而苹果却成了最大赢家，股价逆势上扬。

英伟达哭昏，苹果躺赢

被中国网友戏称为“皮衣刀客”的黄仁勋做梦也没想到，会被DeepSeek的一句“用H800就能跑”破了大防。毕竟，硅谷大佬们曾坚信“没有最贵的GPU，只有更贵的模型”，结果DeepSeek反手掏出成本仅OpenAI零头的R1模型，直接让英伟达股价表演“高空跳水”——单日暴跌17%，创下美股史上最大单日市值蒸发纪录（约4万亿人民币）。

就在硅谷一片哀嚎时，苹果股价逆势狂飙3.25%，市值重回3.5万亿美元，库克微微一笑：“感谢同行衬托。”原来，DeepSeek模型意外暴露了苹果M系列芯片运行大模型的超高性价比。

以下是当前市场上支持DeepSeek V3和R1运行的主要芯片及其性能和价格的详细比较：

芯片型号	内存容量	内存带宽	价格	每GB成本
NVIDIA H100	80GB	3TB/s	$25,000	$312.50
AMD MI300X	192GB	5.3TB/s	$20,000	$104.17
Apple M2 Ultra	192GB	800GB/s	$5,000	$26.04

苹果M2 Ultra芯片（于2023年6月发布）每GB内存的成本效益比AMD MI300X高出4倍，且比NVIDIA H100高出12倍！

DeepSeek V3和R1是稀疏专家模型（MoE，Mixture of Experts），拥有 6710亿参数，但每次生成一个token时只需激活 37亿参数。由于无法事先确定哪些参数会被激活，所有参数都需要时刻准备在高速显存中，以实现高效的运行性能。

• 传统内存不足以满足需求： 系统RAM的加载速度过慢，无法满足每秒生成一个token的需求。
• 显存价格昂贵： 尽管GPU显存速度快，但其成本非常高。

苹果通过 统一内存（Unified Memory） 和 UltraFusion 技术，为DeepSeek的运行需求提供了独特且经济高效的解决方案。

苹果的技术优势

1. 统一内存（Unified Memory）：
   苹果的统一内存架构将CPU和GPU共享的内存池整合在一起，无需单独配置内存或在CPU与GPU之间复制数据。这种设计极大地减少了数据传输的开销。
2. UltraFusion技术：
   UltraFusion是苹果的专有互联技术，通过超高速、低延迟的连接（2.5TB/s）将两个M2 Max芯片整合为M2 Ultra。此技术实现了更高的内存容量（192GB）和更快的内存带宽（800GB/s）。
3. 下一代M4 Ultra的潜力：
   据传，M4 Ultra将通过UltraFusion连接两块M4 Max芯片，达到 256GB统一内存 和 1146GB/s内存带宽。两块M4 Ultra将能够以 每秒57个token 的速度运行DeepSeek V3/R1（4位精度）。

DeepSeek的MoE模型需要高速内存随时待命，而苹果的“内存大锅饭”策略（统一内存架构+UltraFusion胶水黑科技）完美适配——既不用像英伟达那样“拆东墙补西墙”倒数据，还能用白菜价实现“内存自由”。网友辣评：“库克这波叫‘用魔法打败魔法’！”

更绝的是，苹果一位机器学习工程师（@awnihannun）甚至用7台M4 Mac Mini（上图）组队成功运行了满血版的DeepSeek R1模型（6710亿参数），活生生把AI算力从机房玩到了桌面。难怪极客们惊呼：“苹果这是要革GPU的命啊！”

炼丹设备快速通道：

• MacBook Pro 14英寸M4 Max（64GB）京东购买链接 （到手价格：32249元）
• M2 Max（64G 1TB）京东购买链接（到手价：19849元）
• M4 Pro（64GB）京东购买链接（到手价：15499元）
• M4 Mac Mini （32GB）京东购买链接（到手价：8249元）

