专题：AI界“拼多多”DeepSeek刷屏
炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
中信建投证券研究 文|应瑛
DeepSeek-R1模型发布，具有高性能、低算力需求的特性，带动小模型推理能力的提升，引发全球开发者及用户关注。R1作为开源模型性能接近头部闭源模型o1，一定程度上已经反映了AI平权，同时纯强化学习对推理能力的提升带来RL范式泛化可能，预计后续基模的持续迭代，有望推动AI全产业链持续保持高景气和高关注度，关注算力、应用、端侧、数据等核心投资机会。
DeepSeek模型密集更新，高性能+低成本促进用户数高增
近期DeepSeek多款模型上线并完全开源，其中R1在推理任务上基本实现于o1相当的性能，Janus-Pro 在多模态理解和生成方面表现较好。受春节信息传播下沉促进，DeepSeek出圈并成为全球增速最快的 AI 原生应用，第18天达到1500万日活。此外，DeepSeek通过算法迭代、架构升级，使通用及推理模型成本相较于OpenAI同类模型下降至数十分之一以下。
技术不断革新，大模型Scaling Law仍有效
DeepSeek通过多头潜在注意力、MoE、多token预测等架构和基础设施创新实现了高效训练，并在R1-Zero模型验证了纯强化学习对推理能力的提升。尽管Pre-Training Scaling面临技术、算力、数据的制约，但强化学习带来了规模化扩张新方向，预计各厂商将陆续跟进，持续优化模型架构。
DeepSeek-R1促进AI平权，产业链享受发展红利
R1作为开源模型性能接近头部闭源模型o1，一定程度上已经反映了AI平权。同时，R1使小模型具备推理能力成为可能，更低的成本将更有利于开发者探索AI的实际落地。
一、DeepSeek模型密集更新，高性能+低成本促进用户数高增
1.1 第一问：DeepSeek的用户量趋势？
DeepSeek坚定开源路线，密集更新MoE、推理、多模态模型。近期，DeepSeek连续发布并开源多个大模型，其低成本、高性能的特性迅速引发全球用户的关注。其中，2024年12月26日发布的DeepSeek-V3为671B参数的自研 MoE 模型，运行时仅需激活37B，在 14.8T token 的数据上进行了预训练；2025年1月20日发布的DeepSeek-R1为660B的高性能推理模型，对用户开放思维链输出，允许用户通过蒸馏技术借助 R1 训练其他模型；2025年1月27日，DeepSeek在Hugging Face平台上传了视觉模型 Janus-Pro和多模态理解模型JanusFlow -1.3B，进一步在图像领域发力。
DeepSeek Web端与APP端访问量持续增长，春节信息传播下沉加速产品关注度裂变。Web端，2024年10月至2024年12月DeepSeek访问量分别为245/422/1101万，其中11月和12月分别同比增长72.24%/160.90%，12月受全新开源模型V3促进访问量大幅增长；APP端，DeepSeek 2025年1月10日（官方公众号1月15日正式发文）在iOS/Android上线官方APP，而后受益于1月20日发布R1模型的高性能、低成本，叠加春节期间信息传播下沉，产品关注度呈裂变式增长。具体而言，DeepSeek APP安卓/iOS端国区单日下载量均于1月26日前后迎来陡增，至1月29日单日下载量分别达到784.15/29.92万；同时，DeepSeek 安卓端在华为应用商店下载排行中位列第四，iOS端则霸榜全球173个地区中160/162/171个总榜（免费）/应用（免费）/效率（免费）第一；此外，从产品发布日起日活用户看，DeepSeek第5天超过 ChatGPT，第15天以259万日活达到 ChatGPT 的2倍，亦为全球增速最快的 AI 原生应用，第18天达到1500万日活，而ChatGPT上线第244天才达到1500万DAU。
我们认为，DeepSeek用户数将持续高速增长。一方面DeepSeek作为开源路线的坚定践行者，有望受到全球开发者的高度关注；另一方面受益于春节期间信息传播下沉，DeepSeek的国内渗透率将持续提升。
1.2 第二问：R1和Janus-pro模型的性能如何？
DeepSeek-R1 在推理任务上基本实现与 OpenAI-o1相当的性能，较o3模型仍有差距。DeepSeek在R1模型的测试过程中，选取英文、中文、数学、代码等基准测试，与Claude-3.5、GPT-4o、DeepSeek-V3、OpenAI o1、OpenAI o1-mini等模型进行比较：
教育为导向的知识任务：在以MMLU（R1 90.8分；V3 88.5分；o1 91.8分）和GPQA Diamond（R1 71.5分；V3 59.1分；o1 75.7分；o3 87.7分）为代表的知识基准上，R1相比V3表现出更优越的性能，主因大规模强化学习（RL）促进STEM相关问题上准确性显著进步；在依赖长上下文的FRAMES（R1 82.5分；V3 73.7分）基准，R1同样展示了强大的文档分析能力。
