【华龙AI产业专题】AI产业系列跟踪专题研究报告：从DeepSeek看国产AI的“后发优势”|AI_新浪财经

（来源：华龙证券研究）

摘要：

定价低廉+性能比肩全球顶尖模型+开源，DeepSeek引起全球关注。2025年1月20日，DeepSeek正式发布DeepSeek-R1模型，并同步开源模型权重。该模型在后训练阶段大规模使用了强化学习技术，在数学、代码、自然语言推理等任务上，性能比肩OpenAI的o1正式版。API定价方面，DeepSeek-R1 API 服务定价为每百万输入tokens1元（缓存命中）/4元（缓存未命中），每百万输出tokens16元；约是OpenAI-o1对应定价的1.8%/3.6%和3.7%。技术路径上，DeepSeek-R1抛开传统监督微调路径，通过强化学习和冷启动数据的结合，在推理任务中取得了与OpenAI-o1系列模型相当的性能，为国内AI产业提供了极具性价比的选择方案。
算力：看好国产算力长期需求增长，云服务仍是最直接受益方向。（1）算力芯片：长期需求有望高增，关注大厂资本开支。DeepSeek打破单纯依靠算力投资强度提高AI性能的路径，证明算法也可以推动AI性能提升。短期来看，这对算力硬件端产生了较大冲击。但长期来看，deepseek将大模型的成本大幅降低，实现了不同规模公司在AI领域的“平权”，给AI发展创造新的道路，是对人工智能的一次历史级推动，将刺激算力需求增长。随着deepseek对大模型的更新与推动，海内外科技龙头之间的算力竞争或将更加激烈，带动整体需求增长。1月份deepseek发布后，海外大厂加大投资以应对新变化的诉求更加强烈，微软、alphabet（谷歌母公司）、亚马逊和Meta等四家公司2025年资本支出累计将达到至少3200亿美元，较2024年2460亿美元大幅增长。金融时报称，持续加大的投入将主要聚焦数据中心建设和云服务，以保证其在与中国大模型的竞争中处于领先地位。国内方面，腾讯、阿里等主要云厂商近年来资本支出维持高水平，作为国内大模型领头羊，字节有望实现后来居上。（2）云服务：云服务仍为最直接受益方向。根据Synergy Research Group的数据，2024年全球云基础设施服务市场增长了22%，达到3300亿美元。通过结合新的 GenAI 平台服务、GPU 即服务以及对各种其他云服务的增强，生成式AI至少贡献了云服务收入增长的一半。海外大厂方面，AI推动云厂业绩增长逻辑已被初步验证。长期视角下，尽管DeepSeek降低了单个模型的部署成本，但部署大模型的成本下降有望吸引更多厂商关注并使用AI技术。DeepSeek的接入促使云厂商提供更多样的算力租用方案、优化模型部署流程，推动云服务普及并提供增值服务。我们认为，DeepSeek之后，云服务相关厂商为直接受益方，有望率先进入业绩兑现期。
端侧：算力平权下的受益方向。边缘AI是大模型和智能硬件的结合，包含了算法、芯片、硬件等整个产业链上下游。Deepseek模型算法的进步大幅压降了推理成本，使得轻量化模型更容易在端侧部署，各应用场景下的端侧智能有望迎来快速发展，预期部署落地时间或将提前。
AI 应用：AI普惠化趋势下，产品大规模落地可期。DeepSeek的开源和低成本特性有望促进AI技术普惠化，使AI应用更具爆发潜力。我们认为，AI有望深度赋能传统SaaS、IaaS业务模式，打造产品差异点，打通各类垂类场景中的“最后一公里”需求堵点，刺激消费意愿。同时，海外方面，部分AI应用相关个股已逐步兑现业绩，在AI应用前沿落地场景中，全球AI应用产业有望迎来共振期。
投资建议：我们认为，DeepSeek开源、低成本、高性能模式有望助推国内AI技术的普惠化，其算法上的“后发优势”在国产AI产业链中有传导潜力。海外AI产业的映射作用叠加国内AI产业的全面国产化机遇将为国产AI注入新的增长动能，维持TMT行业“推荐”评级。建议关注国产算力环节：神州数码（000034.SZ）、浪潮信息（000977.SZ）、中科曙光（603019.SH）；软通动力（301236.SZ）、云赛智联（600602.SH）；端侧AI：博士眼镜（300622.SZ）、亿道信息（001314.SZ）、翱捷科技-U（688220.SH）、乐鑫科技（688018.SH）、恒玄科技（688608.SH）、中科蓝讯（688332.SH）、星宸科技（301536.SZ）；AI应用环节：金山办公（688111.SH）、科大讯飞(002230.SZ)、科远智慧（002380.SZ）、鼎捷数智（300378.SZ）、创业慧康（300451.SZ）、用友网络（600588.SH）、致远互联（688369.SH）、萤石网络（688475.SH）、合合信息（688615.SH）。
风险提示：所引用数据资料的误差风险；AI投资力度不及预期；AI产品竞争加剧；重点关注公司业绩不达预期；政策标准出台速度不及预期；部分公司短期估值过高带来的股价回调风险。

