DeepSeek核心十问十答_27页_3mb

报告摘要

DeepSeek 核心十问十答总结

核心观点

DeepSeek-R1 模型发布，具有高性能和低算力需求的特性，带动了小模型推理能力的提升，引发全球开发者和用户关注。R1 作为开源模型，其性能接近头部闭源模型 o1，标志着 AI 平权的实现。同时，纯强化学习（RL）对推理能力的提升，展示了 RL 范式泛化的潜力，预计后续基模的持续迭代将推动 AI 全产业链持续保持高景气和高关注度。投资建议包括关注算力、应用、端侧和数据等环节。

行业动态信息

1.1 DeepSeek 用户量趋势

DeepSeek 坚持开源路线，密集更新 MoE、推理和多模态模型。
用户数增长迅速，春节信息传播下沉促进了产品关注度裂变。
DeepSeek 在发布第 5 天就超越 ChatGPT，第 15 天达到其 2 倍日活，第 18 天达到 1500 万日活，成为全球增速最快的 AI 原生应用。

1.2 R1 和 Janus-Pro 模型性能

R1 模型：
- 在推理任务上基本实现与 OpenAI-o1 相当的性能，优于 o3。
- 在多个基准测试中表现优异，如 MMLU、GPQA Diamond、SimpleQA、Codeforces、SWE-bench 等。
- 通过蒸馏技术，显著提升了小模型的推理能力，如 R1-7B、R1-14B 等。
Janus-Pro 模型：
- 在多模态理解和生成方面表现优异，优于统一模型和单一功能模型。
- 在 MMBench、GeneEval、DPG-Bench 等测试中取得总体最佳结果。
- 采用独立的视觉编码路径，缓解了多模态理解和生成任务的冲突。

1.3 DeepSeek-V3 训练成本

DeepSeek-V3 训练成本仅为 OpenAI 同类模型的数十分之一。
API 服务价格远低于 OpenAI，例如输入 tokens 0.1 美元/百万（缓存命中）。
通过 MLA、MoE 架构、Dual Pipe 框架、FP8 数据格式等技术优化，实现成本大幅下降。

技术革新

2.1 DeepSeek-V3/R1 技术革新

多头潜在注意力（MLA）：减少键值缓存需求，提升模型效率。
DeepSeekMoE：使用更细粒度专家模型，优化计算资源利用率。
多 token 预测（MTP）：提升训练和推理性能，保持完整的因果链。
Dual Pipe 框架：提高通信效率，加速模型训练。
FP8 混合精度框架：减少计算冗余，提升推理速度。
强化学习（RL）：R1-Zero 模型通过纯 RL 训练获得推理能力，R1 通过多阶段训练提升性能。
组相对策略优化算法（GRPO）：无需判别器，实现模型“反思”能力，提升推理深度。

2.2 Janus 系列模型技术革新

解耦视觉编码路径：缓解多模态理解和生成任务的冲突。
多模态生成模型架构：包括自回归、扩散模型、掩码自回归等，持续优化模型能力。
合成数据应用：丰富数据集，提升模型表现。

2.3 DeepSeek 数据集特点

合成数据在大模型训练中起重要作用，提升数据质量和模型性能。
DeepSeek 通过合成数据强化推理和生成能力，如 R1-Zero 生成数据用于微调。

2.4 Scaling Law 有效性

训练侧 Scaling Law：受技术、算力、数据限制，面临瓶颈。
推理侧 Scaling Law：通过强化学习、思维链等方式提升模型性能。
三种路径：
- Pre-Training Scaling：训练数据、模型规模、计算资源提升带来性能增长。
- Post-Training Scaling：强化学习和人类反馈优化模型表现。
- Test-Time Scaling：通过思维链等技术，提升推理深度。

投资建议

算力：关注国产算力和 AI 推理需求，推荐海光信息、浪潮信息、软通动力，关注并行科技、宝信软件等。
应用：
- B 端：金蝶国际、鼎捷数智、赛意信息、用友网络、恒生电子、中控技术。
- C 端：金山办公、万兴科技、彩讯股份、同花顺。
端侧：
- 教育：视源股份、科大讯飞。
- 新终端：虹软科技、联想集团。
数据：关注向量数据库、数据处理类企业，如拓尔思。

风险分析

技术瓶颈：训练侧 Scaling Law 受到技术、算力和数据的制约。
算力成本：随着模型规模扩大，算力需求可能显著增加。
数据质量：高质量数据缺失，合成数据技术仍待突破。
安全与隐私：R1 的开源引发对安全和隐私的担忧，可能影响其商业化进程。

AI 平权与产业链影响

R1 与 AI 平权：
- R1 作为开源模型，性能接近头部闭源模型 o1，体现了 AI 平权。
- 通过 RL 技术，小模型具备推理能力，降低开发者成本，促进 AI 实际落地。
- R1 开源引发全球复现热潮，推动 AI 技术的开放发展。
DeepSeek 出圈影响：
- DeepSeek 以低成本、高性能全面影响 AI 产业链。
- 算力、模型、应用等各环节均受到冲击，推动行业快速发展。
- 引发 OpenAI 等大厂调整策略，如 Sam Altman 承认开源策略的错误，并开始讨论部分模型开源。

结论

DeepSeek-R1 和 Janus-Pro 等模型的发布，标志着 AI 技术的持续革新和开源趋势的增强。通过 MLA、MoE、强化学习等技术，DeepSeek 实现了模型性能的显著提升和成本的大幅降低。同时，R1 的开源和蒸馏技术，使小模型具备推理能力，推动了 AI 平权和产业链的全面发展。未来，随着技术迭代和算力提升，AI 行业将持续保持高景气，投资机会将集中在算力、应用、端侧和数据等核心环节。

展开完整摘要