今天分享的是：人工智能系列深度：DeepSeek十大关键问题解读-国海证券

报告共计：22页

《DeepSeek十大关键问题解读——人工智能系列深度》由国海证券刘熹撰写，报告围绕DeepSeek展开，深入探讨其对人工智能领域多方面的影响，指出其探索出 “算法创新 + 有限算力” 的路径，可能开启开源AI时代并重塑国产AI估值。

1. 对算力的影响：依据Jevons悖论，虽然DeepSeek在短期可能影响训练侧算力需求，但因其推理价格下降，吸引更多用户调用模型，使得英伟达H100 GPU租赁价格上升，反映出短期算力需求仍呈增长趋势，且中长期推理算力需求有望持续增长。

2. 文本与多模态对算力需求的差别：多模态模型能处理多种类型信息，相比传统单模态模型，其算法复杂度、参数量和数据集规模都大幅增加，对算力的速度、精度和性能要求更高，大规模应用将升级算力需求。

3. 对芯片未来格局的影响：在训练方面，英伟达凭借计算与生态优势，其高等级芯片未来或主要用于探索通用人工智能（AGI）。在推理领域，呈现推理化、国产化、ASIC化趋势，DeepSeek积极适配国产芯片，推动国产化推理算力需求增长，同时ASIC芯片因性能、能效和成本优势，在AI推理场景中占比逐渐提升。

4. DeepSeek系列模型引起轰动的原因：DeepSeek通过优化模型结构、训练方法以及针对GPU的优化，降低了训练成本，并且模型开源，下游企业可本地部署或云端调用，降低调用成本。其快速的技术突破和开源举措，改变了海外对国内模型能力与迭代速度的认知，打破了高级闭源模型的封闭生态。

5. 其他关键问题：在模型架构选择上，MoE架构相比传统Dense模型，在计算效率、AI响应速度、处理复杂任务和灵活性方面具有优势。蒸馏模型可减少大参数模型部署的缺点，有利于本地部署和端侧发展。多模态技术正从文本向更多模态扩展。DeepSeek推动AI应用降本和强推理，加速应用普及。其支持“模型蒸馏”，有望加速AI在端侧的落地进程。北美互联网大厂增加资本开支用于服务器和数据中心，重视DeepSeek技术发展 。

以下为报告节选内容