行业研究|深度报告 看好(维持) DeepSeek惊艳世界,算力与应用将迎来结构性变化 计算机行业 国家/地区中国 行业计算机行业 报告发布日期2025年02月04日 核心观点 DeepSeek近期成为科技圈最炙手可热的明星企业:DeepSeek近期分别发布大模型DeepSeek-v3和推理模型R1,前者在大模型主流榜单的开源模型中位列榜首, 并与世界上最先进的闭源模型不分伯仲;后者性能对标OpenAI的o1正式版,在数学、代码和自然语言推理等任务上表现卓越。以上两个模型均通过算法和架构的创新,大幅降低了训练成本和推理成本,为AI技术的普及与创新作出了卓越的贡献。DeepSeek相关模型自从推出后,立刻占据全球科技头条并引发巨大关注,我们认为,DeepSeek呈现出的算法创新、性能表现、开源属性等多重因素,将对AI应用与算力行业产生深远的影响。 DeepSeek在模型训练与推理中采用了多项技术创新:DeepSeek-V3实现了多项工程技术上的创新,包括通过FP8精度训练、DualPipe双向流水线等技术降低训练成本,通过优化MoE负载均衡、多头潜在注意力机制(MLA)来降低推理成本,并通过多Token预测(MTP)以及模型蒸馏来进一步提升模型性能,最终用极低的成本完成了训练过程,与此同时推理的成本也较其他模型有大幅下降。而R1-Zero的目标是验证纯RL能否激发模型的自主推理能力,探索无监督强化学习的潜力,而R1则通过数据引导+多阶段优化,平衡推理性能和实用价值,目标是打造更符合人类偏好的通用推理模型,两个模型均实现了较为理想的效果。 DeepSeek将对AI算力与应用产生结构性影响:由于DeepSeek-V3、R1等模型通过算法与架构层面的多重创新大幅降低了训练端算力消耗,不过我们认为,在各模型公司仍致力于训练出性能更强大模型的目标指引下,庞大的训练集群将仍然被产业所追逐,训练算力长期看仍有前景和空间。而推理算力的需求空间则更为乐观,我们认为推理成本的大幅下降将带来需求更大幅度的增长,而在这样的过程中,算力需求结构可能将会改变,而美国如果进一步收紧AI芯片供应,则可能对国产芯片形成利好。而另一方面,此前AI应用的普及及其商业化还存在一定的困难,一方面在于模型性能仍然没法满足众多场景的需求,尤其是在推理能力和多模态环节,另一方面则是闭源模型性能领先但API调用的成本过高,影响了AI应用的大范围普及,我们认为,DeepSeek的强推理能力、低算力成本、开源属性,使得其对AI应用的普及有望发挥重要的作用。 投资建议与投资标的 我们认为AI应用正逐步进入落地期,有望呈现较多的投资机遇,建议投资者关注行业整体性机会,而国产算力及推理算力服务企业,也将从AI应用繁荣中受益。 B端企业级应用,建议关注金山办公、鼎捷数智、泛微网络、汉得信息、软通动力、上海钢联、合合信息、新致软件、每日互动。 垂直行业应用领域有较强优势的企业,建议关注科大讯飞、焦点科技、润达医疗、同花顺、卫宁健康。 AI工具类应用,建议关注彩讯股份、虹软科技、万兴科技、福昕软件。 国产算力及算力服务企业,建议关注海光信息、寒武纪-U、中科曙光、云赛智联、安博通、首都在线、优刻得-W。 风险提示 技术落地不及预期;政策落地不及预期;美国进一步制裁风险;竞争激烈导致变现能力下降。 浦俊懿021-63325888*6106 pujunyi@orientsec.com.cn 执业证书编号:S0860514050004 字节加速AI落地、小米、理想"AllinAI" 2024-12-29 AI应用前景广阔、自主可控已是大趋势: 2024-12-27 计算机行业2025年度投资策略AI应用落地曙光已现 2024-11-18 有关分析师的申明,见本报告最后部分。其他重要信息披露见分析师申明之后部分,或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 目录 引言4 一、DeepSeek-V3、R1模型推出后“火”遍全球4 1.1DeepSeek-V3性能表现不输全球顶尖模型4 1.2R1模型实现了比肩OpenAIo1的推理能力5 1.3DeepSeek-V3、R1模型在产业中引发巨大反响7 二、DeepSeek模型训练与推理技术创新解析8 2.1DeepSeek-V3模型采用了多项创新技术8 2.2R1-Zero与R1模型尝试强化学习边界10 三、DeepSeek将对AI算力与应用产生结构性影响11 3.1DeepSeek模型有望引发算力需求与市场结构变化11 3.2AI应用有望在高性能、低成本模型支撑下繁荣13 四、投资建议与投资标的15 五、风险提示16 图表目录 图1:DeepSeek-V3在多项评测中成绩领先4 图2:DeepSeek-V3在各类测试集上的表现5 图3:DeepSeek-V3API服务价格具备很强的吸引力5 图4:DeepSeek-R1在推理能力上比肩OpenAIo16 图5:基于R1蒸馏的小模型性能超越OpenAIo1-mini6 图6:DeepSeek-R1API服务定价继续大幅低于OpenAIo17 图7:DeepSeek-V3模型训练仅需要278.8万GPU小时训练资源7 图8:DeepSeek成为全球增速最快的AI应用8 图9:DeepSeek发布后下载量增长迅猛8 图10:DeepSeek-V3模型基本架构8 图11:DeepSeek-V3采用FP8为主的混合精度训练方法9 图12:多Token预测(MTP)模块结构示意10 图13:R1-Zero由基础模型直接进行强化学习训练而产生10 图14:DeepSeek-R1-Zero训练期间AIME准确率11 图15:DeepSeek-R1-Zero在RL过程中的平均响应长度(输出长度不断增加)11 图17:“杰文斯悖论”指出成本下降将刺激资源需求更大增长12 图18:硅基流动x华为云联合推出基于昇腾云的DeepSeekR1&V3推理服务13 图19:AI产品榜全球Web端访问前15情况(24年12月)14 图20:AI产品榜全球APP端访问前15情况(24年12月)14 图21:2024年全球AI产品付费用户规模14 图22:short-CoT模式下,k1.5模型多方面能力领先15 图23:long-CoT模式下,k1.5模型多方面能力比肩o115 图24:Qwen2.5-Max测试结果领先各类指令模型15 图25:Qwen2.5-Max表现优于各类开源模型15 引言 DeepSeek近期分别发布大模型DeepSeek-v3和推理模型R1,前者在大模型主流榜单的开源模型中位列榜首,并与世界上最先进的闭源模型不分伯仲;后者性能对标OpenAI的o1正式版,在数学、代码和自然语言推理等任务上表现卓越。