人工智能行业专题报告：适合投资人的DeepSeek分析报告.pdf

人工智能行业专题报告：适合投资人的DeepSeek分析报告。2025年1月20日，DeepSeek发布自研模型R1在全球科技行业引起的震动，被西方媒体 称为“DeepSeek Shock”。DeepSeek不仅在媒体圈迅速爆火，同样也成为了资本市场的 宠儿，其概念指数仅仅诞生10日后板块成交金额就超过了全部A股成交额的20%。这一切 现象究其原因，是因为DeepSeek通过技术微创新，以更低的硬件成本和更短的时间实现了 可以与市场领先产品竞争的能力。更重要的是，DeepSeek打破了行业“ 限制中国企业对于 最先进GPU获取，将能够阻止中国AI技术发展”的一贯认知。

DeepSeek的技术创新在哪里？1）首创DeepSeekMoE架构，专门设计用于实现终极专家 专业化。DeepSeekMoE通过降低激活参数比例，实现了训练效率3.6X的提升和训练吞吐 量3.6X的提升。2）通过引入MLA机制，DeepSeek-V2 实现了显著增强的性能， 节省了 42.5% 的训练成本、减少了 93.3% 的 KV 缓存、并将最大生成吞吐量提升至 5.76 倍。

DeepSeek-V3实际开发成本几何？公司官宣正式训练成本为580万美元，但是并没有披露 隐性成本。DeepSeek-V3是建立在前期模型基础上开发的，前期研发投入约为2000-3000 万美元。其他数据获取成本和硬件折旧成本未披露，实验试错成本约为500万美元， 因此预 计实际总成本超过4000万美元。实际成本虽然高达公开口径成本的7倍左右，但是仍然相 对Llama 3-405B降低了约69%；相对于GPT-4o降低了95%。

未来GPU算力需求会大幅下降吗？短期内云服务大厂资本开支持续处于上升通道，这是由于 Scaling Law 导致行业对于算力军备竞赛的恐慌性投资仍然存在。但是ScalingLaw中，数 据资源同样限制着模型性能的提升。根据EPOCHAI预测，到2028年人类生成的公共文本 数据总有效库存量约为300Ttoken将被全部耗尽。换句话说，在现有模型框架和数据资源 供给下，2028年之后单纯算力提升将难以继续推动模型性能的升级。