中英文搜索和数据分析任务：在英文事实基准测试SimpleQA（R1 30.1分；V3 24.9分；o1 47.0分）上，R1优于V3，展现了模型基于事实的查询能力；而在中文事实基准测试C-SimpleQA（R1 63.7分；V3 68.0分）上，R1表现不如V3，主要系安全强化学习后模型倾向于拒绝回答某些查询。如果没有安全RL， R1的准确率可以超过70%。此外，R1模型在IF-Eval（R1 83.3分；V3 86.1分）、AlpacaEval2.0（R1 87.6分；V3 70.0分）和ArenaHard（R1 92.3分；V3 85.5分）等基准测试中同样表现较好，展现了模型在遵循格式指令、写作任务和开放域问答上的能力。
数学任务：在数学任务上， R1 表现出与 o1相当的性能，优于其他非推理模型，突出了推理模型在数学测试中的主导地位。例如在AIME 2024基准上，R1/V3/o1/o3分别得分79.8/39.2/79.2/96.7分；在Math-500基准上，R1/V3/o1分别得分97.3/90.2/96.4分。
编码任务：推理模型在数学测试中同样表现更佳，例如在Codeforces基准上，R1/V3/o1/o3分别得分2029/1134/2061/2727分，分别超过96.3%/58.7%/96.6%/99.9%的人类参赛者；在SWE-bench Verified基准上，R1/V3/o1/o3分别得分49.2/42.0/48.9/71.7分。
蒸馏技术能显著提升小模型推理能力。通过向更高效的小模型蒸馏DeepSeek-R1的输出，能够显著提升小模型推理能力。例如，向Qwen2.5-Math-7B蒸馏R1模型得到的DeepSeek-R1-Distill-Qwen-7B（简称R1-7B，下同），全面超越非推理模型如GPT-4o；向Qwen2.5-14B蒸馏得到R1-14B在所有评估指标上均超过了QwQ-32B-Preview；而向Qwen2.5-32B和Llama-3.3-70B-Instruct蒸馏得到的R1-32B和R1-70B在大多数基准测试中显著超越了o1-mini。
Janus-Pro 在多模态理解和生成方面优于统一模型和单一功能模型。Janus-pro主要延续Janus通过解耦多模态理解和生成的研究思路，通过优化训练策略、扩展训练数据和模型规模等方面提高模型性能：
多模态理解：在Janus测试过程中选取POPE、MME-P、MMB、SEED、MMMU、MM-Vet等广泛认可的图像视觉语言基准测试，同时包括了一种用于真实世界视觉推理和组合式问答的新数据集GQA。与其他前沿图像理解生成统一模型和仅用于理解的模型相比，Janus-Pro 取得了总体最佳的结果，例如Janus-Pro-7B在多模态理解基准MMBench上得分79.2，超越了包括Janus（69.4）、TokenFlow（68.9）和MetaMorph（75.2）等，主因其将多模态理解和生成的视觉编码解耦，缓解了这两个任务之间的冲突。此外，Janus-Pro与规模更大的模型相比仍具竞争力，例如Janus-Pro-7B在除GQA外的其他基准测试上的表现都优于 TokenFlow-XL（13B）。
文本-图像生成：为评估Janus视觉生成能力，DeepSeek采用 GenEval（文本到图像构图能力基准测试）和 DPG-Bench（密集提示图基准测试）两个工具进行测试。Janus-Pro-7B 在 GenEval 上的总体准确率达到 80%，超过了所有其他统一模型或仅用于生成的模型，包括Transfusion（63%）、SD3-Medium（74%）和 DALL-E 3（67%），反映Janus-Pro具有更好的指令跟随能力。同时，Janus-Pro 在 DPG-Bench 上的得分为 84.19，超过了所有其他方法，表明 Janus-Pro 在遵循用于文本到图像生成的密集指令方面表现出色。
我们认为，DeepSeek-R1性能已基本达到OpenAI-o1水平，较o3模型基准测试表现仍有不小差距，随着DeepSeek在MoE架构、强化学习等技术上进一步迭代，推理模型性能表现有望持续增长；Janus-Pro在多模态理解和生成方面则相对表现较好，一定程度验证了图像理解和生成解耦思路的可行性。
1.3 第三问：如何看待DeepSeek-V3模型的训练成本？
DeepSeek通用及推理模型成本相较于OpenAI同类模型下降至数十分之一以下：
