CONFIDENTIALDeepseek對中國算力產(chǎn)業(yè)的影響1DeepSeek的技術突破與市場定位目錄CONTENT2DeepSeek驅(qū)動算力需求變革3-2-算力產(chǎn)業(yè)鏈的重構DeepSeek爆火--C端：Deepseek全球破圈，成為用戶規(guī)模增長最快的移動AI應用超級app增長1億用戶所用時間-3-App上線后同樣天數(shù)DeepSeek與ChatGPT移動端全球DAU對比情況DeepSeek爆火--B端：科技巨頭積極擁抱DeepSeek-4-DeepSeek明星產(chǎn)品：DeepSeek的LLM模型分為三個版本：基座模型V3、強化推理版R1-Zero、泛化推理版R1-5-DeepSeek爆火的原因：一流的性能表現(xiàn)、大幅降低的算力成本、開源模式高性能模型架構創(chuàng)新DeepSeek的模型架構創(chuàng)新，如MoE和FP8混合精度訓練，大幅提升模型性能和訓練效率。低成本實現(xiàn)高性能通過算法創(chuàng)新和硬件優(yōu)化，DeepSeek以低成本實現(xiàn)高性能，改變AI領域的競爭規(guī)則。開源策略推動技術普及DeepSeek采用開源策略，降低AI技術門檻，促進全球開發(fā)者參與，推動技術快速普及和迭代。-6-一流的性能表現(xiàn)：DeepSeek-V3性能對齊海外領軍閉源模型-7--8-一流的性能表現(xiàn)：DeepSeek-R1性能對標OpenAI-o1正式版DeepSeek-R1性能比肩OpenAI-o1。DeepSeek-R1在后訓練階段大規(guī)模使用了強化學習技術，在僅有極少標注數(shù)據(jù)的情況下，極大提升了模型推理能力。在數(shù)學、代碼、自然語言推理等任務上，性能比肩OpenAI

o1正式版。R1

在

2024年AIME測試中取得了

79.8%

的成績，與

OpenAIo1

的

79.2%水平相當。在MATH-500

基準測試中，DeepSeek-R1

以

97.3%

的成績略微超越了o1

的

96.4%。在編程領域，該模型在Codeforces平臺上表現(xiàn)優(yōu)異。大幅降低的算力成本：訓練算力下降90%DeepSeek-V3和R1模型不僅性能出色，訓練成本也極低。V3模型僅用2048塊H800

GPU訓練2個月，消耗278.8萬GPU小時。相比之下，Llama3-405B消耗了3080萬GPU小時，是V3的11倍。按H800

GPU每小時2美金計算，V3的訓練成本僅為557.6萬美金，而同等性能的模型通常需要0.6-1億美金。R1模型在V3基礎上，通過引入大規(guī)模強化學習和多階段訓練，進一步提升了推理能力，成本可能更低。-9-API定價下降89%（V3）、96%（R1）-10-開源大模型：打破OpenAI等閉源模型生態(tài)DeepSeek

不僅開源了

R1-Zero和R1兩個

671B模型，還通過DeepSeek-R1

的輸出，蒸餾了

6

個小模型開源給社區(qū)，其中

32B

和

70B

模型在多項能力上實現(xiàn)了對標

OpenAI

o1-mini

的效果。同時，DeepSeek

還修改了產(chǎn)品協(xié)議，支持用戶進行“模型蒸餾”，即允許用戶無限制商用，鼓勵蒸餾（用R1

輸出結果訓練其他模型），盡可能降低用戶使用壁壘，全球范圍出圈和更容易建立起廣泛繁榮的用戶生態(tài)。DeepSeek

V3與R1模型實現(xiàn)了開源，采用MIT協(xié)議。這產(chǎn)生多方面影響：對大模型發(fā)展：這提升了世界對中國AI大模型能力的認知，一定程度打破了OpenAI與Anthropic等高級閉源模型的封閉生態(tài)。DeepSeek

R1在多個測試指標中對標OpenAIo1，通過模型開源，也將大模型平均水平提升至類OpenAI

o1等級。對下游生態(tài)：優(yōu)質(zhì)的開源模型可更好用于垂類場景，即使用戶針對自身需求蒸餾，或用自有數(shù)據(jù)訓練，從而適合具體下游場景；此外，模型訓推成本降低，將帶來使用場景的普及，帶動AIGC、端側等供給和需求。-11-1DeepSeek的技術突破與市場定位目錄CONTENT2DeepSeek驅(qū)動算力需求變革3-12-算力產(chǎn)業(yè)鏈的重構中國智能算力市場規(guī)模持續(xù)增長，算力中心從訓練側向推理側轉移42%59%35%33%30%28%58%41%65%67%70%72%100%90%80%70%60%50%40%30%20%10%0%20222023202620272024 2025推理 訓練中國智能算力規(guī)模及預測，（FP16） 中國人工智能服務器工作負載預測，2022-20272604177251,0372,020+41%1,4602022 2023 2024 2025 2026 2027智能算力-13-訓練算力頭部集中，推理算力爆發(fā)式增長頭部企業(yè)仍持續(xù)加碼大模型訓練，追求更高性能的AGI目標。阿里：未來3年的AI