以上两个模型均通过算法和架构的创新,大幅降低了训练成本和推理成本,为AI技术的普及与创新作出了卓越的贡献。我们认为,DeepSeek呈现出的算法创新、性能表现、开源属性等多重因素,将对AI应用与算力行业产生深远的影响。 一、DeepSeek-V3、R1模型推出后“火”遍全球 1.1DeepSeek-V3性能表现不输全球顶尖模型 2024年12月26日,杭州深度求索(DeepSeekAI)发布DeepSeek-V3并同步开源,据介绍,DeepSeek-V3多项评测成绩超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型,并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。 图1:DeepSeek-V3在多项评测中成绩领先 数据来源:DeepSeek微信公众号,东方证券研究所 具体而言,DeepSeek-V3在知识类任务(MMLU,MMLU-Pro,GPQA,SimpleQA)上的水平相比前代DeepSeek-V2.5显著提升,接近当前表现最好的模型Anthropic公司于2024年10月发布的Claude-3.5-Sonnet-1022;在长文本评测(DROP、FRAMES和LongBenchv2)方面,V3平均表现也超越其他模型。在算法类代码场景(Codeforces),V3远远领先于市面上已有的全部非o1类模型,并在工程类代码场景(SWE-BenchVerified)逼近Claude-3.5-Sonnet-1022。而在美国数学竞赛(AIME2024,MATH)和全国高中数学联赛(CNMO2024)上,DeepSeek-V3大幅超过了其他所有开源闭源模型。 图2:DeepSeek-V3在各类测试集上的表现 数据来源:DeepSeek微信公众号,东方证券研究所 另外,DeepSeek-V3通过算法和工程上的创新,将生成吐字速度从20TPS(TransactionsPerSecond每秒完成的事务数量)大幅提高至60TPS,相比V2.5模型实现了3倍的提升,可以带来更加流畅的使用体验。同时,模型API服务定价也将调整为每百万输入tokens0.5元(缓存命中) /2元(缓存未命中),每百万输出tokens8元,因此,V3模型在性能实现领先的同时,定价大幅低于市面上所有模型,性价比优势明显。 图3:DeepSeek-V3API服务价格具备很强的吸引力 数据来源:DeepSeek微信公众号,东方证券研究所 1.2R1模型实现了比肩OpenAIo1的推理能力 2025年1月20日,DeepSeek再次扔出重磅炸弹,发布了推理模型R1,该模型在后训练阶段大规模使用了强化学习技术,在仅仅使用极少标注数据的情况下,极大提升了模型推理能力,在数据、代码、自然语言推理等领域均实现了比肩OpenAIo1模型的能力。 图4:DeepSeek-R1在推理能力上比肩OpenAIo1 数据来源:DeepSeek微信公众号,东方证券研究所 DeepSeek不仅开源了R1-Zero和R1两个660B模型,还通过DeepSeek-R1的输出,蒸馏了6个小模型开源给社区,其中32B和70B模型在多项能力上实现了对标OpenAIo1-mini的效果。同时,DeepSeek还修改了产品协议,支持用户进行“模型蒸馏”,即允许用户利用模型输出、通过模型蒸馏等方式训练其他模型。 图5:基于R1蒸馏的小模型性能超越OpenAIo1-mini 数据来源:DeepSeek微信公众号,东方证券研究所 除了开源相关模型外,DeepSeek-R1上线API,对用户开放思维链输出,服务定价为每百万输入tokens1元(缓存命中)/4元(缓存未命中),每百万输出tokens16元,与OpenAIo1API调用相比,继续保持超高的性价比。与此同时,DeepSeek还上线了APP并更新官网,打开“深度思考”模式,即可调用最新版DeepSeek-R1完成各类推理任务。 图6:DeepSeek-R1API服务定价继续大幅低于OpenAIo1 数据来源:DeepSeek微信公众号,东方证券研究所 1.3DeepSeek-V3、R1模型在产业中引发巨大反响 DeepSeek-V3、R1两款模型最让人印象深刻的不仅在于其比肩业内最佳表现的性能,更在于超低的训练成本:DeepSeek在V3相关的论文中披露,V3仅仅使用2048块H800GPU训练2个月的时间,共消耗278.8万GPU小时,而按照OpenAI创始成员之一AndrejKarpathy介绍,Llama3-405B则消耗了3080万GPU小时,是V3的11倍;如果按照H800GPU每小时2美金的租赁费用计算,意味着V3模型正式训练仅仅需要557.6万美金,而此前同等性能的模型则需要0.6-1亿美金。而R1模型是在DeepSeekV3的基础上,通过引入大规模强化学习 (ReinforcementLearning)和多阶段训练,进一步提升推理能力的模型,据专家判断,在V3的基础上生产R1模型的成本可能非常低廉。 图7