通用模型方面，2024年12月26日DeepSeek-V3更新上线，模型API服务定价调整为每百万输入tokens 0.5元（缓存命中）/ 2元（缓存未命中），每百万输出tokens 8元。此外，V3模型设置长达45天的优惠价格体验期：2025年2月8日前，V3的API服务价格仍保持每百万输入tokens 0.1元（缓存命中）/ 1元（缓存未命中），每百万输出tokens 2元。与此同时，OpenAI GPT-4o的API服务定价为每百万输入tokens 1.25美元（缓存命中）/ 2.5美元（缓存未命中），每百万输出tokens 10美元。
推理模型方面，DeepSeek-R1 API 服务定价为每百万输入 tokens 1元（缓存命中）/ 4元（缓存未命中），每百万输出 tokens 16元。而OpenAI o1的API 服务定价为每百万输入 tokens 7.5美元（缓存命中）/ 15美元（缓存未命中），每百万输出 tokens 60美元。
需要注意的是，不同模型token切分方法可能不同，通常1 token可对应1-2个中文汉字，或对应3-4个英文字符，或0.75个英文单词。
DeepSeek-V3（R1的基础模型）总训练成本仅为 557.6 万美元，但不包括架构、算法等成本。以H800算力计算，DeepSeek-V3预训练阶段在不到两个月的时间内完成，耗费266.4万个GPU小时，加上上下文长度扩展所需的11.9万个GPU小时和后训练阶段的0.5万个GPU小时，DeepSeek-V3的完整训练仅需 278.8 万个 GPU 小时；假设 H800 GPU 的租用价格为每 GPU 小时 2 美元，我们的总训练成本仅为 557.6 万美元。需要注意的是，上述成本仅包括 DeepSeek-V3 的正式训练成本，不包括与架构、算法或数据的前期研究及消融实验相关的成本。
根据我们测算，GPT-4需要2.5万张A100训练95天（5700万A100 GPU小时），OpenAI o1需要用3.2万张H100训练90天（6912万H100 SXM GPU小时）：1）GPT-4由16个111B的MoE模型构成，其中两个用于向前传播，另有55B被用做注意力机制的共享，则GPT-4的激活参数量约为280B，我们假定o1模型激活参数量是GPT-4的两倍，达到560B；2）GPT-4的预训练数据集token量为13B，我们假定o1模型接近其两倍，达到25B；3）GPT-4的训练时间约为90-100天，我们取中间值95天，并假定o1的训练周期为90天；4）GPT-4的GPU利用率在32%到36%之间，我们取中间值34%，并假定o1 GPU利用率也为34%；5）根据OpenAI在Scaling Laws 论文中给出的经验公式计算（C = rT ≈ 6*P*D，P为模型参数量，D为训练集token大小，r为训练集群硬件FLOPS总吞吐），则OpenAI o1预训练需要用3.2万张H100。
算法迭代、架构升级促进DeepSeek-V3模型训练成本降低，符合产业趋势。相较于GPT-4和o1模型，DeepSeek-R1的基础模型DeepSeek-V3训练成本明显更低，结合V3技术报告和上述计算过程，我们认为成本优化主要缘于：1）V3模型通过DeepSeekMoE架构（3.1中将进一步说明），使用更细粒度专家模型，同时隔离部分共享专家，提高计算资源利用率，激活参数少（仅37B），算力消耗低；2）V3模型采用MLA算法（3.1中将进一步说明），通过低秩联合压缩注意力键值，减少推理时的键值（KV）缓存，降低计算量；3）Dual Pipe框架实现高效流水线并行，或显著提高GPU利用率；4）DeepSeek提出了一种利用FP8数据格式进行训练的细粒度混合精度框架，通过低精度训练优化训练效率。
二、技术不断革新，大模型Scaling Law仍有效
2.1 第四问：DeepSeek-V3/R1技术革新有哪些？
通过架构和基础设施创新，DeepSeek-V3实现了高效训练，奠定R1模型优化基础。架构方面，DeepSeek-V3延续了V2模型的MLA和DeepSeek MoE架构，同时进一步开创了无辅助损失的负载均衡策略，并设定了多token预测（MTP）训练目标以增强性能：
多头潜在注意力（MLA）：LLM的核心机制是自注意力（Self-Attention），其要求模型在生成每个token时考虑之前所有词的关系，则假设文本长度n时总体复杂度为〖O（n〗^3）=O（Σn^2）；过去的研究提出了KV Cache方法，利用键值对（KV）存储已计算的注意力信息，此时总体复杂度降低为O（n^2）；而MLA则进一步通过投影的方式，将token的相异信息通过投影矩阵存储，在几乎不损失信息的情况下减少键值的缓存需求。
DeepSeekMoE：专家混合模型（MoE）是当前大模型技术中对前馈神经网络（FNN）的一种替代方案。不同于FNN需要全部权重参与计算，MoE利用门控机制判断输入数据需要由哪些专家模型参与处理。相较于主流MoE模型，DeepSeekMoE使用更细粒度的专家，并隔离一些模型作为共享专家，进一步优化了激活参数。此外，为解决专家负载不平衡导致的路由崩溃和计算效率降低，DeepSeek提出无辅助损失负载均衡策略，为每个专家模型添加可动态调整的偏差项，确保训练过程中专家负载平衡、提高模型性能。
