智通財經(jīng)APP獲悉，中信證券發(fā)布研報稱，近日，DeepSeek-V3的正式發(fā)版引起AI業(yè)內廣泛高度關注，其在保證了模型能力的前提下，訓練效率和推理速度大幅提升。中信證券認為，DeepSeek新一代模型的發(fā)布意味著AI大模型的應用將逐步走向普惠，助力AI應用廣泛落地；同時訓練效率大幅提升，亦將助力推理算力需求高增。中信證券持續(xù)看好AI產(chǎn)業(yè)鏈的加速落地機遇，建議重點關注AI應用、AI Infra、AI算力三大主線。

中信證券主要觀點如下：

事項：

12月26日，DeepSeek-V3（深度求索）首個版本正式發(fā)布并同步開源，已在網(wǎng)頁端和API全面上線。其在訓練效率和推理速度上相較歷史模型有了大幅提升，同時可保證領先的模型能力表現(xiàn)，引起業(yè)內高度關注。

模型：數(shù)學、代碼等能力優(yōu)異，API性價比較高。

參考官方論文，DeepSeek v3為6710億參數(shù)MoE架構模型，激活37B，在14.8T token上進行了預訓練。能力上，模型暫不支持多模態(tài)輸入，但在通識和專業(yè)知識測試集上表現(xiàn)優(yōu)秀，MMLU pro正確率75.9%，GPQA-Diamond正確率59.1%，達到國內第一梯隊，接近Claude 3.5 Sonnet的水平；并且在數(shù)學和代碼領域測試表現(xiàn)突出，MATH 500正確率90.2%，SWE-bench正確率42.0%，Codeforces得分51.6，超越所有非o系列模型。模型生成速度達到60TPS，是前代模型的三倍。定價上，API定價為輸入每百萬tokens 0.5元（緩存命中）/2元（緩存未命中），輸出每百萬tokens 8元，與字節(jié)Doubao-pro-256k定價輸入每百萬tokens 5元，輸出每百萬tokens 9元的水平相當，在國產(chǎn)模型中性價比較高。

應用：國產(chǎn)模型能力提升、價格下降，支撐全領域AI應用加速。

豆包pro、DeepSeek v3等國產(chǎn)模型連續(xù)發(fā)布。模型能力上，國產(chǎn)模型在文本和知識能力上接近GPT-4、Claude、Llama等海外前沿模型水平，多模態(tài)能力逐步完備，邏輯和代碼能力在非o1技術路線下達到可用水平。價格上，國產(chǎn)模型API百萬tokens輸出普遍定價10元以內，是GPT-4o的1/3甚至更低。我們預計模型性價比持續(xù)提升下，國內AI應用依托豐富生態(tài)和成熟流量加速各領域落地。其中，Agent模式有望以更長的任務流程、更好的場景理解、更高的自主能力，成為所有互聯(lián)網(wǎng)用戶的數(shù)字助手，在企業(yè)管理、教育、辦公、金融等領域展現(xiàn)應用價值。

算力：DeepSeek訓練效率大幅提升，助力推理算力需求高增。

1）訓練效率大幅提升，GPT4的訓練成本約為DeepSeek V3的6.2倍。根據(jù)DeepSeek V3的官方技術文檔，本次DeepSeek的訓練僅使用了2048個H800 GPU，總訓練GPU卡時為2788千小時（其中預訓練為2664千小時），平均到每個GPU上，僅為1361小時，約合56.7天。與之相對比，根據(jù)英偉達CEO黃仁勛在GTC2024上的演講內容，GPT-4 MoE使用8000個H100訓練了90天，合計約為17280千卡時，相當于DeepSeek V3的6.2倍。

2）訓練效率提升歸因：我們認為DeepSeek V3訓練提效的原因主要包括低精度計算、小參數(shù)量、高質量數(shù)據(jù)等方面。精度方面，根據(jù)英偉達官方文檔，其GPU的8位精度算力通常是16位精度算力的2倍，因此數(shù)據(jù)精度從FP16降低到FP8可以貢獻一倍效率提升。參數(shù)方面，GPT-4 MoE模型總參數(shù)量達到1800B，而按照DeepSeek V3官方文檔，其總參數(shù)量只有671B，約為GPT-4 MoE的1/3，同時，DeepSeek的激活參數(shù)大約為37B，而GPT4-MoE每次推理激活的參數(shù)量約為280B，二者約為7.57倍關系；數(shù)據(jù)方面，GPT-4 MoE使用了13萬億（1300B）token，而DeepSeek V3使用的token數(shù)量約為14.8萬億（1480B），數(shù)據(jù)量相差不大，但DeepSeek V3技術文檔提及了使用模型生成訓練數(shù)據(jù)等，因此我們認為數(shù)據(jù)質量或有較大幅度提升。此外，采用負載均衡、更好的流水線策略亦是其官方提及的提升訓練效率的重要原因。

3）從推理側助推AI普惠，帶動推理算力需求倍增，打開更廣闊算力市場空間。我們認為，DeepSeek模型相比GPT4模型更小的參數(shù)量也意味著更低的推理成本，推理成本的降低，將是AI應用普及的前奏，正如4G提速降費給我國移動互聯(lián)網(wǎng)產(chǎn)業(yè)提供了助力。當前AI應用滲透率仍然較低，產(chǎn)業(yè)仍在早期，根據(jù)我們在2024年12月13日外發(fā)的報告《計算機行業(yè)“智能網(wǎng)聯(lián)”系列報告54—算力需求測算：Agent+Sora》，隨著Agent成為流量入口，滲透率達到30%左右，全球Agent的推理token數(shù)量將增長3個數(shù)量級以上，且視頻生成與實時視頻理解等形態(tài)的AI同樣有望帶來巨量需求增長，并且根據(jù)我們對視頻生成模型的測算，視頻推理算力需求將有望達到訓練算力需求的2-3個數(shù)量級以上。算力需求的指數(shù)級提升與模型訓練推理成本的下降將構成產(chǎn)業(yè)飛輪，帶動全產(chǎn)業(yè)鏈擴張，隨著AI進一步普及到日常生活與產(chǎn)業(yè)當中，我們認為推理算力需求將仍然驅動AI算力產(chǎn)業(yè)鏈持續(xù)增長。

風險因素：

AI核心技術發(fā)展不及預期，AI被不當使用造成嚴重社會影響，企業(yè)數(shù)據(jù)安全風險，信息安全風險，行業(yè)競爭加劇。

投資策略：建議關注AI全產(chǎn)業(yè)相關投資機會，綜合梳理以下投資主線：

1）AI 應用：伴隨模型能力升級，Agent等應用形式有望加速落地，帶動辦公、教育、管理、端側、具身智能等應用領域公司加速兌現(xiàn)業(yè)績彈性。

2）AI Infra：模型場景化與行業(yè)化發(fā)展催生數(shù)據(jù)服務和模型平臺需求，產(chǎn)業(yè)發(fā)展確定性高。

3）AI算力：AI應用加速落地帶動推理端算力新需求。