DeepSeek R1深度解析及算力影响几何-中信建投.pdf

证券研究报告·行业动态研究

DeepSeekR1深度解析及算力影响几何

分析师：于芳博分析师：庞佳军分析师：辛侠平研究助理：孟龙飞

yufangbo@csc.com.cnpangjiajun@xinxiaping@menglongfei@csc.com.cn

SAC编号：S1440522030001SAC编号：S1440524110001SAC编号：S1440524070006010-56135277

发布日期：2025年2月3日

本报告由中信建投证券股份有限公司在中华人民共和国(仅为本报告目的，不包括香港、澳门、台海提供。在道宁适用的法律法规情况下，本报告亦可能由中信建投(国际证券有限公司在香港提供。同时请务必

闷读正立之F的色主久款和声明

摘要

■核心观点：Deepseek发布深度推理能力模型。R1-Zero采用纯粹的强化学习训练，证明了大语言模型仅通过强化学习也可以有强大的推

理能力，DepSeek-R1经历微调和强化学习取得了与OpenAl-01-1217相媲美甚至超越的成绩。DeepSsekRI训练和推理算力需求较低，主

要原因是DeepSeekR1实现算法、框架和硬件的优化协同。过去的预训练侧的scalinglaw正逐步迈向更广阔的空间，在深度推理的阶段，

模型的未来算力需求依然会呈现爆发式上涨，充足的算力需求对于人工智能模型的性能进步依然至关重要。

Deepseek发布深度推理能力模型，性能和成本方面表现出色。Deepsek发布两款具备深度推理能力的大模型R1-Zero和DeepSeek-R1。RI

Zero采用纯粹的强化学习训练，模型效果逼近OpenAIol模型，证明了大语言模型仅通过RI,无SFT,大模型也可以有强大的推理能力。

但是R1-Zero也存在可读性差和语言混合的问题，在进一步的优化过程中，DepSeek-V3-Base经历两次微调和两次强化学习得到R1模型，

主要包括冷启动阶段、面向推理的强化学习、拒绝采样与监督微调、面向全场景的强化学习四个阶段，R1在推理任务上表现出色，特别

是在AIME2024、MATH-500和Codeforces等任务上，取得了与OpenAl-01-1217相媲美甚至超越的成绩。

■国产模型迈向深度推理，策略创新百花齐放。在DeepsekRl-Zero模型中，采用的强化学习策略是GRPO策略，取消价值网络，采用分组

相对奖励，专门优化数学推理任务，减少计算资源消耗；KIM1.5采用Parialrollout的强化学习策略，同时采用模型合并、最短拒绝采样、

DPO和longlshortRL策略实现短链推理；Qwen2.5扩大监督微调数据范围以及两阶段强化学习，增强模型处理能力。

DeepSeekR1通过较少算力实现高性能模型表现，主要原因是DeepSeekR1实现算法、框架和硬件的优化协同。DeepSeekR1在诸多维度

上进行了大量优化，算法层面引入专家混合模型、多头隐式注意力、多token预测，框架层面实现FP8混合精度训练，硬件层面采用优化

的流水线并行策略，同时高效配置专家分发与跨节点通信，实现最优效率配置。当前阶段大模型行业正处于从传统的生成式模型向深度

推理模型过渡阶段，算力的整体需求也从预训练阶段逐步过渡向后训练和推理侧，通过大量协同优化，DeepSeekR1在特定发展阶段通过

较少算力实现高性能模型表现，算力行业的长期增长逻辑并未受到挑战。过去的预训练侧的scalinglaw正逐步迈向更广阔的空间，在深

度推理的阶段，模型的未来算力需求依然会呈现爆发式上涨，充足的算力需求对于人工智能模型的性能进步依然至关重要。

■风险提示：大模型技术发展不及预期、商业化落地不及预期、政策监管力度不及预期、数据数量与数据质量不及预期：

4

第一章国