20250205-浦银国际证券-互联网行业_以DeepSeek视角_解读DeepSeek逆袭_9页_790kb

DeepSeek逆袭：低成本优势重塑AI产业链 | 分析报告总结

DeepSeek近期在全球AI领域引发关注，其核心优势体现在“成本创新”，整体成本仅为OpenAI的5%-10%，商业化定价为OpenAI的2%-5%。

一、成本优势实现路径

DeepSeek通过以下策略降低成本：

1. 稀疏激活的混合专家（MoE）架构：仅激活任务相关参数，算力消耗降低90%
2. 本地化部署：支持消费级硬件（如RTX4090），减少对昂贵云服务的依赖
3. 规则奖励系统：替代AI监工模型，减少额外训练成本
4. 开源生态：借助社区贡献加速迭代（迭代速度提升3倍）

二、与OpenAI的异同分析

相同点：

• 基于Transformer架构
• 同样重视推理能力优化，采用多阶段训练策略

不同点：

1. 训练方式：DeepSeek依赖强化学习（如GRPO算法），OpenAI高度依赖监督微调
2. 架构设计：DeepSeek采用模块化MoE架构，OpenAI更注重Transformer通用性
3. 应用场景：DeepSeek在数学、代码等深度推理领域表现优异；OpenAI在文本生成领域更具优势

三、产业链影响维度

1. 云计算：

• 推理需求增长导致云服务商需优化架构（如铜连接方案、CPO技术）
• 混合云与边缘计算成为主流部署方式

2. 大模型：

• 打破算力垄断，推动技术民主化
• 开源生态繁荣促进垂直领域模型爆发
• 开发重心转向推理优化和推理能力增强

3. 应用层：

• 低成本API激活中小企业和开发者应用
• 覆盖长尾市场，重塑行业解决方案商业逻辑

📊 总结

DeepSeek的低成本优势正推动AI产业从“算力竞赛”转向“算法优化”，中国企业需把握开源化、设备端化趋势，在垂直领域模型和Agent化应用等方面占据先机。但需注意技术发展伴随的伦理与战略风险。

📊 投资建议亮点

1. 打破美国垄断，国产AI价值重估
2. 成本平民化加速AI普惠应用
3. 云计算需求向推理端倾斜

💨 风险提示
地缘政治风险、场景落地不及预期