根據FOREXBNB的報導，國泰君安在其研究報告中指出，DeepSeek通过模型优化显著降低了成本，其價值可能從模型層面轉移到應用層面。DeepSeek已經成為全球增長最快的AI應用之一，僅用20天就實現了2000萬的日活躍用戶（DAU），這帶來了巨大的推理計算需求。因此，國泰君安推薦關注在算力領域受益的英偉達(NVDA.US)、台積電(TSM.US)，以及在應用領域受益的騰訊(00700)、小米(01810)、Meta(META.US)、Google(GOOGL.US)。
以下是國泰君安的核心觀點：
DeepSeek通過多項工程創新，實現了訓練成本的降低、推理成本的降低以及模型效果的提升。
1) 降低訓練成本：DeepSeek採用了較寬的MOE架構，並提出了共享專家機制，僅在每次訓練中激活所需的專家（按需激活），而不是全部激活，從而大幅降低了訓練成本。此外，通過使用fp8低精度訓練、雙管道訓練、多Token預測等技術進一步降低了訓練成本。
2) 降低推理成本：DeepSeek引入了多頭潛在註意力(MLA)機制，在不犧牲模型質量的情況下，显著减少了KV緩存的大小。同時，通過低精度存儲和通信、推理階段動態專家選擇等方法進一步降低了推理成本。
3) 提高模型效果：與常規的SFT不同，DeepSeek採用強化學習進行後訓練，显著提升了模型的推理能力。此外，DeepSeek針對中文進行了大量風格對齊，显著提升了模型的可用性。
DeepSeek的模型降本效應，從長遠來看，將為AI應用產業打開上升通道，算力需求不減反增。
正如蒸汽機效率的提升並未導致煤炭使用量的減少，DeepSeek雖然實現了模型的大幅降本，但從長遠來看，將為AI應用產業打開上升通道，算力需求不減反增。算力需求的多樣性表現在：1) 模型向更高智能維度的躍遷需要更多的算力。2) AI應用的推理需要廣泛的算力，更多的人將訓練和推理自己的模型。3) 對等異構計算的新主流計算形態需要更多的GPU。4) 目前模型僅停留在對話層面，未來從對話到任務、到多模態的轉變還需要更多的算力支持。
根據AI產品榜的數據，DeepSeek應用（APP，非網頁）成為增長最快的AI產品，上線20天就達到了DAU 2000萬，顯示出模型能力提升對用戶的極大吸引力，並帶來了潛在的巨大推理算力需求。
DeepSeek並沒有真正繞過CUDA架構。
DeepSeek沒有使用CUDA的API，而是直接使用PTX，以實現對計算過程的更細粒度控制。PTX是英偉達GPU架構中的技術，是CUDA編程模型中的中間表示，用於連接CUDA高級語言代碼和GPU底層硬件指令。編寫PTX代碼的做法非常複雜且難以維護，對技術人員的要求極高，且移植性較差，難以移植到不同型號的GPU。
DeepSeek基於PTX進行優化表明他們有能力優化其他GPU，但這並不意味著完全脫離了CUDA生態，也不意味著其他團隊有能力直接使用PTX，因此英偉達的CUDA護城河依然存在。
風險提示包括：地緣政治風險；大模型迭代進展不及預期；監管風險；商業化進度不及預期。