1 DeepSeek推出对标o1开源模型，国产大模型攻城略地

定价低廉+性能比肩全球顶尖模型+开源，DeepSeek引起全球关注。2025年1月20日，DeepSeek正式发布DeepSeek-R1模型，并同步开源模型权重。该模型在后训练阶段大规模使用了强化学习技术，在数学、代码、自然语言推理等任务上，性能比肩OpenAI的o1正式版。API定价方面，DeepSeek-R1 API 服务定价为每百万输入tokens1元（缓存命中）/4元（缓存未命中），每百万输出tokens16元；约是OpenAI-o1对应定价的1.8%/3.6%和3.7%。

DAU快速上升，成为行业现象级产品。2025年2月8日，QuestMobile数据显示，DeepSeek在1月28日的DAU（日活跃用户数）首次超越豆包，随后在2月1日突破3000万大关，成为史上最快达成这一里程碑的应用。

技术路径上，传统大模型训练依赖监督微调（如人工标注数据），而DeepSeek R1-zero 是完全依赖强化学习（RL）训练的大语言模型，能够在无监督环境下通过自我反思和环境交互优化策略，提升了模型的推理性能,证明了模型仅通过 RL 就能够实现有效学习和泛化的能力。例如，当 AIME 基准测试采用多数表决时，DeepSeek-R1-Zero 的性能从 71.0% 上升到 86.7%，超过了 OpenAI-o1-0912 的性能。

在DeepSeek-R1-Zero和DeepSeek-V3基础上，DeepSeek-R1引入冷启动数据（cold-start data）和多阶段训练流程，进一步提升模型性能。

（1）冷启动数据的应用

训练时使用少量高质量的长推理链（Chain-of-Thought, CoT）数据作为冷启动，提升模型的初始性能和收敛速度。且冷启动数据的设计注重可读性和人类偏好，例如在输出格式中加入总结（summary）。

（2）多阶段训练流程

第一阶段：使用冷启动数据对基础模型进行微调。

第二阶段：面向推理的强化学习，专注于提升模型在推理密集型任务（如数学、编程、科学推理等）中的表现。

第三阶段：通过拒绝采样和监督式微调，收集推理相关的训练样本，涵盖推理和非推理数据。

第四阶段：适用于所有场景的强化学习，结合规则基础奖励和人类偏好奖励模型，进一步优化模型的有用性和安全性。

此外，DeepSeek验证了大模型推理模式可以通过蒸馏迁移到小型模型中，能够显著提升小型模型的推理能力。例如，通过RL训练可使得DeepSeek-R1-Zero-Qwen-32B达到与 QwQ-32B-Preview 相当的性能。但是，从 DeepSeek-R1 中提炼出来的 DeepSeek-R1 Distill-Qwen-32B 在所有基准测试中的表现明显优于 DeepSeek-R1-Zero-Qwen-32B。但同时，DeepSeek认为虽然蒸馏策略既经济又有效，但超越智能界限的进步可能仍然需要更强大的基础模型和更大规模的强化学习。

