计算机行业深度-Deepseek：国产AI应用的“诺曼底时刻”

华西计算机团队2025年2月3日请仔细阅读在本报告尾部的重要法律声明仅供机构仅供机构投资者投资者使用证券研究报告|行业深度研究报告分析师：刘泽晶分析师：赵宇阳SAC NO：S1120520020002SAC NO：S1120523070006邮箱：liuzj1@hx168.com.cn邮箱：zhaoyy1@hx168.com.cn计算机行业深度Deepseek：国产AI应用的“诺曼底时刻”核心逻辑Deepseek有望改变AI生态我们认为DeepSeek的成功有望改变现有AI的产业格局，一方面是中国在全球AI产业的竞争形态，另一方面是大模型开源与闭源的竞争形态：1）对于训练而言，最引人注目的自然是FP8的使用。根据深度学习与NLP公众号，DeepSeek-V3是第一个（至少在开源社区内）成功使用FP8混合精度训练得到的大号MoE模型。2）与OpenAI依赖人工干预的数据训练方式不同，DeepSeek R1采用了R1-Zero路线，直接将强化学习应用于基础模型，无需依赖监督微调（SFT）和已标注数据。3）低成本模型有望引领AI产业“新路径”：开源+MOE。4）开源VS闭源：开源重构AI生态，与闭源共同繁荣下游。堆算力的AI“老路径”遭到强力挑战1）NV、博通等大跌意味着纯算力路径依赖被挑战：DeepSeek在没有最高端算力卡并且以极低的价格建立了一个突破性的AI模型，纯算力路径依赖得到挑战；2）国内外科技巨头持续提升capex指引，剑指NV GPU需求高景气，国产Deepseek模型爆火，高端算力/高集群能力并非唯一解；3）国产算力异军突起，充分受益国产模型deepseek崛起。据华为云2月1日消息，硅基流动和华为云双方联合首发并上线基于华为云昇腾云服务的DeepSeek R1/V3推理服务。2025：端侧AI爆发元年1）token成本持续降低，AI agent加速元年：1月27日后，Deepseek-V3发布后英伟达股价大跌，与之相对，苹果、Meta、谷歌等应用提供商股价表现明显更好。谷歌、OpenAI、Anthropic、字节跳动等国内外领先大模型厂商纷纷剑指智能体开发，发布Project Astra、Operator、Computer Use、UI-TARS等产品，2025年有望成为AI智能体加速元年。2）相比云端AI，终端AI在成本、能耗、隐私等方面都具有优势。豆包大模型的成功为字节系AI智能终端的爆发提供了有力支撑。受益标的：AI终端：乐鑫科技、恒玄科技、润欣科技、中科蓝讯、翱捷科技、博士眼镜、亿道信息、云天励飞、天键股份、星宸科技；AI应用：麦迪科技、能科科技、润达医疗、开普云、新致软件、微盟集团、彩讯股份、汉得信息、拓尔思、同花顺、财富趋势、创业黑马、万兴科技；国产算力：中芯国际、海光信息、寒武纪、中科曙光；算力云：金山云、品高股份、优刻得、青云科技等。风险提示：市场竞争加剧；产品研发不及预期。201Deepseek改变行业生态31.1. Deepseek：AI生产函数的根本性改变 DeepSeek是一家中国人工智能公司，成立于2023年7月17日，总部位于浙江杭州。它由量化资管巨头幻方量化创立，专注于大语言模型（LLM）及相关AI技术的研发。 简单来说，DeepSeek是一款大语言模型（LLM），主打“极致性价比”。它能写代码、解数学题、做自然语言推理，性能比肩OpenAI的顶尖模型o1，但成本却低到离谱——训练费用仅557.6万美元，是GPT-4o的十分之一，API调用成本更是只有OpenAI的三十分之一。4DeepSeek开源模型时间轴国内外应用市场下载排名资料来源： 算法工程笔记，编程奇点，华西证券研究所20240105：DeepSeek LLM20240205：DeepSeek-Math20240311：DeepSeek-VL20240507：DeepSeek-V220240617：DeepSeek-Coder-V220241017：DeepSeek-Janus20241213：DeepSeek-VL220241226：DeepSeek-V320250120：DeepSeek-R120250127：DeepSeek-Janus-Pro1.2.1 Deepseek：算法能力被突出（ DeepSeek-V3）对于训练而言，最引人注目的自然是FP8的使用。根据深度学习与NLP公众号，DeepSeek-V3是第一个（至少在开源社区内）成功使用FP8混合精度训练得到的大号MoE模型。众所周知，FP8伴随着数值溢出的风险，而MoE的训练又非常不稳定，这导致实际大模型训练中BF16仍旧是主流选择。为了解决以上问题，1）DeepSeek-V3在训练过程中统一使用E4M3格式，并通过细粒度的per-tile（1x128）和per-group（128x128）量化来降低误差。FP8的好处还体现在节省显存上（尤其是激活值）。2）此外，DeepSeek-V3使用BF16来保存优化器状态，以及对部分操作进行选择性重计算（例如RMSNorm, MLA Up-Proj, SwiGLU）。3）在并行策略上，DeepSeek-V3使用64路的专家并行，16路的流水线并行，以及数据并行（ZeRO1）为了降低通信开销。4）在算法层面，DeepSeek-V3使用分组路由的方式，限制每个token只会激活4个节点上的专家，从而减半跨节点的通信流量。5）在系统层面，将节点间通信和节点内通信进行流水，最大化使用网络带宽和NVLink带宽。。5DeepSeek-V3 的基本架构图DeepSeek-V3的MTP资料来源： 人工智能AB面，华西证券研究所1.2.2 Deepseek：算法能力被突出（DeepSeek R1） DeepSeek R1的技术关键在于其创新的训练方法。与OpenAI依赖人工干预的数据训练方式不同，DeepSeek R1采用了R1-Zero路线，直接将强化学习应用于基础模型，无需依赖监督微调（SFT）和已标注数据。 R1的总体训练过程如下：1）从base模型开始：使用量少、质量高的冷启动数据(cold data)来sft base模型，使得base模型可以有个良好的初始化；使用RL提升模型的推理能力；在RL阶段接近收敛时，用这个时候的checkpoint生成高质量的数据，将它们与现有的sft数据混合，创建新的sft数据集；2）再次从base模型开始：使用新创建的sft数据集做finetune；执行二阶段RL；得到最终的r1。6推理价格对比蒸馏模型评测资料来源： 算法工程笔记，华西证券研究所低训练成本+高性能表现，使得DeepSeek-V3成为国产模型之星DeepSeek-V3性能表现令人惊叹：不仅全面超越了Llama 3.1 405B，还能与GPT-4o、Claude 3.5 Sonnet等顶尖闭源模型正面竞争。更令人瞩目的是，DeepSeek-V3的API价格仅为Claude 3.5 Sonnet的1/15，堪称“性价比之王”。DeepSeek-V3 的预训练阶段在不到两个月内完成，并花费了 2664K GPU 小时。加上 119K GPU 小时的上下文长度扩