2025年DeepSeek模型优势_算力_成本角度解读报告-浙江大学（王则可）_23页_18mb

报告摘要

DeepSeek模型的分析中心思想：从算力、成本角度解读中国AI大模型的竞争力，尤其在面对美国技术封锁下的创新求生策略。以下是核心总结要点：

DeepSeek模型优势：通过Mixture-of-Experts（MoE）结构，实现高精度、低成本计算，单次训练成本较国际模型低数十倍，破解算力卡脖子问题。
性能与其他模型比较：在全球AI模型排名中表现突出，如在MMLU-Pro、Math等基准测试上接近或超越GPT-4和Claude-3.5。DeepSeek-V3参数规模达37B，推理性能提升显著，KV缓存占用减少93.3%。
算力与成本分析：AI大模型需要庞大算力，传统GPU如英伟达H800受限于美国出口禁令。单次预训练成本估算，DeepSeek-V3训练使用约5.6百万美元，相比Llama 3.1节省超97%成本。
AI扩展规律：遵循Scaling Law，参数和数据越大，模型效果越好，但成本指数级上升。资本驱动模式下，商业循环包括融资、采购硬件、训练模型、提供服务。
国内AI发展模式：受制于美国技术限制，中国依赖国产硬件如华为910B，并采用低成本策略如“战术穿插”（低成本快速迭代）。核心技术创新包括低秩注意力压缩和自研框架优化，通过绕开CUDA限制实现性能提升。
核心技术创新：DeepSeekMoE引入专家路由机制，使每个Token激活少部分参数，提升效率。同时利用自研DualPipe框架优化通信和计算重叠，增强推理速度。
宏观挑战与未来展望：面对算力卡脖子，DeepSeek代表国产模型的追赶，未来需突破工艺和工业化工转化。分析师认为中国AI以产业化优势应对资本主导市场，形成独特的竞争力路径。