DeepSeek-R1通过强化学习和冷启动数据的结合，在推理任务中取得了与OpenAI-o1系列模型相当的性能。同时，通过模型蒸馏技术，DeepSeek-R1的能力被成功迁移到小型密集模型中，显著提升了这些模型的推理能力。充分证明了DeepSeek-R1在语言模型推理能力方面的突破和潜力，为国内AI产业提供了极具性价比的选择方案。

2 算力：看好国产算力长期需求增长，云服务仍是最直接受益方向

2.1 算力芯片：长期需求有望高增，关注大厂资本开支

Scaling law是大模型、尤其是LLM进步过程中的核心概念之一，它是一个描述LLM测试损失随某个变量的增长而降低的公式，其含义可以简单概括为：只要使用更多数据训练更大规模的模型，模型表现就更好。其中，影响模型表现的变量主要有三个：模型参数数量、数据集大小、用于训练的计算量。自OpenAI于2020年在论文中提出这一公式以来，scaling law就成为各大科技巨头发展大模型时的重要基础。但是，Deepseek的突破使市场产生了“scaling law是否依然有效？”的疑问。

从其本质意义上来看，scaling law衡量的指标是预训练期间模型的测试损失，而普通下游用户实际上更关心LLM的性能，也就是推理能力。换言之，scaling law可以告诉研发人员如何降低LLM的测试损失，而不是如何获得在实际应用时表现更加优秀的LLM，这事实上是两个不同的问题。更重要的是，从它的定义来看，长期指数趋于平滑是scaling law结论的一部分，要进一步长期提升模型性能，需要寻找其他方法，而这与scaling law本身并不冲突。

在此背景下，DeepSeek的出现被看作是某种对scaling law的“突破”，它所采用的MOE架构、监督微调基础上的RL（强化学习）、以及CoT深度复杂推理等，均是在预训练之外进行的有益尝试，并取得了重要突破。具体而言，DeepSeek在算力芯片硬件限制下，通过算法框架更新和系统工程优化实现了模型性能的明显提升，并在这一过程中证明了适当奖励机制下的强化学习与深度推理依旧服从scaling law，是在scaling law法则下继续推动AI进步的另一个方向。因此，scaling law依然有效。

然而，关于一个更加便宜、同等性能、且开源的大模型对于上游算力是好是坏这个问题，市场看法不一。“杰文斯悖论”（Jevons Paradox）揭示了科技进步与需求变化之间的复杂关系。经济学家杰文斯发现，能源效率提高与能源需求减少之间存在矛盾，即：虽然技术进步或资源利用效率提高使得某种资源使用更加高效，但这却并未减少该种资源的用量，反而因为技术的进步刺激了该资源更广泛的需求，导致总体资源消耗量增加。

将这一悖论应用在人工智能领域，DeepSeek打破单纯依靠算力投资强度提高AI性能的路径，证明算法也可以推动AI性能提升。短期来看，这对算力硬件端产生了较大冲击。1月27日，美股算力芯片龙头英伟达重挫17%，市值蒸发约6000亿美元，博通大跌超17%，台积电等相关个股均大幅下跌，体现市场对GPU、ASIC芯片厂商的担忧，并引发主流媒体对DeepSeek的密集关注。但长期来看，DeepSeek将大模型的成本大幅降低，实现了不同规模公司在AI领域的“平权”，给AI发展创造新的道路，是对人工智能的一次历史级推动，将刺激算力需求增长。因此，DeepSeek短期或对算力有所冲击，但长期有望促进算力需求的指数级增长，英伟达、博通等算力芯片公司需要更多考虑其产品应用领域与未来发展方向。

随着deepseek对大模型的更新与推动，海内外科技龙头之间的算力竞争或将更加激烈，带动整体需求增长。根据金融时报报道，海外科技巨头资本支出连年大幅增长，2025年预计继续高增。1月份deepseek发布后，海外大厂加大投资以应对新变化的诉求更加强烈，微软、alphabet（谷歌母公司）、亚马逊和Meta等四家公司2025年资本支出累计将达到至少3200亿美元，较2024年2460亿美元大幅增长。金融时报称，持续加大的投入将主要聚焦数据中心建设和云服务，以保证其在与中国大模型的竞争中处于领先地位。国内方面，腾讯、阿里等主要云厂商近年来资本支出维持高水平，作为国内大模型领头羊，字节有望实现后来居上。

