大模型推理成本降低，AI应用落地可期

计算机行业投资策略周报摘要：

核心观点：

1. API价格降低推动应用落地：随着大模型推理成本的降低，API价格的下调为AI应用的落地提供了肥沃的土壤。幻方DeepSeek-V2等模型的创新性架构以及字节豆包等公司的降价举措，均表明API价格的下降是行业发展的必然趋势。这不仅降低了应用成本，吸引了更多开发者，还促进了AI原生应用的快速发展。

2. Attention机制的优化：Attention机制作为大语言模型的关键技术，其优化计算复杂度成为研究热点。MHA、GQA、MLA等简化方案旨在减少计算和内存需求，而Mamba-2架构的提出展示了进一步优化Attention机制的潜力。

3. MoE架构的高效扩展：MoE架构作为一种高效扩展模型参数量的技术，通过集成多个专家模型和门控网络，实现了计算量的降低和参数效率的提升。幻方DeepSeek-V2等模型采用的细粒度切割与共享专家独立机制，以及Snowflake的Arctic模型，展示了MoE架构在不同维度上的创新应用。

投资建议：关注API价格下降带来的机遇，以及Attention机制优化和MoE架构创新对公司业务的影响。

风险提示：AI技术迭代风险、商业化落地风险、政策支持风险以及全球宏观经济风险需谨慎考虑。

图表概述：

• 国内外主流模型的API价格对比。
• 高效拓展Transformer架构方法的概览。
• 注意力机制原理图。
• Transformer架构及其工作原理的解释。
• Attention机制不同简化方案的比较示意图。
• Mamba-2架构的详细说明。
• MoE架构原理图。
• 深度挖掘MoE架构的动态计算量分配机制。
• DeepSeekMoE架构特点的展示。
• Snowflake开源Dense-MoE混合Transformer架构介绍。

综上所述，API价格的降低、Attention机制的优化和MoE架构的高效扩展共同推动了AI技术的发展，为行业带来了新的投资机遇。投资者应关注相关领域的技术创新和应用落地情况，同时也需警惕技术迭代、商业风险及政策影响等因素。