算力成本降十倍，DeepSeek如何改寫AI投資版圖？

各位小夥伴大家好呀，我是投顧團隊的曉月。近期的AI板塊，基本上可以算是市場焦點了。

自DeepSeek App在2025年1月11日發佈以來，與其相關的服務器、算力、半導體芯片、AI醫療概念持續大漲，萬得DeepSeek指數今年以來漲幅達到了55.69%，引起了非常多小夥伴的關注。

1．大模型這麼多，為啥DeepSeek能火？

截至2025年1月31日，DeepSeek App上線20天全球日活就突破2000萬，成為現在全球日活增速最快的AI應用，且僅上線18天日活達1500萬，而 ChatGPT過1500萬花了244天。

數據來源：中泰證券、AI產品榜

簡單來看，我們認為其出圈的主要原因大概有三方面：技術革新、價格優勢、社交話題性。

• 原因一：技術革新——複現“具有思考能力”的o1推理模型

如果說openAI的o1是推理模型的第一個裡程碑，那DeepSeek R1肯定可以稱得上是第二個裡程碑。

openAI o1厲害在引入了全新的範式，讓Scaling law在強化學習和推理的方向上繼續實現突破。而DeepSeek R1也毫不遜色，它是全球第一個通過強化學習成功複現o1能力的模型，更重要的是，它把強化學習這個發展方向開源展示出來，給整個行業提供了新的思路和方向，讓更多開發者和研究人員能夠沿著這個方向深入探索。

• 原因二：價格優勢——557萬 VS． 0.6~1億，以十分之一的成本做到相似的性能

除了推理模型的創新，DeepSeek還實現了有限算力下的算法創新，大大節省了訓練成本，這對於當前我國想要突破算力卡脖子的限制來說，意義非凡。

按照DeepSeek在V3相關論文中的披露，正式訓練只需要557.6萬美金，而按照OpenAI創始成員之一Andrej Karpathy介紹，其他同等性能的模型訓練成本卻高達0.6億到1億美金，是DeepSeek的十倍多。

因此，和那些科技巨頭不斷砸錢構建大規模算力集群去訓練更強大模型的做法不同，DeepSeek能夠通過精巧的算法優化，在只需要大約十分之一的算力消耗的情況下，就生產出了頂尖性能的模型，性價比簡直絕絕子。

• 原因三：社交話題性——毒舌標籤，擁有所有大模型中最讓人印象深刻的中文語言能力

除了大家對它功能上的各種討論，“毒舌”也成了DeepSeek的一個標籤。

銳評春節檔電影、銳評各大高校，到銳評AI大模型……在各位小夥伴的分享接力下，“小嘴淬了毒”的#DeepSeek銳評#話題一度衝上熱搜榜。

犀利又有趣的回答，就像滾雪球一樣，讓它的熱度越來越高，於是在社交平台上徹底火出圈了。

總結來說，和其他較為成熟的AI相比，DeepSeek更像是“大減價還不減量的毒舌銳評王”，令人印象深刻。

2．DeepSeek如何改寫AI投資版圖？

面對這波AI熱潮，我們有哪些可以關注的投資方向呢？就目前的情況來看，有三個角度值得重點關注。

• 對AI算力層：短期降低對先進算力需求預期，長期看仍有前景

我們前面提到過，DeepSeek通過技術革新使得模型用較少的計算資源就能達到了接近GPT-o1的性能。因此，這可能會讓業界開始重新思考大算力在AI發展，特別是大模型訓練里到底有多少必要性，甚至有些企業可能會直接減少在大規模算力基礎設施上的激進投入。

短期來看，這可能會讓算力壓力得到一定程度的緩解，但從長遠來看，我們認為AI能力邊界仍在不斷拓展，像多模態、複雜推理、通用人工智能這些方向的應用場景也在爆髮式增長，所以算力需求肯定還是會有所上升的。

另一方面，也可能為國產顯卡和ASIC芯片帶來了一些機會。因為DeepSeek的RL策略使得並行計算需求下降了，咱們國產算力硬件就能憑藉成本和服務優勢在市場上占得一席之地，而且未來還能根據實際應用場景，靈活地定製化開發芯片，算力市場估計可以朝著更多元化的方向發展。

• 對雲廠商：利好下遊需求增長，規模效應下或進一步提升雲業務利潤率

現在有些雲廠商既提供算力、又搞大模型研發、還涉及AI應用，相對比較綜合。

DeepSeek現在發佈的高性價比、開源模型，雖然會削弱雲廠商和大模型廠商在AI模型服務方面的壁壘，但也能讓國內外的大模型更快地向OpenAI等一流模型追趕，為雲廠商提供更高效、低成本的API調用方案和AI解決方案。

就比如R1上線才短短兩週，騰訊雲、華為雲、微軟Azure和亞馬遜AWS就都上線了DeepSeek-R1相關服務，帶動了AI雲業務的增長。

國內雲廠商接連接入DeepSeek

數據來源：國信證券、中信建投

因此，對於國內的雲廠商來說，Deepseek能加速企業數字化轉型上雲，在規模效應下進一步提升雲業務的利潤率，讓國內雲廠商的利潤率向海外雲廠商看齊。

• 對AI應用層：降低AI應用研發與落地的成本，促進AI應用和端側AI落地

一是能降低垂類模型/應用開發門檻，加速AI應用在各個場景落地。

DeepSeek模型算力成本低，又是開源的，企業不用投入巨額資金，通過蒸餾小模型、API調用等方式，就有希望獲取到一個高性能的模型，直接降低了AI應用研發和落地的成本，促進了AI應用和端側AI的落地。

這對AI在醫療、教育等各行業的滲透是很有利的，能催生出更多創新的AI應用場景和商業模式。

二是顯著降低了推理成本，提升了應用端的盈利能力。成本降低了，企業就能有更多資源用來優化產品、拓展市場。

因此，Deepseek的高性價比和高效推理能力，能讓它更廣泛地應用於端側設備，也可能會加速端側AI的落地。

我們也整理成了一張表格，歡迎大家保存收藏。

（本文來源：廣發基金投顧團隊）

風險提示：廣發基金本著勤勉盡責、誠實守信、投資者利益優先的原則開展基金投顧業務，但並不保證各投顧組合一定盈利，也不保證最低收益。投資者參與基金投顧業務，存在本金虧損的風險。基金投資組合策略的風險特徵與單只基金產品的風險特徵存在差異。基金投顧業務項下各投資組合策略的業績僅代表過往業績，不預示未來的業績表現，為其他投資者創造的收益也不構成業務表現的保證。因基金投資顧問業務尚處於試點階段，存在因基金投顧機構的試點資格被取消不能繼續提供服務的風險。投資前請認真閱讀投顧協議、策略說明書等法律文件，充分瞭解投顧業務詳情及風險特徵，選擇適合自身的組合策略，投資須謹慎