多token预测（MTP）：主流大模型token-by-token生成序列，而每次token生成需要频繁与访存交互，从而因为访存效率形成训练或推理的瓶颈。MTP方法主要将单token的生成，转变成多token的生成，提升训练和推理的性能。DeepSeek主要对过往MTP算法进行了一定优化，顺序预测额外token，并在每个预测深度保持完整的因果链。
除了基础架构，DeepSeek还在基础设施方面进行了一定优化。例如设计了一种创新的管道并行算法 DualPipe，在每一对前向和后向块内重叠计算和通信，提高通信效率、加速了模型训练；提出了一种用于 FP8 训练的混合精度框架，其中大多数计算密集型操作在 FP8 精度下进行，而一些关键操作则战略性地保持在原始数据格式以平衡训练效率和数值稳定性；训练过程中，采用英伟达 PTX（并行线程执行）汇编级编程替代标准 CUDA 方案，实现了硬件级深度优化，减少了计算冗余，提高了推理速度。
R1-Zero验证纯强化学习（RL）对推理能力的提升，R1则强调冷启动和多阶段训练的平衡。R1-Zero的特别之处在于，其无需任何监督微调数据即可获得强大的推理能力，反映了模型仅通过强化学习就能有效学习和泛化的能力。具体而言，R1-Zero模型在RL过程中延续了DeepSeek-V3组相对策略优化算法（GRPO），通过组内奖励对比优化策略，而不需要额外的判别器，最终实现训练集上的平均响应长度持续提升，自然地学会了通过更多的思考时间来解决推理任务；此外，R1-Zero训练过程自然地涌现出“思考能力”，即模型自发学会了重新评估其初始回答，并为问题分配更多的思考时间，这种“反思”的特性能够一定程度解决大模型幻觉问题（大模型逐token输出，过去没有机制去纠正已经输出的错误，反而会继续用错误掩盖先前的问题，带来幻觉问题）。
尽管R1-Zero模型展现了强大的推理能力，但仍面临可读性差和语言混合等挑战，R1模型则通过冷启动和多阶段训练解决了上述问题。R1同样从DeepSeek-V3-Base基础模型出发，经过数千条优质长链思维（CoT）数据微调（SFT）作为冷启动，使模型输出更符合要求、可读性更强；而后，针对微调后的模型采用与R1-Zero相同的大规模强化学习，并引入语言一致性奖励，直至模型在推理任务上达到收敛；面向推理的强化学习收敛后，利用生成的检查点收集新的SFT数据，从而融入来自其他领域的数据，以增强模型在写作、角色扮演和其他通用任务中的能力；最后，为了进一步使模型与人类偏好保持一致，实施次级RL阶段，旨在提高模型的有用性和无害性、精炼其推理能力。通过冷启动和多阶段训练，R1模型最终具备较强的推理性能，同时在可读性上表现较好。
R1系列模型提供了RL Scaling Law的可行方向。实际上，在OpenAI推出o1模型时即发现了推理性能随着训练时间和测试时间计算而平稳提升的“RL Scaling law”，但业内尚未通过过程奖励模型（PRM）和蒙特卡洛树搜索（MCTS）等方法做出较好的效果，R1的技术报告更是提到PRM和MCTS存在难以规模化拓展、奖励欺骗等问题。R1模型的技术报告提供了一种多阶段训练的方式，其中在第一阶段RL过程中，研究人员可以通过扩大RL训练集的方式提升模型性能，或为一种可以验证的“RL Scaling law”方向；OpenAI首席研究官Mark Chen也承认，“DeepSeek的确独立发现了一些o1的核心思路”。
蒸馏使小模型具备较强逻辑推理能力的思路或与OpenAI o1-mini不同。据张俊（金麒麟分析师）林分析，o1系列模型更可能是重新训练的（OpenAI多次强调o1-mini逻辑推理能力强，但在世界知识方面弱；如果其基于GPT系列模型而来，世界知识应该不会弱于GPT 4o-mini），而DeepSeek-R1则是在V3的基础上通过强化学习训练得到。因此，DeepSeek通过向更高效的小模型蒸馏DeepSeek-R1的输出，显著提升小模型推理能力，更可能走出了与OpenAI o1-mini不同的道路，从而实际上打破了之前“小模型逻辑推理能力难以通过蒸馏提升”的研究结论。
此时，小模型有望通过“能力分治”（DCA）的模式将语言、世界知识及逻辑推理三个能力解耦，即语言能力靠小模型自身、逻辑推理靠RL+蒸馏，世界知识靠外挂RAG，从而具备目前最强大模型的能力，对于中小型开发者而言，部署模型也将更加友好。
我们认为，DeepSeek-V3/R1系列模型的核心突破在于1）技术及架构升级显著优化模型训练成本，即工程优化了MoE模型架构，预计未来各厂商仍将围绕MoE模型进行注意力头的架构优化；2）组相对策略优化算法（GRPO）实质上仅依赖模型自身近些迭代，实现了“反思能力”；3）提供了一种具体可行的“RL Scaling law”方向，各厂商或将跟进并继续探索其他方向；4）蒸馏使小模型具备较强逻辑推理能力，有望促进中小型开发者推出相关应用。