如果你是Windows用户，那么目前运行32B参数的 DeepSeek-r1模型性价比最高的选择依然是3090显卡：

3090英伟达全新涡轮显卡 京东链接 （到手价：7500元）

中美AI大战：苹果坐收渔翁之利

DeepSeek的横空出世，不仅让特朗普高呼“美国要敲响警钟”，还意外揭露了硅谷的“算力内卷”真相——OpenAI烧50亿刀训练模型，谷歌年砸500亿搞基建，结果中国公司靠算法优化和“榨干每一张显卡”的硬核操作，直接实现“弯道超车”。

而苹果则趁机偷家：一边在iOS 18.3默认开启“Apple Intelligence”（禁用翻过车的新闻摘要功能），一边用开源框架MLX和民间大神@exolabs的“Mac Mini集群神教”，把AI算力平民化。网友调侃：“库克这是‘借刀杀人’，用中国AI打美国芯片，自己坐收渔利！”

英伟达反杀M4的终极武器：Project Digits

但是，苹果的幸福来得突然，去的也可能很快！

在苹果通过其统一内存架构将M4芯片定位为本地AI推理的重要硬件时，NVIDIA以其最新的 Project Digits 项目（上图）显著拉低了本地运行尖端大语言模型（LLM）的成本，成为AI硬件市场的新焦点。

---

Project Digits与苹果M4芯片对比

以下是NVIDIA Project Digits与苹果M4系列设备在关键参数上的性能和价格对比：

设备	内存容量	内存带宽	计算性能 (FP16)	价格
Project Digits	128GB	512GB/s	250 TFLOPS	$3,000
M4 Pro Mac Mini	64GB	273GB/s	17 TFLOPS	$2,200
M4 Max MacBook Pro	128GB	546GB/s	34 TFLOPS	$4,700

对比数据显示：

• Project Digits 的 内存带宽 是 M4 Pro 的 2倍，并且拥有 14倍的计算能力。
• 价格仅为 $3,000，相比苹果设备提供了显著的性价比优势。

---

Project Digits的技术优势

1. 高效内存与算力：
   • Project Digits 配备 128GB内存 和 512GB/s内存带宽，可在 FP16精度下实现250 TFLOPS 的计算性能。
   • 能够以 8 tokens/秒 的速度运行 Llama 3.3 70B（FP8精度），适合阅读速度的AI推理需求。
2. 突破内存与带宽瓶颈：
   • 传统的消费级显卡（如RTX 4090）受限于显存容量（24GB）和PCIe 4.0接口带宽（64GB/s），无法将整个模型加载到显卡中，导致推理性能被系统RAM到GPU传输速度所限制。
   • Project Digits通过提供大容量内存和更高带宽，从根本上解决了这一瓶颈。
3. 多GPU集群支持：
   • 借助即将推出的 PCIe 5.0接口，用户可以组建多个 NVIDIA 5070 GPU 的计算集群。双GPU配置支持从系统RAM到GPU的 256GB/s带宽，能够更高效地运行大语言模型。
4. 支持 CUDA（ Apple 不支持）；这意味着爱好者可以更轻松地在 Digits 上训练模型。

---

对苹果的冲击

苹果近年来以M系列芯片的统一内存架构和卓越能效吸引了众多开发者，但与NVIDIA Project Digits的对比表明：

• 性价比劣势： Project Digits仅需 $3,000，远低于苹果高端设备的价格。
• 性能差距明显： 无论是内存带宽还是计算能力，苹果M4芯片都处于劣势。

---

DeepSeek为英伟达关上一扇门，同时打开了一扇窗

Project Digits的推出不仅让NVIDIA在消费级市场树立了更强的竞争力，还开辟了本地甚至桌面运行尖端AI模型的新市场。随着 @exolabs 宣布将从 发布第一天 开始支持 Project Digits集群 的高性能推理，这一项目的应用潜力进一步得到验证。

NVIDIA的突破预示着一场硬件技术格局的重大变革。Project Digits不仅为本地运行AI模型提供了新的可能性，还进一步巩固了NVIDIA在AI硬件领域的领导地位。