2. 模型平权、推理爆发，看好端侧+应用，具备独特数据和场景的IT厂商
受益
1）1月20日，DeepSeek-R1模型发布并开源，以RL路径实现了大模型的底层范式创新，大幅降低了先进模型的训练+推理成本，性能比肩SOTA（不含多模态），标志着中国AI从跟随者走向创新者。
降本核心创新点在于DeepSeekMOE架构、FP8混合精度框架、MLA多头潜在注意力机制、纯RL强化学习不依赖人工数据标注的监督微调等。目前微软、AMD等各类厂商都已宣布支持DeepSeek-R1并将其整合进自己的产品。
事件：
幻方子公司深度求索于2024年12月和2025年1月分别发布推理大模型DeepSeek-V3和DeepSeek-R1同时开源。在多项基准测试中，它在数学、编程等推理上的表现已经和 OpenAI 的 o1 不分伯仲，但训练和API 调用成本便宜了90-95%。综合看，V3和R1在研究范式上实现了一些原创式创新，对全球大模型研究带来重要影响。
DeepSeek-V3-Base 已成为当前性能最强的开源基础模型，DeepSeek-R1与GPT-o1性能相近。
V3在MMLU 基准测试中准确率达85.6%，在GSM8K数学任务中准确率达92.3%。DeepSeek-R1 在 MMLU、MMLU-Pro 和 GPQA Diamond 等教育知识基准上相比 DeepSeek-V3 显示出卓越性能，在数学任务上的性能与 OpenAI-o1-1217 相当，远超其他模型。
Deepseek-V3通过架构和工程优化显著降低成本
：基于提升性能和降低成本的双重目标，通过架构设计有效减少了对高性能硬件(GPU)的依赖，1）DeepSeek-V3 采用了MLA（多头部潜在注意力机制）来确保推理效率，2）使用 DeepSeekMoE（自研混合专家）来实现经济高效的训练，3）通过DualPipe 算法实现了计算-通信重叠，减少管道气泡，提升训练效率，4）首个在超大规模模型上成功验证了FP8混合精度加速训练框架的有效性。最终DeepSeek-V3完整训练仅需278.8万H800 GPU小时，训练部分成本仅为557万美元，远低于国内外其他已知模型。
R1在强化学习领域实现原创突破
：1）开源 DeepSeek-R1-Zero，首次验证了纯RL（强化学习）在 LLM 中显著增强推理能力的可行性，没有进行SFT（监督微调），避免了大量标注数据的成本和耗时。2）R1提出了多阶段训练策略（冷启动 SFT -> RL -> COT + 通用数据 SFT（80w）->全场景 RL），有效兼顾准确率与可读性。3）直接用上面的 80w 数据进行SFT，展示了知识蒸馏在提升小模型推理能力方面的潜力，并开源多个大小不一的蒸馏模型（1.5B~70B）。4）在 DeepSeek-R1-Zero 的训练历程中，还出现了模型自我反思的“顿悟时刻”。
2）1月29日，阿里通义千问旗舰版模型Qwen2.5-Max发布
，预训练数据超过20万亿tokens，比肩Claude-3.5-Sonnet，在多项公开主流模型评测基准上录得高分，甚至高于GPT-4o、DeepSeek-V3及Llama-3.1-405B。
3）2月3日，ChatGPT发布新Agent“Deep Research”
，基于o3模型做了特殊优化，把推理大模型的思考能力用于联网搜索，综合多个信息来源，一次查询响应时间5分钟-30分钟不等，目标是“完成人类专家需要几个小时的复杂研究任务”。在“人类最后的考试”上，Deep Research刷新了最高分，比o3-mini高推理设置分数高出一倍
2.2. 影响：模型平权，推理爆发
国产大模型开始引领基础创新，成本下降+性能提升+模型平权为推理侧爆发筑下基础：
1）中国科技重估。
Deepseek的底层创新最为重要，R1相当于在优秀的基础模型上，不再使用大量人工标注数据做“答案参考”监督微调，而是直接上强化学习（RL）让模型自己琢磨如何获得高分，更加直接地激励模型学会长链推理和反思等能力。标志着中国AI从跟随者向创新引领者转变，直接引发全球对中国科技创新的重视并对中国资产进行重估（参考美股中概上涨）。
2）开源和低成本让模型层面的差距迅速缩小，为推理侧应用（包括端侧和软件）的爆发打下基础。
参考过去移动互联网App的爆发也是显著受益于流量费用的下降，才给了用户和创业厂商广泛的物探。Deepseek开源模型有望引领全球大模型研究路线创新和成本下降，为AI Agent等应用爆发打下基础。小型团队不需要重资产投入就可以蒸馏出先进小模型（适用于各类端侧mini场景），并且端侧算力就可以跑通小模型，
2025年或是端侧的爆发元年
。
3）对算力影响：训练+推理的整体需求依然乐观。
未来的AI投入不再盲目“大力出奇迹”，逐渐将重心从预训练转向推理，但训练+推理的整体需求依然乐观。参考从2G到4G流量费用不断降低，但因为用量的指数级提升，导致整体市场规模依然快速增大。
2.3. 大模型重构产业加速，场景+数据+铲子价值提升，看好推理+应用
国产大模型开始引领基础创新，成本下降+性能提升+模型平权为推理侧爆发筑下基础：
Deepseek加速模型平权和普及，垂直模型和Agent应用有望迎来井喷期。
Deepseek不仅是单一模型的创新突破，更加速带动了大模型在各产业的实际应用。目前各类云厂商、软件开发厂商、端侧产品厂商都纷纷宣布接入deepseek，我们认为这只是第一步。
后续我们看好场景和数据积累深厚的公司率先享受AI Agent红利。
过去各类厂商受限于模型性能、准确率以及成本的考量，并未大精力投入AI模型的实际应用，处在观望期。Deepseek的开源加速了这一过程，人人都可以蒸馏出先进水平的小模型并私有化部署。
1）模型层面的壁垒打破以后，
影响应用效果的决定因素变为了场景和数据积累
，利好B端软件服务商。
从场景看，例如医疗行业，有大量医院IT开发经验的厂商便可以基于医院数据积累，针对性蒸馏出适用于该场景的AI Agent；例如财税行业，针对企业大量积累的财务、税务、业务交互数据积累，可以调优出更适合客户使用的Agent产品。
2）模型平权以后，
强者恒强
，弱者有望追赶差距，软件产业同步享受技术革新beta。
模型能力和算力不再是主要壁垒，数据规模和质量、亦或是独特的场景优势，就成为竞争的关键因素。过去AI能力相对较弱的二线厂商也有望享用全球领先的模型性能，不论是对内开发流程的降本增效，还是对客户的应用服务效果，软件行业整体受益。
