國泰君安：Deepseek鏈式反應顛覆產業生態 看好國產推理算力爆發

智通財經APP獲悉，國泰君安證券發佈研報稱，Deepseek通過算法優化降低模型訓練與推理成本，開創了全新的大模型研發範式，極大地降低了對硬件算力的需求，這些創新突破共同構建了對"算力軍備競賽"發展路徑的系統性顛覆。預計雲服務廠商將迎來一波新的增長勢頭，短期來看現階段本地部署可能是最適合大型企業和特殊行業企業的AI調用方式。該行看好本地國產推理算力的爆發，以及如向量數據庫等新型基礎軟件的擴圈。

國泰君安證券主要觀點如下：

Deepseek以“單位算力效能提升10倍”爲目標，通過算法優化降低模型訓練與推理成本。Deepseek打破了AI大模型領域“拼投入” 的固有觀念，以極低的成本實現了與行業巨頭相媲美的模型性能。在訓練成本方面，訓練671B的DeepSeek V3的成本是557.6萬美元(約合4070萬人民幣)，僅爲Llama 3的7%，而OpenAI訓練ChatGPT-4o所花費的成本高達7800萬美元甚至是1億美元，還需要上萬張英偉達H100芯片，相比之下DeepSeek-V3在訓練時使用的GPU是英偉達的H800，一款在性能上被削弱的特供AI芯片。如今DeepSeek-R1用不到GPT 5%的成本，便獲得了和OpenAI的頂尖推理模型o1相當的能力。同時公司採用MIT協議全棧開源，包括模型權重、訓練代碼及部署工具鏈，吸引全球開發者共建生態。

DeepSeek的技術革命性在於其開創了全新的大模型研發範式。首先DeepSeek採用了MoE和MLA兩大創新架構來實現高效的推理和成本效益高的訓練；算法層面，動態稀疏化專家網絡設計(Dynamic MoE)，使模型推理過程中僅需調用不足4%的神經網絡參數；工程層面，Deepseek採用FP8低精度訓練框架，相比傳統32位計算方案，能耗降幅高達80%的同時保持模型收斂穩定性；尤爲突破的是DeepSeek R1引入的強化學習驅動範式擺脫了對SFT的依賴，通過自演進式訓練機制，其基於強化學習的冷啓動策略僅需行業基準值1/5的標註數據量即可完成高效訓練。這些創新突破共同構建了對"算力軍備競賽"發展路徑的系統性顛覆。

開源模型DeepSeek在當下的AI時代將扮演重要角色，就像Android之於移動互聯網革命。它會重構產業生態，引發鏈式反應，加速上層應用發展與下層系統統一。這將調動起跨越軟硬件和上下游的生態力量，促使各方加大“模型-芯片-系統”協同優化與垂直打通的投入，進一步削弱CUDA生態優勢，爲國產AI產業發展創造機遇。DeepSeek通過技術創新，在AI模型訓練過程中實現了對高端進口芯片依賴的降低，這爲國內企業展示了一條可行的技術路徑，極大地增強了國內企業自主研發算力芯片的信心。

風險提示：技術研發進展不及預期、資本投入不及預期、市場競爭加劇的風險。