2.2 第五问：Janus系列模型技术革新有哪些？
Janus系列模型缓解多模态理解和生成的冲突，提升模型能力表现。多模态理解与生成任务本身存在视觉编码器需求的冲突，其中在理解任务中，视觉编码器的目的是提取高层次的语义信息并进行表示；而生成任务则主要关注生成局部细节并在图像中保持全局一致性，因此需要低维度编码表示空间结构和纹理细节。Janus系列模型的核心技术在于实现多模态理解与生成的解耦，通过2 个独立的视觉编码路径，缓解多模态理解和生成的冲突，从而提高模型的能力表现和可扩展性。
多模态生成模型架构尚无定论，自回归和扩散模型持续发展。目前图像生成模型主要包括以Transformer 为代表的自回归生成、以 DDPM、LDM、DiT 为代表的扩散模型，以及 MaskGIT、MAR等掩码自回归图像生成三类架构。自回归架构通过算法逐个生成像素，DeepSeek的Janus系列模型为其中代表；掩码自回归则优化了单次像素生成数量和顺序，提高了自回归模型的速度和表现；扩散模型的代表包括Sora，其将图像生成表示成噪声图像变化至目标图像的过程，输入输出自始至终都是完整图像。目前，自回归和扩散模型均有前沿技术持续性突破，带来模型能力的持续提升。
我们认为，多模态模型整体仍处于技术探索过程中，Janus系列核心在于提供了一种理解和生成解耦的架构，一定程度提升了模型表现，后续自回归和DiT技术将进一步发展，带来多模态模型性能的持续优化。
2.3 第六问：DeepSeek数据集的特点是什么？
合成（生成）数据在大模型训练过程中发挥着重要作用。在高质量训练数据耗尽，以及互联网中充斥大量噪声数据的背景下，合成数据已成为大模型训练过程中数据集的重要来源， 截至 2024 年 9 月，在 Hugging Face 平台上标注为 “合成” 的数据集已超过 1000 个。具体而言，合成数据主要由算法、模型生成，为大模型训练提供更丰富且针对性强的信息，帮助拓展模型性能：
通用大模型：在通用大模型训练中，合成数据主要用于丰富数据集，提升模型性能。以 DeepSeek-V3 的训练为例，其在监督微调阶段借助 DeepSeek-R1 模型生成样本数据，经 RL 训练后用拒绝采样筛选高质量数据用于最终模型训练，有效提升了模型的推理能力。
推理模型：在推理模型训练中，合成数据主要用于优化训练流程。例如，DeepSeek-R1在冷启动阶段利用R1-Zero生成+人工标注数据进行微调，并在监督微调阶段通过V3模型收集了约60万条与推理相关的训练样本，以及约20万条与推理无关的训练样本。此外，R1向小模型蒸馏的过程实际上也是通过R1生成数据对小模型进行监督微调实现的。
多模态模型：多模态模型训练中，合成数据能改善数据质量，显著强化视觉生成能力。Janus - Pro 在预训练阶段相较于 Janus 引入约 7200 万个合成美学数据样本，使真实数据与合成数据比例达到 1：1，从而加速了模型收敛速度，提升图像生成质量。而Kimi-1.5作为以强化学习方式训练的多模态大模型，分别在预训练阶段通过合成数据强化了推理和基于知识任务的解答能力，在多模态训练阶段合成了图像文本交错数据。
GRPO 算法在一定程度上使模型摆脱人类经验的束缚。如 2.1 所述，R1 - Zero 模型在 RL 过程中延续了 DeepSeek - V3 组的相对策略优化算法（GRPO）。该算法通过组内奖励对比优化策略，无需额外的判别器，最终实现了训练集上平均响应长度的持续提升，使模型自然地学会通过更多思考时间来解决推理任务。实际上，GRPO 对于 RL 数据集的处理同样具有重要意义。具体而言，PPO 算法需要依赖价值模型估计状态价值，以帮助计算优势函数；而 GRPO 算法只对输出的语言内容进行相对优势计算，不需要设计价值模型。价值模型的设定本身就包含了人类偏好，这种偏好通过人类经验限定了数据集的价值。而 GRPO 算法本质上可看作模型生成内容的自我博弈，它能让模型摆脱人类经验的束缚，通过提升思考深度不断拓展性能，最终甚至可能超越人类水平。
我们认为，DeepSeek-V3/R1/Janus等模型对于合成数据的应用符合大模型研究趋势，而GRPO 算法则进一步使模型在RL过程中摆脱了人类经验的限制，从而能够最大程度挖掘数据集的价值，向模型超越人类，最终实现AGI的道路进发。
2.3 第七问：Scaling Law到底是否有效？