infra投資，超過去10年的infra投資字節(jié)：24

年資本開支

800

億元，接近百度、阿里、騰訊三家的總和（約

1000

億元）。25

年，字節(jié)資本開支有望達到

1600

億元，其中約

900

億元將用于AI算力的采購，700

億元用于

IDC基建以及網(wǎng)絡設備。百度：在2月11日的阿聯(lián)酋迪拜World

Governments

Summit

2025峰會上，百度創(chuàng)始人李彥宏提到，百度需要繼續(xù)在芯片、數(shù)據(jù)中心和云基礎設施上加大投入，目的是為了開發(fā)下一代模型。硅谷四大科技巨頭（谷歌、微軟、Meta、亞馬遜）2025年合計資本開支超3,000億美元，重點投向AI數(shù)據(jù)中心建設。訓練算力仍有空間和前景頭部企業(yè)會持續(xù)進行教師模型的訓練：模型蒸餾的前提是有一個好的教師模型，字節(jié)、阿里、百度等已經(jīng)明確會持續(xù)加大投入；24年H2有些停滯的大模型訓練近期已經(jīng)重啟各模型廠商會借鑒deepseek的優(yōu)化方法如FP8精度訓練、跨節(jié)點通信等，與自身模型訓練結合，探索更高效的模型訓練方法多模態(tài)的模型對算力的消耗會是近十倍的增長推理算力爆發(fā)式增長：杰文斯悖論在推理側上演，開源模型和較低的推理成本，有助于應用的繁榮，助推推理算力增長“杰文斯悖論”指出成本下降將刺激資源需求更大增長-14-模型輕量化催生端側算力的崛起DeepSeek通過知識蒸餾技術，將大模型壓縮至輕量化版本，使其能夠在端側設備上高效運行。數(shù)據(jù)安全與隱私計算剛需本地化部署需求（如醫(yī)療數(shù)據(jù)脫敏處理）推動隱私計算技術發(fā)展，2024年數(shù)據(jù)治理市場規(guī)模超50億元。一體機等端側算力市場擴容國產(chǎn)deepseek一體機瘋狂上新：三大電信運營商、浪潮、壁仞、京東云、聯(lián)想、優(yōu)刻得、寶德、華鯤振宇、超聚變等均推出基于不同國產(chǎn)芯片的deepseek一體機工業(yè)質(zhì)檢、自動駕駛等場景需求推動邊緣AI服務器出貨量增長，2025年市場規(guī)模預計突破200億元。-15-從“算力堆砌”到“算效優(yōu)化”的產(chǎn)業(yè)轉型DeepSeek提出的“四兩撥千斤”的技術路徑推翻了統(tǒng)治了2023年-2024年的全球大模型產(chǎn)業(yè)的“暴力美學”邏輯，2025年再次進入算法創(chuàng)新階段算力、數(shù)據(jù)、算法的三角創(chuàng)新體系，在動態(tài)循環(huán)中再次進入算法創(chuàng)新階段：2022年：算法創(chuàng)新為主，ChatGPT發(fā)布，引發(fā)Transformer架構的風潮迭起2023年：數(shù)據(jù)創(chuàng)新為主，數(shù)據(jù)合成、數(shù)據(jù)標注等成為高質(zhì)量數(shù)據(jù)集建設的熱點方向2024年：算力創(chuàng)新為主，算力邁向超萬卡時代，算力運營商等產(chǎn)業(yè)新物種誕生2025年：再次進入算法創(chuàng)新階段算力堆砌的傳統(tǒng)模式大模型訓練和應用依賴于大規(guī)模的算力堆砌，通過不斷增加硬件資源來滿足算力需求算效優(yōu)化的必要性隨著技術發(fā)展和應用深化，算效優(yōu)化成為產(chǎn)業(yè)轉型的關鍵方向，通過提高算力的利用效率，降低能耗和成本-16-1DeepSeek的技術突破與市場定位目錄CONTENT2DeepSeek驅(qū)動算力需求變革3-17-算力產(chǎn)業(yè)鏈的重構DeepSeek通過PTX優(yōu)化等創(chuàng)新技術，降低了模型訓練對NV芯片的依賴，推動國產(chǎn)算力的應用落地CUDA