与此同时，deepseek的平权效应将更大程度上刺激国内算力发展，带动包括国产GPU、软件生态、以及数据中心的增长，国产替代有望加速，具备更高确定性。

2.2 云服务：国内云厂商与DeepSeek全面适配，海外映射下，云服务仍为最直接受益方向

根据Synergy Research Group的数据，2024年全球云基础设施服务市场增长了22%，达到3300亿美元。通过结合新的 GenAI 平台服务、GPU 即服务以及对各种其他云服务的增强，生成式AI至少贡献了云服务收入增长的一半。海外大厂方面，AI推动云厂业绩增长逻辑已被初步验证。具体来看，谷歌云在2024年第四季度的销售额为120亿美元，同比增长30%，主要受益于其核心GCP（Google Cloud Platform）产品、人工智能基础设施和生成性人工智能解决方案方面的增长，AI技术的推动作用显著。微软Azure和其他云服务的收入在2024年第四季度增长了31%。Azure的增长中，有13个百分点来自AI服务，AI服务同比增长157%，超出预期，主要得益于Azure与OpenAI的合作。

DeepSeek通过算法创新，大幅降低了推理模型输入/输出定价。在短期内，加强了国产训练芯片对海外高端训练芯片的替代逻辑，同时使国产芯片在推理端更具性价比，为国产算力芯片打开了潜在市场空间，加速其在训练、推理侧的部署和应用。此外，海内外大模型价格战如火如荼。一方面，DeepSeek发布后，大模型价格战愈演愈烈。大模型行业发展思路有望迎来转变，即从“闭源算法竞争”向“开源生态构建”转变。另一方面，国产算力平台与DeepSeek全面适配，AI产业全面国产化有望加速，或进一步刺激B端/G端AI需求。近期，DeepSeek系列新模型上线华为昇腾社区。据华为官方，部署DeepSeek-V3模型需配置4台Atlas 800I A2（8*64G）服务器资源。此外，京东云、腾讯云、火山引擎、阿里云等也已官宣上架DeepSeek模型。

长期视角下，尽管DeepSeek降低了单个模型的部署成本，但部署大模型的成本下降有望吸引更多厂商关注并使用AI技术。DeepSeek的接入促使云厂商提供更多样的算力租用方案、优化模型部署流程，推动云服务普及并提供增值服务。我们认为，DeepSeek之后，云服务相关厂商为直接受益方，有望率先进入业绩兑现期。

3 端侧：算力平权下的受益方向

AI的快速迭代发展推动了各个行业效率提高，并反向刺激大模型性能提升，但是云端大模型始终面临着数据依赖/数据质量/数据安全、能源与计算效率瓶颈、算法优化、网络延迟等挑战，这限制大模型在端侧的扩展应用。边缘AI将大模型从云端推向具体应用场景，靠近数据采集端和业务闭环端，可以有效提高算力承载能力，降低成本。

云天励飞创始人陈宁认为，边缘AI的三个显著特点构成其独特竞争力。第一是更低的成本。边缘AI可以使大模型部署在包括手机、PC/平板、汽车、可穿戴设备等诸多日常应用场景中，提升使用体验。第二是数据安全与隐私保护。因为更靠近用户端，数据无需上传至云端即可在应用端进行处理，不用担心数据泄露。第三是超低时延。数据就近处理节省了传输带来的时延，可以提供更快速和稳定的服务。2024年全球边缘AI市场规模约235亿美元，2032年有望增长至1436亿美元，其中制造、汽车、政府、IT/通信行业需求规模靠前。

边缘AI是大模型和智能硬件的结合，包含了算法、芯片、硬件等整个产业链上下游。Deepseek模型算法的进步大幅压降了推理成本，使得轻量化模型更容易在端侧部署，各应用场景下的端侧智能有望迎来快速发展，预期部署落地时间或将提前。

AI手机

智能手机是AI在端侧部署的最成熟应用场景之一，在deepseek突破背景下，AI手机落地时间表有望整体提前。2024年可以看作“AI手机元年”，包括OPPO、vivo、华为、小米、荣耀、苹果、三星等主流厂商都在这一年推出了AI手机，将大模型部署在手机上，国内品牌的行动甚至略快于海外龙头。

