20250219-爱建证券-人工智能专题报告（1）_适合投资人的DeepSeek分析报告_21页_1mb

投资提示

DeepSeek发布R1模型后引发全球技术震动与资本关注，其技术优势在于以更低硬件成本和更短周期实现高性能，打破“中国受限于GPU无法追赶AI”的固有认知。

研究内容

技术创新

• MoE架构：DeepSeekMoE通过激活参数比例降低，训练效率提升36倍，吞吐量提升36倍。
• MLA机制：DeepSeek-V2使用多头潜在注意力，训练成本节省425%，KV缓存减少933%。

成本分析

• DeepSeek-V3训练成本（硬件+研发）预计超4000万美元，较Llama3、GPT-4o成本降幅分别达69%和95%。
• 公开训练成本（550万美元）仅为实际成本的1/7，隐性成本与试错成本合计约500万美元。

投资逻辑

未来趋势

• 算力需求变化：Short-term仍由Scaling Law导致的“军备竞赛”驱动，但长期数据瓶颈将改变投资焦点，算力需求转向细分场景推理。
• 数据瓶颈期限：至2028年，公开文本数据将耗尽，推动模型训练转向垂直领域（医疗、金融、法律等细分数据集）。

行业带动

DeepSeek引发资本狂热，2025年板块成交额占A股20%，带动AI算力芯片、本地化部署设备、专业咨询服务等领域升级浪潮。

核心结论

💎 给予行业“强于大市”评级，看好评价：

1. 算力芯片产业链（设计、代工、封测）、
2. 专业咨询（AI+医疗、金融、法律、教育、政务）、
3. 2C智能终端（智能手机、智驾）；
4. 2B本地设备（服务器OEM）。

风险提示

• 大模型开发缓慢或技术升级不及预期；
• AI商业化迟滞，商业模式循环难题；
• 贸易摩擦加剧，高端芯片受制于外部限制。

图表摘要

1. 算力支出趋势：美国AI资本支出占比2022-2024年从20%-40%升至50%-85%。
2. 数据消耗预测：至2028年，人类生成文本数据耗尽（300TToken），引发AI发展数据瓶颈。
3. 成本对比表：DeepSeek-V3训练成本（$550万）对标顶级模型Llama3（$2.5亿）、GPT-4o（$1亿）具数量级优势。