根據FOREXBNB的報導，中信證券在其研究報告中指出，Deepseek在降低模型訓練成本方面的卓越表現，預計將激勵科技巨頭採取成本效益更高的方法來加速探索和研究前沿模型，並逐步接近AGI。同時，對OpenAI O1模型推理能力的複現將使眾多AI應用得以實現和部署。算法训练带来的规模经济效应以及单位算力成本下降所對应的杰文斯悖论，均表明在中短期內，科技巨頭在AI算力領域的持續和大規模投資仍具有高度確定性。對于未来12個月美股AI算力產業鏈的投資前景持樂觀態度，但投資者需接受高波動性。商用GPU、ASIC、以太網、HBM、光通信等將繼續成為核心關鍵詞。
以下是中信證券的主要觀點：
報告背景：Deepseek迅速走紅，引發了市場對AI算法和美股AI半導體的不同看法。
1月20日，DeepSeek-R1正式發布。在性能方面：在2024年AIME測試中，Deepseek取得了72.6%和79.8%的成績，與OpenAI o1的79.2%相當。在用戶方面，DeepSeek的日活躍用戶數(DAU)快速增長，Sensor Tower的數據顯示Deepseek的DAU已超過千萬，目前約為3000萬。市場的關注點主要集中在AI算法迭代、AI資本支出方向以及後續半導體投資策略。
AI演算法：
1)Scaling Law依然有效。儘管Deepseek在AI算力有限的情況下實現了極低的訓練成本，但這並未包括探索、數據處理、數據與架構消融實驗等系列成本。中信證券認為，硬件系統的進步和算法研發學習曲線的存在都在推動算法訓練成本在相同效果下持續降低，而Deepseek的開創性工作無疑加速了行業成本下降的進程。AI算法技術路線開始多元化發展，這些都將不斷刺激算力端的需求。
2)Deepseek對AI产业的突出贡献在于對OpenAI O1模型推理能力的複現。過去兩年，限制AI模型在應用領域廣泛落地的主要因素之一是模型複雜推理能力的不足，Deepseek R1完整開源瞭如何利用規則驅動的大規模強化學習，以及SFT+強化學習實現了模型推理能力的獲得。
3)中信證券認為：Deepseek在模型訓練成本降低方面的最佳實踐將激勵科技巨頭採取成本效益更高的方法加速前沿模型的探索和研究，並逐步接近AGI。同時，對OpenAI O1模型推理能力的複現將使眾多AI應用得以實現和部署。此外，开源對闭源的逼近&追平並不意味著算法模型的商品化，算法最終的智能水平將是決定算法、應用之間價值分配的最核心變量。AGI模型的加速研發、應用端的解鎖等均意味著算力需求的持續增長。
AI算力需求總量繼續保持高景氣度。
1)傑文斯悖論表明，效率的提高往往會導致總體消耗增加。隨著人工智能變得更加普及和高效，它有可能大幅增加對計算能力的需求。雖然更高效的模型格局在短期內意味著資本支出和數據中心建設放緩，但參考過去服務器虛擬化、雲計算行業的發展，長遠來看，中信證券認為：人工智能應用的潛在加速將在一定程度上抵消這些假設。
2)根據英偉達的財報數據，北美科技巨頭是AI算力支出的主力，近年全球佔比近50%，他們的AI策略、支出行為&結構等基本主導著全球市場的發展，過去兩週，美股主要科技巨頭的四季報基本披露完畢。總體而言，北美TOP 4雲廠商2025的CAPEX指引明顯高於市場一致預期。預計2025年四大CSP合計資本開支將繼續保持30%以上的增長；2026年大概率正增長，同時結構上進一步向數據中心AI硬件傾斜。
3)結合美股TOP 4雲廠商短期Capex指引和傑文斯悖論來看，中信證券認為：算法訓練帶來的規模報酬遞增效應以及單位算力成本降低對應的傑文斯悖論等均意味著在中短期內，科技巨頭繼續在AI算力領域進行持續、規模投入將是高確定性事件。
算力結構潛在變化：
1)在LLM模型時代，算力負載從訓練向推理端的遷移並不意味著計算芯片門檻的大幅降低，面對複雜、多元的推理端場景需求，需要在單芯片算力、內存容量、內存帶寬、互聯帶寬、I/O帶寬、靈活性等多個指標上面不斷謀求平衡，這就意味著：商用GPU仍將是市場的首選，高端ASIC則將是有效的補充。
2)網絡存儲等重要性亦在持續提升。AI算力投入（數據中心、端側AI等），將對HBM、大宗DRAM等構成持續的拉動，同時亦將拉動企業端存儲設備的需求，AI網絡持續scale up、scale out，以及前端网络升级等将是未来数年數據中心网络设备、接口芯片&模塊主要成長性的來源。產業核心關鍵詞包括：以太網、光連接、HBM、Retimer等
風險因素：
AI核心技術發展不及預期風險、科技領域政策監管持續收緊風險、私有數據相關的政策監管風險、全球宏觀經濟復甦不及預期風險、宏觀經濟波動導致歐美企業IT支出（尤其是AI支出）不及預期風險、AI潛在倫理、道德、用戶隱私風險、企業數據洩露、信息安全風險、行業競爭持續加劇風險等。