生態(tài)的封閉性導致其跨硬件平臺兼容性差，對國產(chǎn)

GPU的適配存在較大困難。PTX

算力優(yōu)化經(jīng)驗大幅降低了對高端GPU的依賴，對國產(chǎn)

GPU的底層接口適配有一定幫助（需要重新設計工具鏈，短期內(nèi)難以實現(xiàn)無縫遷移）DeepSeek通過PTX手動優(yōu)化跨芯片通信截至

2025

年

2

月

18日

，DeepSeek

已與

18家國產(chǎn)

AI

芯片企業(yè)完成適配，包括華為昇騰、沐曦、天數(shù)智芯、摩爾線程、海光信息、壁仞科技、太初元碁、云天勵飛、燧原科技、昆侖芯、靈汐科技、鯤云科技、希姆計算、算能、清微智能和芯動力等私有化部署及端側小模型大量涌現(xiàn)，為國產(chǎn)芯片在實際場景的應用及試錯提供了大量機會，為國產(chǎn)芯片的設計、性能提升等提供空間芯片智算中心大模型AI應用英偉達

H800芯片互聯(lián)帶寬相比

H100被閹割，為彌補這一缺陷，DeepSeek

借助PTX

手動優(yōu)化跨芯片通信，保障數(shù)據(jù)傳輸效率。PTX

是CUDA編譯的中間代碼，處于高級編程語言（如

CUDA

C/C++）和底層機器碼（SASS）之間，起到在

CUDA

和最終機器碼之間的橋梁作用。借助

PTX，開發(fā)者能夠直接對

GPU

的寄存器分配、線程調(diào)度等硬件級操作進行控制，實現(xiàn)細粒度的性能優(yōu)化。在多GPU

協(xié)同訓練場景中，可通過

PTX

手動調(diào)整跨芯片通信效率，提升整體訓練效能。-18-DeepSeek采用FP8混合精度訓練取得較好效果，國內(nèi)芯片企業(yè)亟待增強對原生FP8支持在DeepSeek的訓練過程中，絕大多數(shù)核心計算核（即通用矩陣乘法GEMM操作）均以FP8精度實現(xiàn)。這些GEMM操作接受FP8張量作為輸入，并輸出BF16或FP32格式的結果。如下圖所示，與線性算子（Linear

operator）相關的三個GEMM運算——前向傳播（Fprop）、激活梯度反向傳播（Dgrad）和權重梯度反向傳播（Wgrad）——都采用FP8精度執(zhí)行。對以下模塊維持原有精度（如BF16或FP32）：嵌入模塊（embedding

module）、輸出頭（outputhead）、混合專家門控模塊（MoE

gating

modules）、標準化算子（normalization

operators）以及注意力算子（attention

operators）。（盡管FP8格式具有計算效率優(yōu)勢，但由于部分算子對低精度計算較為敏感，仍需保持更高計算精度）采用FP8數(shù)據(jù)格式的整體混合精度框架原生支持FP8的3家-19-同時原生支持FP8、BF16、FP32的1家國內(nèi)芯片對三種計算精度的支持情況國內(nèi)AI芯片企業(yè)200多家DeepSeek采用FP8混合精度訓練取得較好效果：GPU訓練時間減少40%預訓練成本降至僅278.8萬H800

GPU小時訓練總費用為557.6萬美元，比同類模式便宜約10倍目前DS原生訓練和推理用的是FP32、BF16和FP8，三種格式，也是DS團隊探索出來效率最高的計算方式。如果不是原生支持FP8，而是需要通過其他計算精度的轉譯，至少損失30%性能和20%的智商目前國內(nèi)有200多家AI芯片公司，原生支持FP8計算格式的AI芯片只有3款，同時支持三種計算格式的國產(chǎn)AI芯片公司只有1款。芯片智算中心大模型AI應用智算中心分為三類A類B類C類預訓練用于訓練超大參數(shù)量的原創(chuàng)教師大模型，如移動的九天大模型、阿里的通義千問等萬卡以上H200、B200等最先進的芯片或國產(chǎn)高端芯片（針對有強信創(chuàng)需求的企業(yè)）后訓練用于學生大模型的調(diào)優(yōu)，訓練行業(yè)化、客制化大模型幾十臺到幾百臺為主A100/A800、H100/H800，或者采購部分高端國產(chǎn)卡推理用于推理的算力中心，針對模型在企業(yè)端現(xiàn)實場景的實際應用大小不等利舊原有設備或者經(jīng)營不善的B類3090/4090或910A、910B及其他國產(chǎn)卡定位 功能 規(guī)模 芯片-20-芯片智算中心大模型AI應用推理類智算中心爆發(fā)增長，超大規(guī)模智算中心建設加快-21-智算中心市場影響A類建設速度不減：頭部科技大廠仍計劃大量投資；超前建設的需要；下一輪AI技術的涌現(xiàn)（如多模態(tài)等）仍需要十倍左右的算力支撐；中美博弈（美國“星際之門”、歐洲“Invest

