机械设备事件点评：DeepSeek有望为机器人带来质效跃迁，关注多模态交互进展

DeepSeek脱颖而出，价格优势显著

• 推理能力：DeepSeekV3和R1模型在MATH、GPQA等测试中表现与OpenAI-o1相当，准确性高。
• 成本优势：输入和输出令牌定价显著低于Claude-3.5、GPT-4等竞品，如V3每百万输入令牌定价仅为0.27美元。
• 技术架构：基于MLA+MoE，MLA通过低秩联合压缩降低内存占用，MoE架构提升算力利用率，训练成本大幅降低（DeepSeek仅用2000张H800 GPU，成本2.788MGPU小时，而Llama3.4需557.6万美元）。

DeepSeek坚定开源路线，提升模型效能

• 架构创新：MLA+MoE架构，V3通过无辅助损失负载均衡策略优化MoE性能，共享专家提升效率。
• 技术迭代：V3采用FP8训练、多tokens预测等优化，算力利用率提升，每个Token激活参数量仅37B。
• 商业模式：专注AI长尾领域，为中小型企业提供低成本定制方案，通过精细化运营和开源技术降本。

多重催化剂助力人形机器人产业

• AI智能体爆发：2025年或成AI智能体元年，DeepSeek作为大模型助力技术演进，降低算力依赖。
• 人形机器人需求扩张：特斯拉Optimus放量预期推动FSD芯片需求，DeepSeek可降低“GenAI+强化学习+多模态感知”成本。
• 应用场景：工业、物流、医疗等领域率先落地，DeepSeek多模态交互和任务分解能力将助力机器人智能化。

商业模式展望

• 参考英伟达ProjectGR00T和Figure机器人路径，DeepSeek可能通过构建机器人B端用户平台或帮助自研模型实现“自主化”盈利。
• 价值测算：DeepSeek算力成本可节省88.8%，为国产算力提供利润空间，假设Optimus2027年出货100万台，DeepSeek或贡献6.9亿美元潜在收益。

风险提示

• 国际贸易摩擦、宏观环境波动、新技术投产不达预期。