人工智能行业市场前景及投资研究报告：适合投资人，DeepSeek分析.pdfVIP

证券研究报告

行业研究/行业点评2025年02月19日

适合投资人的DeepSeek分析报告

行业及产业

电子/——人工智能专题报告（1）

强于大市本期投资提示：

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

一年内行业指数与沪深300指数对比走势：称为“DeepSeekShock”。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“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。

本文有别于市场上大部分研究报告冗长的技术细节描述，我们针对投资人短时间内客观理解

DeepSeek的需求，加入了不同于市场的思考和量化的分析比较。以下是报告的核心观点：

资料：爱建证券研究所、聚源数据

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Llama3-405B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

ScalingLaw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。

核心结论：

给予行业“强于大市”评级。随着DeepSeek的横空出世，低成本高性能的模型训练部署成

为可能。我们预计接入DeepSeekAPI的细分领域推理服务商将会快速涌现，同时终端设备