尽管手机厂商均跨出了大模型部署的第一步，但AI手机的真正成熟商用仍然面临成本压降等诸多挑战。为实现智能化，手机要部署更大参数的大模型，这会大大提升算力成本，提质降费是跑通这个商业模式的核心。此外，不同于训练环节的高计算性能要求，对于部署在端侧的模型而言，推理环节更看重用户体验，利用训练好的模型进行推理预测才能更好满足不同用户需求。Deepseek的创新，不仅大幅降低了大模型成本，而且在推理环节取得了长足进步，有望逐步解决端侧大模型面临的痛点。

国内外AI手机出货量快速增长、渗透率持续提升，有望在大模型迭代下保持高速增长。2024年第三季度，国内AI手机出货量同比激增591%，AI手机渗透率由2023年同期3%跃升至22%。据IDC预测，2025年中国AI手机市场出货量将达1.18亿台，同比增长59.8%，占比40.7%。根据Canalys数据，截至2024年底，全球AI手机出货中16%已部署生成式AI。在AI Agent和端侧智能推动下，2023-2028年间，全球AI手机出货量将以63%的年均复合增速增长，2028年AI手机渗透率将达54%。

可穿戴设备

可穿戴设备种类多、应用场景不断扩充，未来增长前景广阔。据IDC数据，2024年全球可穿戴设备出货量5.38亿台，同比增长6.1%。未来数年，全球可穿戴市场仍有望保持稳定增长，到2028年增速仍将维持在2%以上。

从产品类别来看，耳机在可穿戴市场中占比超60%，为第一大品类，有望在新兴经济体需求和更新需求推动下保持稳定增长，2028年出货量有望接近4亿台。智能手表2024年受印度市场影响较大，出货量下滑3%，2025年有望反弹至4.8%，预计2028年出货量1.75亿台。作为当前存量市场最大的两个类别，耳机与智能手表2024-2028年CAGR分别为3.9%、2.9%，仍将保持稳健。与此同时，消费者对耳机与手表的智能化需求日益提升，运动、健康监护等消费场景推动端侧智能落地，渗透率有望不断提高。

由于大模型部署与需求场景最为贴合、逻辑最为顺畅，智能眼镜被业内看作实现端侧智能的第一站。2024年，全球出货量180万台，同比大增73.1%，与智能戒指增速（88.4%）显著高于其他品类。2025年初CES展会上的“百镜大战”反映了各大厂商对这一赛道的看好，海内外多个头部科技企业先后推出智能眼镜产品。据IDC预测，2028年全球智能眼镜出货量将达230万台，智能戒指出货量将达310万台，两者2024-2028年CAGR分别为7.6%、17%，为未来数年增速最快的两大品类，并将显著推动端侧智能落地。

当前，端侧算力是限制可穿戴设备交互体验、制约大规模商业化的主要障碍之一，其主要解决方式包括更高性能的集成芯片（Soc、NPU）、更强大的端侧模型和大小模型协同处理、以及设备续航能力等。在deepseek实现模型小型化、低成本后，集成芯片的跟进与突破更显重要，而在模型创新的支持下，算力芯片根据具体需求进行集成和迭代的难度也有所减小。目前国内多家SoC芯片公司已在各自专业领域基础上推出能够支持端侧AI、并集成多项推理能力的新一代芯片产品，推动端侧智能在眼镜、戒指等新交互场景更早落地。

4 AI 应用：有望进入“后发优势”时代，静待超级应用诞生

互联网时代向AI时代转型背景下，AI赋能传统应用是大势所趋。在当下，AI有望深度赋能传统SaaS、IaaS业务模式，打造产品差异点，刺激消费意愿。海外方面，部分AI应用相关个股已逐步兑现业绩，在AI应用前沿落地场景中，全球AI应用产业有望迎来共振期。