训练侧Scaling law推动模型能力持续提升，但仍面临技术、算力、数据的制约。早在2020年，OpenAI即在论文中提出了“Scaling law”，其内涵在于大模型的最终性能主要与计算量、模型参数量和训练数据量三者的大小相关，而与模型的具体结构（层数/深度/宽度）基本无关。在“Scaling law”的思路下，业内追求在训练侧用更多的高质量数据，训练更大参数规模的模型，尤其在MoE架构并行计算的加持下，大模型参数甚至能够提升至万亿以上，极大程度提高了模型的效果。
然而，受到技术、算力、数据的制约，训练侧“Scaling law”正面临瓶颈：1）更高参数规模的模型训练比较复杂：当参数规模提升到万亿规模，模型进一步调整的技术方式仍待突破；2）算力规模一定程度制约了模型发展：英伟达 H100目前可以做到单一集群 3.2 万张卡充分互联，每2小时会出错一次（Founder Park访谈拾象科技 CEO 李广密）。一旦算力集群增加到10万卡，可能每20-30分钟即会出错一次，对数据中心的运维能力要求较高，否则会导致算力利用率明显下降。此时需要性能更强的算力卡出现。3）高质量数据缺失：早有消息称大模型训练已经耗尽了高质量数据，因此如果只是简单提升训练集规模，往往重复的数据占据了主要部分，从而对模型能力的提升有限。而数据合成的技术仍未能突破，同样一定程度上制约了模型的发展。
思维链等方式打开推理侧大模型能力提升空间。当训练侧“Scaling law”进度相对放缓，OpenAI于2024年9月发布了系列新模型o1，其利用强化学习技术，通过提高推理侧的思考时间，大幅优化了模型表现；还能够在训练过程中生成高质量数据，解决天然数据缺失的问题。以思维链技术为例，其类比人类思考过程，使大模型在推理过程中把复杂问题拆解成若干简单步骤，从用户提出的问题出发，逐步生成正确答案。OpenAI o1模型性能随着训练时间和测试时间计算而平稳提升，后训练及推理阶段思考深度（时间）或将成为 新的“Scaling law”；相较于OpenAI未开源推理算法，DeepSeek-R1系列模型提供了RL Scaling Law的可行方向，有望促进各厂商跟进并继续探索其他推理侧拓展方向。
Scaling law三条路径齐头并进，助力模型性能持续提升。正如英伟达CEO黄仁勋在CES 2025上的主题发言提到的，o1模型推出后，大模型Scaling law已经实际上分为了三个路径：
Pre-Training Scaling：对应OpenAI 2020年提出的结论，训练数据规模越大、模型规模越大、计算资源投入越多，AI模型的性能就会相应提升。尽管Pre-Training Scaling目前受技术、算力、数据影响遭遇瓶颈，但更强大的基础模型仍然是各厂商追求的主要方向，DeepSeek-R1的技术报告同样提出，“更大基础模型发现的推理模式对于提升推理能力至关重要”。未来随着MoE架构、模型Infra等方面的优化，Pre-Training Scaling有望持续发展。
Post-Training Scaling：包括强化学习和人类反馈等技术，通过输入大量优质的提示，优化模型性能表现。实际上，受限于人类工作效率，原有的人类反馈强化学习（RLHF）存在难以规模化扩张的问题（例如人工标注数据效率较低、不同标注者标准不一致等），而DeepSeek-R1纯RL的技术方案实际上打破了这种限制，为各厂商提供了Post-Training Scaling的可行方案。
Test-Time Scaling：强调重新调配资源，即在推理阶段考虑投入多少算力，并利用思维链将问题分解成若干个小步骤逐一解决。通过在模型推理阶段更加深入的思考，模型将具备更强劲的性能。
我们认为，Scaling Law仍有效，同时RL技术的不断迭代为模型能力的规模化扩张带来了新的方向。特别是DeepSeek通过架构和技术创新，提出了纯RL和分阶段的模型训练方法，并实现了较好的性能表现。预计各厂商将陆续跟进DeepSeek的算法方向，并不断对架构进行调整，以探索出更为理想的模型优化方式。
三、DeepSeek-R1促进AI平权，产业链享受发展红利
3.1 第八问：R1是否意味着AI平权已经实现？
DeepSeek-R1开源引发全球复现热潮，小模型+RL实现“反思”涌现。在美国对中国实施 AI 芯片封锁的背景下，DeepSeek以极低的成本成功训练出跻身全球第一梯队的推理模型 R1。同时，DeepSeek 完全开源了模型权重，所遵循的 MIT License 开源协议极为宽松，允许其他开发者将模型用于商业用途并进行模型蒸馏，被Facebook首席人工智能科学家杨立昆誉为“开源模型对闭源模型的胜利”。
R1发布以来，全球前沿团队积极复现，目前已取得较好成效。其中，UC伯克利的团队在CountDown游戏中复现了DeepSeek R1-Zero，以不到30美金的成本通过强化学习，使3B的基础语言模型完成自我验证和搜索；港科大的团队只用了8K个样本，就在7B模型上复刻出了DeepSeek-R1-Zero和DeepSeek-R1的训练，使模型在复杂的数学推理上取得强劲的结果；甚至全球最大开源平台HuggingFace团队，也在1月26日官宣开始复刻DeepSeek-R1的所有pipeline，并将在复刻完成后，开源所有的训练数据和脚本。
