消费电子：DeepSeek-R1降本增效，看好ASIC赛道及应用端弹性释放必威体育精装版完整版本.pdfVIP

行业报告|行业点评

消费电子证券研究报告

2025年02月09日

投资评级

DeepSeek-R1降本增效，看好ASIC赛道及应用端弹性释放行业评级强于大市(维持评级)

上次评级强于大市

1、近期Deepseek-R1以其较低训练成本和较强性能引起全球广泛关注，主要源于其V3基模多项降本提效的创新

及R1模型增加的第二阶段强化学习训练对推理能力的大幅提升。预训练模型V3：关键创新表现于1）使用多头潜作者

在注意力（MLA）机制，将每次查询所需的KV缓存减少了约93.3%，降低每次查询所需的硬件量，从而大幅降低

了推理成本。2）利用Multi-TokenPrediction(MTP)新增注意力模块，预测接下来的多个token，其在训练过程中潘暕分析师

显著提高了模型性能，并且在推理时可以被移除，利用较低计算资源实现性能提升。3）作为专家混合模型，实现了SAC执业证书编号：S1110517070005

门控网络（gatingnetwork），以平衡的方式将token路由到合适的专家，而不会影响模型性能。提高了训练效率，panjian@

同时也降低了推理成本等。增加后训练的R1：则未使用监督微调而是强化学习微调的方法，展现出从零开始学习推

理能力。

行业走势图

2、AI创新范式下后训练和推理环节的迭代或将为ASIC带来重要成长机遇：

消费电子沪深300

1）ScalingLawVS新推理范式：2020年至2023年间，模型在海量互联网文本上训练，只需少量额外训练。这种以

往范式依赖于预训练，在其他条件相同的情况下，扩大AI系统的训练规模会导致在各类认知任务上的性能平稳提升。47%

而这种方式不仅成本越来越高，且已经难以取得稳健的进步。2024年，使用强化学习（RL）训练模型生成思维链38%

已成为模型扩展的新焦点。其专注于通过合成数据生成和在现有模型上进行后训练中的强化学习来提升推理能力，29%

其迭代速度更快，仍处于扩展曲线（scalingcurve）的早期，且以较少的计算资源即可获得显著收益。20%

2）ASIC：AI领域的ASIC通过特定算法的定制化优化，实现了高效推理和计算，其特性适用于新范式下训练模型在11%

特定、可客观衡量的任务（如数学、编程竞赛）及类似推理任务上的表现，且有利于打破GPU垄断、降低成本。据2%

电子发烧友网公众号及Marvell预测，2023年ASIC占数据中心加速计算芯片的16%，规模约为66亿美元；随着AI-7%

计算需求的增长，ASIC占比有望提升至25%，其预计2028年数据中心ASIC市场规模将提升至429亿美元，CAGR2024-022024-062024-10

为45.4%。博通表示谷歌、Meta、亚马逊都是公司AI定制芯片的大客户。其CEO表示，公司2027年超大规模客户

的AI收入将达到600-900亿美元，几乎每年翻倍，其预计未来或50%的算力都会是ASIC。资料来源：聚源数据

3）近期海外AI链公司META、微软和CLS