根据FOREXBNB的报道，国泰君安在其研究报告中指出，DeepSeek通过模型优化显著降低了成本，其价值可能从模型层面转移到应用层面。DeepSeek已经成为全球增长最快的AI应用之一，仅用20天就实现了2000万的日活跃用户（DAU），这带来了巨大的推理计算需求。因此，国泰君安推荐关注在算力领域受益的英伟达(NVDA.US)、台积电(TSM.US)，以及在应用领域受益的腾讯(00700)、小米(01810)、Meta(META.US)、谷歌(GOOGL.US)。
以下是国泰君安的核心观点：
DeepSeek通过多项工程创新，实现了训练成本的降低、推理成本的降低以及模型效果的提升。
1) 降低训练成本：DeepSeek采用了较宽的MOE架构，并提出了共享专家机制，仅在每次训练中激活所需的专家（按需激活），而不是全部激活，从而大幅降低了训练成本。此外，通过使用fp8低精度训练、双管道训练、多Token预测等技术进一步降低了训练成本。
2) 降低推理成本：DeepSeek引入了多头潜在注意力(MLA)机制，在不牺牲模型质量的情况下，显著减少了KV缓存的大小。同时，通过低精度存储和通信、推理阶段动态专家选择等方法进一步降低了推理成本。
3) 提高模型效果：与常规的SFT不同，DeepSeek采用强化学习进行后训练，显著提升了模型的推理能力。此外，DeepSeek针对中文进行了大量风格对齐，显著提升了模型的可用性。
DeepSeek的模型降本效应，从长远来看，将为AI应用产业打开上升通道，算力需求不减反增。
正如蒸汽机效率的提升并未导致煤炭使用量的减少，DeepSeek虽然实现了模型的大幅降本，但从长远来看，将为AI应用产业打开上升通道，算力需求不减反增。算力需求的多样性表现在：1) 模型向更高智能维度的跃迁需要更多的算力。2) AI应用的推理需要广泛的算力，更多的人将训练和推理自己的模型。3) 对等异构计算的新主流计算形态需要更多的GPU。4) 目前模型仅停留在对话层面，未来从对话到任务、到多模态的转变还需要更多的算力支持。
根据AI产品榜的数据，DeepSeek应用（APP，非网页）成为增长最快的AI产品，上线20天就达到了DAU 2000万，显示出模型能力提升对用户的极大吸引力，并带来了潜在的巨大推理算力需求。
DeepSeek并没有真正绕过CUDA架构。
DeepSeek没有使用CUDA的API，而是直接使用PTX，以实现对计算过程的更细粒度控制。PTX是英伟达GPU架构中的技术，是CUDA编程模型中的中间表示，用于连接CUDA高级语言代码和GPU底层硬件指令。编写PTX代码的做法非常复杂且难以维护，对技术人员的要求极高，且移植性较差，难以移植到不同型号的GPU。
DeepSeek基于PTX进行优化表明他们有能力优化其他GPU，但这并不意味着完全脱离了CUDA生态，也不意味着其他团队有能力直接使用PTX，因此英伟达的CUDA护城河依然存在。
风险提示包括：地缘政治风险；大模型迭代进展不及预期；监管风险；商业化进度不及预期。
