DeepSeek系列开源模型有望加速AI端侧+应用产业趋势

DeepSeek-V3、R1、Janus-Pro是国人通过算法创新实现算力高效利用的典范。

1）成本：DeepSeek-V3显著降低硬件资源需求，模型训练成本约为o1的二十分之一，总训练成本仅为557万美元（2048个H800 GPU集群3.7天）；对比Anthropic GPT-4o（约1亿美元）及未来可能高达100-1000亿美元的AI大模型训练成本，DeepSeek-V3展现出显著成本优势。

2）原理：V3通过分布式推理优化，提升MoE模型负载分配效率，提供可扩展性框架；采用RL、辅助损失自由负载均衡、多Token预测（MTP）、FP8+BF16+FP32混合等方式大幅降低算力消耗。

3）性能：V3为较强开源基础模型，性能媲美GPT-4o及Claude-3.5-Sonnet；671B参数MoE模型超越Qwen2.5-72B、Llama-3.1-405B等，代码能力领先（Codeforces远超非o1模型，SWE-Bench接近Claude-3.5-Sonnet-1022）。

4）开源API收费：DeepSeek-R1性能对标o1，完全开源，API定价极低（输入1元/百万tokens，输出16元/百万tokens）；对比GPT-o1-2024-12-17（输入15美元/百万tokens，输出60元/百万tokens），DeepSeek-R1成本优势显著。

5）最新模型支持多模态：Janus-Pro支持读图（SigLIP-L）与生图（LlamaGen），分1.5B和7B版本；训练成本仅为128颗A100训练1周；算法设计借鉴CoT推理，效果超越TokenFlow、Meta Morph等模型，MMBench得分79.2，GenEval得分0.80优于DALL-E 3和Stable Diffusion 3 Medium。

核心观点与结论： DeepSeek系列开源模型将加速AI应用和Agent爆发（降低调用成本，实现ROI平衡，推动应用井喷）、加速AI终端升级进程（R1支持蒸馏实现端侧模型批量升级）、加速推理算力需求释放（tokens成本降低可能激增总体消耗，推理算力长逻辑强化）。

建议关注：

• AI应用与Agent：美股-CRM、Snow、PLTR、Applovin；A股-泛微网络、致远互联等。
• AI终端升级：美股-APPL、Tsla；A股-世运电路、乐鑫科技等。
• 推理算力：美股-NVDA、AVGO；A股-华丰科技、海光信息等。

风险提示：上游供应、AI产业落地、中游竞争、国际局势、宏观利率风险。