电子元器件行业:Deepseek,开源AI补齐国产AI产业链短板_23页_3mb
报告摘要
Deepseek R1:开源AI补齐国产AI产业链短板
核心内容
Deepseek R1作为一款开源AI模型,凭借其出色的性价比和高性能,在全球范围内引发广泛关注。该模型不仅降低了对算力芯片性能的要求,还加速了与国产算力芯片的适配,成为推动国产AI生态闭环的重要力量。随着海外算力限制的加码,算力自主可控成为必然趋势。
主要观点
- Deepseek R1具备高性能与低成本优势:其推理成本远低于GPT-4o,API定价仅为1元/百万tokens(缓存命中),性能对标OpenAI的O1模型,且在逻辑、数学及中文任务中表现优异。
- 用户增长迅速:上线仅18天,日活用户即达1500万,增长速度是ChatGPT的13倍,占据iOS 140+国家/地区免费应用排行榜第一名。
- 算法优化降低算力需求:采用MoE架构、多token并行预测、FP8混合精度训练及DualPipe算法,显著减少通信开销,提升训练效率。
- 本地部署加速端侧AI落地:Deepseek R1蒸馏小模型性能强劲,支持从1.5B到70B不同规模的模型,可根据硬件条件灵活部署,提升端侧AI应用的可行性。
- ASIC芯片在推理场景中更具性价比:相比通用GPU,ASIC在推理任务中具有更高的效率和更低的成本,有望成为主流。
关键信息
1. Deepseek R1的性能与成本优势
- 性能对标:Deepseek R1在逻辑、数学及中文任务中表现优于GPT-4o、o1-mini等模型。
- 成本优势:Deepseek R1的推理成本远低于GPT-4o,单位算力成本仅为英伟达H100的70%和60%。
- 训练成本:Deepseek V3的训练成本为558万美元,但实际总拥有成本(TCO)远高于此。
2. 算力需求测算
- 日均访问量:1亿次,每次提问10次,回复用到1000个token。
- 推理算力需求:若采用FP8精度的H100卡,每日需求约为16,177张;若采用CoT思维链推理,需求将增至80,885张。
- A100卡需求:若采用FP8精度,每日需求约为51,282张;若采用CoT思维链推理,需求将增至256,410张。
- 特定问题处理需求:若仅处理特定问题,H100卡需求为892张,A100卡需求为2,828张。
3. 端侧AI模型部署
- 不同参数量模型适配不同场景:
- 671B:适用于大型科研机构和企业。
- 1.5B-7B:适合移动端和轻量级应用。
- 8B-14B:适用于小型企业和普通智能客服。
- 32B-70B:适用于专业领域的知识问答和内容创作平台。
- 本地知识库构建:通过AnythingLLM和Ollama工具,用户可高效构建私有化AI知识管理系统,提升数据隐私保护和个性化需求满足。
4. 国产算力与芯片制造
- 美国限制:封锁16nm以下制程,将中国和新加坡多个实体列入清单,限制芯片出口。
- 国产算力成长:7nm及以下先进制程仍为国产芯片的核心瓶颈,需加快突破。
- 台积电产能:预计2025年资本开支增长至380-420亿美金,7nm及以下产能全球领先。
5. 投资建议
- 推荐标的:中芯国际、华丰科技、瑞芯微、恒玄科技、晶晨股份、中科蓝讯、兆易创新。
- 受益标的:博通、迈威尔科技、乐鑫科技、全志科技、炬芯科技、中兴通讯。
- 估值表(2025年2月11日收盘价):
- 中芯国际(688981.SH):收盘价100.86元,2024E EPS 0.56元,PE 180.11倍,评级:增持。
- 华丰科技(688629.SH):收盘价43.55元,2024E EPS 0.05元,PE 871.00倍,评级:增持。
- 瑞芯微(603986.SH):收盘价185.55元,2024E EPS 1.35元,PE 137.44倍,评级:增持。
- 恒玄科技(688608.SH):收盘价373.6元,2024E EPS 3.18元,PE 117.48倍,评级:增持。
- 晶晨股份(688099.SH):收盘价84.37元,2024E EPS 1.96元,PE 43.05倍,评级:增持。
- 中科蓝讯(688332.SH):收盘价129.7元,2024E EPS 2.51元,PE 51.67倍,评级:增持。
- 兆易创新(603986.SH):收盘价134元,2024E EPS 1.75元,PE 76.57倍,评级:增持。
风险提示
- AI技术迭代不及预期:若Deepseek技术进展不如预期,可能影响用户增长及算力需求。
- 端侧模型落地进展不及预期:若端侧模型无法有效落地,将影响端侧AI硬件的使用体验和出货量。
结论
Deepseek R1的发布标志着中国AI技术在性能与成本上取得了显著突破,推动了国产算力与AI基础设施的协同发展。随着推理需求的增加,ASIC芯片在AI领域的应用前景广阔。同时,模型的本地部署能力为端侧AI发展打开了新的空间,有望加速AI在各行业的落地应用。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载