AI計劃”等）B類結構性過剩，建設減緩：規(guī)模小、位置偏僻、型號舊&性價比低、國產(chǎn)算力等類型的智算中心閑置狀況嚴重新建要看是不是有強主體包銷，如果有強主題的3-5年包銷合同，依然可以正常建設；如果是弱主體的客戶，甚至沒有客戶的前提下，建設可能會暫緩或者停滯C類爆發(fā)式增長：推理算力需求大幅增加，端側、邊緣側分布式算力部署快速增長，私有化部署1~10臺GPU服務器的小規(guī)模集群需求在內(nèi)部部署中爆發(fā)。算力包銷合同主題分強、弱兩類，市場上更多的是弱主體：強主體：各個參與方資質(zhì)和信譽主題都很強。央國企、A股上市公司承建、金融機構墊資、互聯(lián)網(wǎng)大廠包銷，這種主要是H系列為主，風險相對可控，互聯(lián)網(wǎng)大廠可以用來做B類或C類。弱主體：相對于強主體，出資方、承建方、包銷方相對來說資質(zhì)弱一些，比如包銷方是一些AI大模型創(chuàng)業(yè)公司、創(chuàng)新型實驗室或者，這類24年下半年已經(jīng)開始毀約，風險非常高，H系列租金每個月6~8w/臺。這類的算力中心風險非常大，需要注意，這類算力使用方，未來多轉向C類算力租賃。芯片智算中心大模型AI應用中國大模型主要有兩類玩家科技大廠AI創(chuàng)業(yè)公司企業(yè)類型典型玩家大模型玩家芯片智算中心大模型AI應用-22-Deepseek發(fā)布后科技大廠：擁抱DeepSeek，同時跟進類似的自研產(chǎn)品公司時間動作概況阿里1月29日阿里云

PAI

Model

Gallery

支持一鍵部署

DeepSeek-V3和

DeepSeek-R1阿里云發(fā)布開源的通用千問Qwen

2.5-Max

MoE（混合專家模型），它使用了與DeepSeek-R1類似的技術路線百度2月14日百度搜索全面接入

DeepSeek。百度宣布文心一言4月1日起開源免費，并計劃推出文心大模型

4.5

系列，于

6

月

30

日起正式開源騰訊/從云平臺騰訊云、騰訊云旗下大模型知識應用開發(fā)平臺知識引擎、國民應用微信、AI智能工作臺ima、主力AI應用元寶全方位擁抱DeepSeek，紛紛宣布接入R1模型華為/鴻蒙系統(tǒng)的小藝助手接入DeepSeek-R1；與硅基流動合作，基于昇騰云服務推出DeepSeek-R1/V3推理服務投資加大：前文已論述產(chǎn)品：科技大廠一方面擁抱DeepSeek，一方面跟進類似的自研產(chǎn)品芯片智算中心大模型AI應用國際大廠也加快了產(chǎn)品的推陳出新-23-OpenAI連續(xù)官宣GPT-4.5在幾周內(nèi)上線，GPT-5在幾個月內(nèi)上線，及模型路線規(guī)模的調(diào)整Deepseek發(fā)布后AI創(chuàng)業(yè)企業(yè)：從參數(shù)競爭到進入理性期-24-公司時間動作概況零一萬物2月14日與蘇州高新區(qū)聯(lián)合成立的產(chǎn)業(yè)大模型基地正式授牌百川智能1月25日發(fā)布新模型Baichuan-M1-preview階躍星辰2月13日聯(lián)合研發(fā)的「AI兒科醫(yī)生」在北京兒童醫(yī)院上崗1月20日發(fā)布新語言大模型Step-2-mini和Step-2

文學大師版1月21日升級語音模型Step-Io

Audio，上新多模態(tài)理解大模型Step-Io

Vision1月22日發(fā)布視頻生成模型Step-Video

V2版本1月24日應用端「躍問」推出「躍問AI創(chuàng)意板」功能/「躍問」接入DeepSeek-R12月21日舉辦首屆“Step

Up

生態(tài)開放日”智譜華章2月11日創(chuàng)立發(fā)起人唐杰出席第三屆人工智能行動峰會邊會“人工智能技術進步與應用”并發(fā)言2月11日Agentic

GLM登陸三星最新款Galax