DeepSeek的开源和低成本特性有望促进AI技术普惠化，使AI应用更具爆发潜力。2025年2月16日，微信搜一搜正式灰度测试接入DeepSeek。仅从微信流量主要载体之一的微信小程序用户数据来看，据QuestMobile，2024年10月微信小程序月活跃用户规模达9.49亿，月人均使用时长1.7小时，月人均使用次数近70次，月人均使用天数20天，具备庞大的用户规模、活跃度和用户黏性。基于此，数据、AI算法、用户量将很快形成飞轮效应，大幅提高流量变现效率。当前国内传统应用数量多、覆盖群体广泛，“国民级”应用微信接入DeepSeek是国内AI生态的一次重要探索，类似AI+传统应用的形式有望持续落地开花。我们认为，DeepSeek证明了通过算法优化能够在AI产业中取得“后发优势”，其带来的“AI平权”也为国内AI应用发展打开了想象空间，为“后发优势”向国内AI产业下游传导铺平了道路。

具体而言，以DeepSeek为代表的国产模型，将助力大量传统APP转型升级，加速AI技术向垂类场景下沉，打通用户真实需求中的“最后一公里”堵点。结合我国国情及海外映射情况分析，看好AI率先在医疗、教育、电商、办公、编程等垂类场景中落地。其中，AI Agent、多模态AI等是AI发展的重点分支方向。

AI Agent：能够支持自然语言输入，能够根据用户请求自动拆解任务并跨APP执行，是当前AI应用的重要领域之一。根据DeepMind团队在论文《Position: Levels of AGI for Operationalizing Progress on the Path to AGI》中对AGI路径的定义，AI Agent被定义为第五级别自动化（最高级别）。从AI的最终形态来看，AI能够在识别、理解、推理的基础上参与决策并执行操作是发展AGI的必经之路。

以DeepSeek为代表的模型算法升级有望加速AI Agent的开发和应用，使其在更复杂的任务和场景中发挥作用，主要落地场景包括办公、营销、医疗、工业制造等。对B端需求场景来说，DeepSeek能够充分赋能AI Agent，开发智能客服、智能办公助手等应用，提高工作效率和用户体验。例如，通过与企业应用的深度结合，AI Agent可以实现智能化的业务流程自动化和决策支持。

DeepSeek火爆出圈之后，多家上市公司将DeepSeek与AI Agent、软件产品融合，通过DeepSeek深度赋能。AI Agent 与DeepSeek结合在多个应用场景落地。我们认为，技术与生态的碰撞有望推动B端业务线优化和C端AI玩法破圈。

多模态AI：当前，AI产品以智能聊天机器人为主，单一模态的输入及输出会大幅限制使用场景，多模态成为必然发展的分支方向。未来，多模态AI有望推动AI技术向智能设备下沉。近期，多家A股AI应用端上市公司官宣接入DeepSeek-R1和赋能公司自有AI多模态大模型或产品。如，万兴科技完成DeepSeek-R1的深入适配，旗下视频创意、绘图创意及文档创意软件业务产品均已融合DeepSeek-R1大模型相关能力；当虹科技将BlackEye多模态视听大模型与DeepSeek-R1和DeepSeek Janus Pro融合。

5 投资建议

我们认为，DeepSeek开源、低成本、高性能模式有望助推国内AI技术的普惠化，其算法上的“后发优势”在国产AI产业链中有传导潜力。海外AI产业的映射作用叠加国内AI产业的全面国产化机遇将为国产AI注入新的增长动能，维持TMT行业“推荐”评级。建议关注国产算力环节：神州数码（000034.SZ）、浪潮信息（000977.SZ）、中科曙光（603019.SH）；软通动力（301236.SZ）、云赛智联（600602.SH）；端侧AI：博士眼镜（300622.SZ）、亿道信息（001314.SZ）、翱捷科技-U（688220.SH）、乐鑫科技（688018.SH）、恒玄科技（688608.SH）、中科蓝讯（688332.SH）、星宸科技（301536.SZ）；AI应用环节：金山办公（688111.SH）、科大讯飞(002230.SZ)、科远智慧（002380.SZ）、鼎捷数智（300378.SZ）、创业慧康（300451.SZ）、用友网络（600588.SH）、致远互联（688369.SH）、萤石网络（688475.SH）、合合信息（688615.SH）。