通信行业研究：DeepSeek算力效率提升≠算力通缩，国产算力需求方兴未艾

核心观点

• DeepSeek通过大规模专家并行（EP）与计算通信重叠（DP）提升算力效率，实现高吞吐率和高GPU利用率。
• DeepSeek的高利润率（545%成本利润率，对应84.5%收入利润率）具有可持续性，付费率是关键影响因素。
• MaaS模式具有盈利潜力，率先实现规模效应的公有云厂商将脱颖而出。
• 算力效率是新的Scaling Law方向，参数量效率数据规模才是新的scaling law方向。
• 多模态、AI Agent将打开算力需求的新空间，算力需求将持续强劲。

关键数据

• DeepSeek V3/R1推理服务平均占用226.75个节点（1814个H800），日活DAU约2500万。
• DeepSeek R1每次推理仅激活370亿参数，单卡利用率高达77%。
• AI Chatbot应用估算需要约60-70万片H20芯片。
• 多模态、AI Agent发展将带来约800万H20需求。

研究结论

• DeepSeek的案例表明，算力效率的提升可以降低算力需求，但算力卡数量仍然重要。
• AI大模型的落地场景将不断扩展，带动算力需求的持续增长。
• 建议关注能提供高安全可靠的云服务、并具有辐射全国的IDC资源的运营商云；具有丰富客户资源、集团内部生态赋能的互联网大厂云；深度参与算力产业链的国产芯片、交换机厂商。

风险提示

• 多模态大模型、AI Agent落地不及预期的风险。
• 芯片供应不足的风险。
• 客户对公有云接受度不及预期的风险。
• 行业竞争加剧的风险。