全球大厂接连接入R1，DeepSeek冲击下OpenAI战略方向或将转向。尽管美国质疑DeepSeek在安全性、隐私方面的问题，但英伟达、英特尔、亚马逊、微软、AMD等海外巨头仍纷纷在自家产品中接入了DeepSeek；国内硅基流动和华为云同样联合首发并上线了基于华为云昇腾云服务的DeepSeek R1/V3推理服务。受DeepSeek全球热度冲击，Sam Altman承认在开源策略上“站在了历史错误的一边”，并表示正在讨论开源部分模型。此外，OpenAI于2月1日紧急更新了o3-mini系列，即使是免费用户也可以通过选择“Search+Reason”来使用体验o3-mini的搜索功能。然而，o3-mini模型当前的定价为每百万输入 tokens 0.55美元（缓存命中）/ 1.1美元（缓存未命中），每百万输出 tokens 4.4美元，远高于R1模型。
参考安卓及iOS份额变化，开源生态有望为AI产业注入活力。在智能手机操作系统领域，安卓的开源与 iOS的封闭带来了截然不同的生态模式：
安卓：Android公司成立于2003年，2005年被Google收购，并在2007年正式推出了Android操作系统。生态上，安卓系统开源开放，允许众多手机厂商基于其底层架构进行定制化开发，使其市场份额从2008年的2.8%提升到2011年的48%，但同时也带来了专利诉讼、软件盗版和系统安全等一系列问题；2011年，Google 推出 Android 4，从此安卓设备逐步正规化、标准化，直至2024年12月，安卓操作系统市场份额已经达到73.49%。
iOS：同样在安卓系统正式发布的2007年，苹果发布了搭载iOS系统的第一代iPhone，开启了智能手机的新时代。相较于安卓的开放，苹果iOS系统采用封闭式生态，严格把控软件审核环节，一定程度限制了系统的灵活性，但为用户提供了一致且高质量的使用体验。从市场份额看，近年来iOS系统的市占率相对稳定，2024年12月市场份额为26.04%，低于2009年1月iOS的市场份额35.56%。
AI产业：类比手机操作系统领域，当前AI 产业同样面临开源和闭源之争。参考安卓系统发展历程，开源模式能够吸引全球范围的开发者参与AI技术创新，后来者能够基于已有成果快速进行应用开发与产品迭代，从而推动 AI 应用的快速落地，推动AI产业加速发展。
我们认为，DeepSeek-R1作为开源模型性能接近头部闭源模型o1，一定程度上已经反映了AI平权。实际上，过去OpenAI的领先更多基于先发优势，而当开源模型的性能实现对闭源模型的追赶，全球的团队的研发能力能够使开源模型的性能始终位于前列。近期各研究团队对R1模型的积极复现更是侧面验证了开源模式的优势。此外，DeepSeek-R1使小模型具备推理能力成为可能，更低的成本将更有利于开发者探索AI的实际落地，带来更有价值的产品。
3.2 第九问：DeepSeek出圈对产业的影响有几何？
DeepSeek以其低成本、高性能全面影响AI产业链。AI产业链大致可分为基础层（算力、数据、技术等）、模型层（通用/行业大模型、开发平台）和应用层（通用/垂域应用、Agent等）。尽管创始人梁文锋称DeepSeek技术突破只是“美国每天发生的大量创新里非常普通的一个”，但其低成本、高性能，以及为小模型带来强大推理能力的蒸馏方式，仍对AI产业链产生了冲击：
算力：DeepSeek的爆火使得“杰文斯悖论”这一经济学名词受到关注，它是指“燃料效率的提高往往会增加燃料使用”。如果将该理论拓展到算力领域，模型对算力应用效率的提升反而会带来算力需求的增长。实际上，“杰文斯悖论”反映了简单的经济学原理——当需求价格弹性系数大于1，价格下降则会带来销售收入增加。因此，DeepSeek影响下算力需求是否增加的关键在于算力的价格弹性，而这又受到算力用途的影响（一般来说，商品用途多，需求弹性就越大）。
算力作为新一轮科技革命的底层基础，将会应用于千行百业，DeepSeek-R1使小模型能通过蒸馏具备较强逻辑推理能力，更进一步加速了下游应用的产生，则算力的价格弹性更可能大于1，符合“杰文斯悖论”，从而持续保持旺盛的需求。此外，梁文锋在访谈中提到高端芯片禁运或将成为卡点，同样反应了算力芯片自主可控的重要性。
模型：DeepSeek-R1模型的突破实际上反映了中美在前沿大模型差距的缩小。以发布于2024年3月的GPT-4为例，2024年1月发布的智谱GLM-4才在部分benchmark上达到了其90%-100%的水平，模型差距在10个月以上；而2025年1月发布的R1已经接近OpenAI 2024年9月发布的o1模型，模型差距缩短到4个月左右。而大模型本身及其对应的Chat bot产品，用户切换成本低，存在“赢者通吃”的现象，例如kimi 在2024年3月实现上下文无损输入长度提升至200万字，爆火出圈带来流量的大幅上涨；2024年12月字节火山引擎热度攀升，以及DeepSeek-V3的发布同样带来了流量的快速提升。在此背景下，预计大厂将跟进DeepSeek模型层的研发，技术开源亦将促进大厂持续投入，形成正反馈。此外，DeepSeek通过纯RL算法、架构优化等方式实现了模型性能的提升，或将促进各厂商在相关领域进行更多的探索。
