更多报告PDF与音频文件加微信： Y1206859索取

本文仅梳理公司和行业的最新基本面，并非在当前时间点推荐买卖公 司，本文不具备个股操作指导功能，投资有风险，入市需谨慎 。

近期 DeepSeek 一跃成名。起因是发布的一款名为DeepSeek V2的 开源模型 ，提供了一种史无前例的性价比： 推理成本被降到每百万token仅1块钱，约等于Llama3 70B的七分之一，GPT-4 Turbo的七十分之一 。

DeepSeek海外出圈情况

本周末DeepSeek R1模型的推出， 受到海外巨头Meta的关注，进一步论证中美大模型的差距在快速接近 。同时由于其开源属性，AI应用行业将全面进入推理阶段，中国产品化能力的优势更加突出。

网页端用户：DeepSeek 推出V3（对标4o，日期是24.12.26），以及推出R1（对标o1,日期是25.1.20）后，从1月开始用户进入两轮增长，目前网页端用户已超过豆包和Kimi。

海外显著出圈：目前用户结构方面，中国占27.9%，总体海外占72.1%，同时美国用户占比5.36%。

一、DeepSeek R1创新点解读

主要工作：

1）DeepSeek此次发布了DeepSeek-R1-Zero和DeepSeek-R1模型。DeepSeek-R1-Zero模型仅依靠大规模强化学习训练，没有监督微调，便实现了推理能力的自主进化，自发涌现出“反思”、“多步验证”等复杂推理行为，尤其是逻辑能力得到大幅飞跃。

2）但该模型存在可读性差、语言混合等问题，为了解决这一问题，DeepSeek-R1模型通过冷启动数据和迭代强化学习微调实现：通过数千条高质量长推理链数据对基础模型微调，强制规范输出，提高可读性，同时在语言一致性上进行了训练提升，并且融入了人类偏好奖励模型，对模型进行了规范。

3）使用DeepSeek-R1作为教师模型生成800K数据，并对多个小型密集模型微调，小模型性能飞跃。以通义千问的15亿参数量大模型为例，经过DeepSeek微调后，数学题上超过GPT4o-0513的水平。

核心创新点：

1）传统大模型需要大量人工标注的监督数据进行训练，但DeepSeek-R1-Zero首次验证了无需任何微调数据， 仅通过强化学习即可实现推理能力的自主进化 。而且这是没有奖励思维链长度（通俗讲，没有引导推理模型用更多的时间去思考）的情况下实现的，即目标只是为了作对题目，大模型就会自发进行更长地思考，并且最后回答效果更好。

2）在这个过程中， 观察到了反思、多步验证能力的涌现 ，出现问题后，模型会自动纠正早期错误。

重要性：前两条非常重要，一个是指出新道路，一个是证明这条道路有巨大的潜力，会进一步加速Agent应用。

3）尽管DeepSeek-R1-Zero足够优秀，但他经常会出现中英文混杂、格式混乱的现象，工程上仍需优化。因此DeepSeek-R1模型通过与人类知识、经验、规范相融合，实现了更好的输出。

4）能力可以迁移：把R1蒸馏后可实现推理能力迁移，小模型也可以在特定任务中媲美大模型。

重要性：小算力也可实现复杂功能，在边缘场景，如自动驾驶、机器人等一系列实时应用提供更好的方案。

二、DeepSeek的分歧，谈谈算力需求

今天重点研究DeepSeek，除了基础的体验外，也去Github上学习了他的 Technical Report （如需相关资料可私信），同步梳理了脑图如下。不得不说，DeepSeek是颠覆式的大模型，在MMLU-Pro等大模型测试上，和全球巨头站在同一身位。

于此同时，市场也关注到了DeepSeek的一些参数（训练时间是LIama 3的1/11；价格是Claude 3.5的1/11），不少领导担心训练侧大幅降本，引发算力需求下降。

DeepSeek V3的成功，并不意味着算力需求下降。实际上是DeepSeek参数有歧义，才造成了市场的误读。

从训练到推理、算力需求持续增长

DeepSeek V3的训练成本仅考虑单次训练，而实际大模型的训练需要：1）大量高质量数据的合成及清洗；2）充分的预训练；3）多个MoE专家模型的多次训练；

AI应用和AI终端的落地节奏正在加速，推理侧将带来远超训练侧的算力需求，测算仅字节豆包未来就需要50-100万张等效H100算力需求。

DeepSeek周末热议，如何与豆包进行对比？

DeepSeek属于大语言模型，而豆包属于多模态大模型，因此在算力需求上本身不在同一数量级。

deepseek v3算力用的少，主要是通过激活参数少、把精度降低实现的（16位变8位），这是在不断改进基础大模型，而r1是在v3这个基础模型上，又花了大量算力去让他推理能力更强。而豆包属于基于前期大语言模型训练的同时，基于训练其他图片/音频/视频等模型能力，且训练和推理仍在持续。相当于DeepSeek做减法、豆包做加法。

结论： DeepSeek是国产大语言模型之光（重视合作方和生态）；豆包是国产多模态大模型之光（重视算力底座和端侧应用落地）。

三、Deepseek助推昇腾链前景，标的梳理

DeepSeek发布的R1模型表现卓越，在AIME2024数学基准测试中成功率达79.8%，超越了OpenAI的o1推理模型，在标准化编码测试中展现出“专家级”性能，在Codeforces上获得2029Elo评级，超越96.3%的人类竞争对手。对此，Meta创始人扎克伯格称赞非常先进。

DeepSeek更是宣布首发支持华为的昇腾平台 ，国产AI 软件与硬件的强强联合，有望显著提升了模型推理效率，降低了用户的使用门槛。

华为昇腾产业链标的梳理

华丰科技 ：华为高速背板连接器核心供应商

泰嘉股份：旗下雅达电子与华为在服务器电源领域有合作

意华股份：内设华为专案工厂生产通讯连接器

华工科技、光迅科技：为 华为光模块 供应商

英维克、申菱环境、飞荣达： 散热及温控供应商

加入组织，获取每日100+最新机构调研

纪要研究中心，奉行价值投机策略，每天更新80+最新企业纪要和行业报告，共同挖掘具有100%增长潜力的标的，

1、锂电，光伏，风电、半导体，医美 ，医药 ，大消费等行业公司最新纪要，

2、微信会员群 是基本面爱好者的聚集地，也是缩小你与机构信息差的根据地 ，

如果你也是一个基本面爱好者，那么请加入我们， 每天更新100+最新企业纪要和行业报告，挖掘具有100%增长潜力的标的， 实现超额回报。