《DeepSeek核心十问十答》教学应用说明.docx

《DeepSeek核心十问十答》教学应用说明

--AI+教育研究中心谢强

报告是中信建投证券发布的关于DeepSeek核心十问十答的行业动态报告，主要探讨了DeepSeek模型的必威体育精装版进展、技术革新、市场表现以及其对AI产业链的影响，并提出了相关投资建议。报告认为DeepSeek的技术突破和开源策略对AI产业产生了深远影响，推动了AI平权和产业链的持续发展，同时也为投资者带来了新的机遇。

核心观点

?DeepSeek-R1模型发布：DeepSeek的R1模型具有高性能和低算力需求的特点，其性能接近头部闭源模型o1，展现了AI平权的可能性。R1模型通过强化学习技术显著提升了推理能力，并为小模型推理能力的提升提供了新的思路。

?技术革新与ScalingLaw：DeepSeek通过多头潜在注意力（MLA）、混合专家模型（MoE）、多token预测等技术创新实现了高效训练，并验证了纯强化学习对推理

能力的提升。尽管预训练Scaling面临技术、算力、数据的制约，但强化学习带来了新的规模化扩张方向。

?AI平权与产业链发展：DeepSeek的开源模型R1性能接近头部闭源模型，降低了AI技术的门槛，使得更多开发者能够探索AI的实际落地，推动了AI产业链的发展。

?投资机会：报告建议关注算力、应用、端侧、数据等核心投资机会，推荐了一系列相关企业，并维持行业评级为“强于大市”。

DeepSeek模型进展

?模型更新与用户增长：DeepSeek近期密集更新了多款模型，包括DeepSeek-V3、R1、Janus-Pro等，并完全开源。其中，R1模型在推理任务上表现出色，用户数快速增长，成为全球增速最快的AI原生应用。

?性能表现：DeepSeek-R1在多项基准测试中表现接近OpenAI的o1模型，尤其在数学和编码任务上表现出色。Janus-Pro在多模态理解和生成方面表现优异，超越了其他前沿模型。

技术革新

?DeepSeek-V3/R1技术革新：V3模型采用了MLA和MoE架构，优化了训练成本。R1模型则通过冷启动和多阶段训练提升了推理能力，并验证了纯强化学习的有效性。

?Janus系列技术革新：Janus-Pro通过解耦多模态理解和生成，缓解了两者之间的冲突，提升了模型性能。

?数据集特点：DeepSeek在训练中大量使用合成数据，提升了模型性能，并通过GRPO算法减少了对人类经验的依赖。

AI平权与产业链影响

?AI平权：DeepSeek-R1的开源引发了全球复现热潮，降低了AI技术的门槛，使得更多开发者能够探索AI的实际落地。

?产业链影响：DeepSeek的低成本、高性能对AI产业链产生了冲击，包括算力需求的增长、模型层的竞争加剧、应用层的创新加速以及数据的重要性凸显。

投资建议

?算力：推荐关注国产算力和AI推理需求相关的算力环节，如IDC、服务器、国产芯片等。

?应用：建议关注B端和C端的应用开发，特别是Agent、OA+ERP、垂直领域赛道等。

?端侧：看好AI终端作为新一代计算平台的爆发潜力，推荐关注AI+教育、AI眼镜、AIPC、机器人等领域。

?数据：建议关注向量数据库、数据处理类企业以及具备行业专业数据的厂商。风险分析

报告提出了AI产业商业化落地不及预期、市场竞争风险、政策风险和地缘政治风险等潜在风险。

DeepSeek的技术革新对行业产生了多方面的深远影响，具体体现在以下几个关键领域：

1.模型训练效率与成本的优化

?高效训练架构：DeepSeek通过多头潜在注意力（MLA）和混合专家模型（MoE）等技术，显著提升了模型的训练效率。MLA通过减少键值缓存需求，降低了计算复杂度；MoE架构则通过细粒度专家模型和负载均衡策略，优化了计算资源的利用率。这些技术使得大规模模型的训练更加高效，成本大幅降低。

?训练成本降低：DeepSeek-V3的训练成本仅为557.6万美元，相比OpenAI的o1模型，其训练成本大幅下降。这种成本优化使得更多企业和开发者能够承担得起大规模模型的训练，推动了AI技术的普及。

2.推理能力的显著提升

?强化学习的应用：DeepSeek-R1通过大规模强化学习技术显著提升了推理能力。R1模型