应用：DeepSeek-V3/R1作为通用/推理方面的基础模型，性能升级及在各类 Benchmark 跑分中的提高，本身就为应用落地带来了更大的可能性。然而，对于开发者而言，更关键的点在于模型能够和应用适配调优，提供稳定性的API服务，以及性价比更高的tokens成本。参考2024年5月DeepSeek-V2发布后带来的大模型价格战，即使模型成本更高，字节、阿里等大厂亦按照烧钱补贴的逻辑大幅降价，本质上是因为开发者价格敏感，大厂愿意亏钱抢占市场份额，培育开发者使用习惯。
考虑到DeepSeek-R1开发和调用成本本身较低，还通过蒸馏的方式带来了小模型推理能力的提升，则应用开发者能够以更低的成本部署模型或调用API，并保持相对优秀的性能。当应用开发门槛降低，预计会出现更多产品探索方向，直至出现具有突破性的 “killer”应用。同时，DeepSeek-R1的低价，同样有望带来推理模型新一轮的价格战（o3-mini的价格本身已经验证了这一观点），为开发者带来更多性价比之选。最后，当DeepSeek模型的能力达到全球第一梯队后，其作为国内厂商能为国内应用开发者提供更稳定的服务（调用GPT API可能会受到各种限制），亦将促进各类应用产生。
数据：DeepSeek 系列模型的训练过程仍凸显了高质量数据的重要性。例如V3模型训练时使用了14.8 万亿涵盖多种领域和语言的token；R1通过精心筛选和处理的冷启动数据提升了模型性能和可读性；Janus-Pro 在训练时同样较前代模型增加约 9000 万用于多模态理解的样本和约 7200 万用于视觉生成的合成美学数据。结合RL范式的可能性，预计高质量数据仍将在模型训练中具有重要意义。
四、投资建议
4.1 第十问：DeepSeek将带来哪些投资机会？
算力：算力作为新一轮科技革命的底层基础，将持续受益于千行百业的应用需求。叠加 DeepSeek - R1 为推理范式带来泛化的可能性，预计各厂商技术探索下算力产业链持续高景气。此外，中美AI竞争加剧，高端算力芯片禁售下自主可控重要性进一步凸显。建议关注以国产算力和AI推理需求为核心的算力环节，尤其是IDC、服务器、国产芯片等算力配套产业。
应用：DeepSeek-R1有望引发新一轮大模型API降价，小模型通过蒸馏具备强劲推理能力，这也将促使开发者探索更多应用落地的可能性。AI应用作为新一代生产力工具，看多C端软件的持续发展，B端应用软件商业化进展更快。建议关注B端Agent，其中OA+ERP作为核心入口，AI结合更易，有望率先商业化，其次关注用户量多、生态好且可云化的软件公司等。
端侧：小模型能力提升同样促进了端侧模型部署，我们看好AI终端作为新一代计算平台爆发可能。首先，我们认为AI+教育作为高频应用场景有望率先落地，特别教育部人工智能赋能教育行动陆续推进，有望带动AI学习机、AI教育大屏等需求增加，推荐视源股份、科大讯飞等；其次，我们认为AI眼镜、AIPC、机器人等新终端的出货量有望随着模型升级后使用范围的增加而增加，因此建议关注以AI眼镜、PC、机器人为代表的终端供应商或内部核心软件供应商。
数据：高质量数据仍然是大模型训练中不可或缺的一环，B端 Agent落地亦需要行业know-how进行微调。建议关注向量数据库相关公司、数据处理类企业，以及具备行业侧专业数据的厂商。
（1）AI产业商业化落地不及预期：目前各环节AI 产品的商业化模式尚处于探索阶段，如果各环节产品的推进节奏不及预期，或对相关企业业绩造成不利影响；（2）市场竞争风险：海外 AI 厂商凭借先发优势，以及较强的技术积累，在竞争中处于优势地位，如果国内 AI 厂商技术迭代不及预期，经营状况或将受到影响；同时，目前国内已有众多企业投入AI产品研发，后续可能存在同质化竞争风险，进而影响相关企业的收入；（3）政策风险：AI技术的发展直接受各国政策和监管影响。随着AI在各个领域的渗透，政府可能会进一步出台相应的监管政策以规范其发展。如果企业未能及时适应和遵守相关政策，可能面临相应处罚，甚至被迫调整业务策略。此外，政策的不确定性也可能导致企业战略规划和投资决策的错误，增加运营的不确定性；（4）地缘政治风险：在全球地缘政治环境的波动下，尤其美国对中国的出口限制或将直接影响国内企业算力芯片的获取，进而影响其产品研发和市场竞争力。同时，地缘政治风险也可能导致 AI 产品开拓海外市场面临障碍，影响相关企业的营收情况。
还没有评论，来说两句吧...