《計算機行業：DeepSeek掀起算力成本革命助推AI Agent加速落地-250209（19頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業：DeepSeek掀起算力成本革命助推AI Agent加速落地-250209（19頁）.pdf（19頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分DeepSeekDeepSeek 掀起算力成本革命，助推掀起算力成本革命，助推 AIAI AgentAgent 加速落地加速落地計算機證券研究報告/行業點評報告2025 年 02 月 09 日評級評級：增持增持（維持）（維持）分析師：孫行臻分析師：孫行臻執業證書編號：執業證書編號：S0740524030002Email：基本狀況基本狀況上市公司數337行業總市值(億元)44,199.21行業流通市值(億元)38,242.67行業行業-市場走勢對比市場走勢對比相關報告相關報告1、中國電子核心資產盤點重點 央 企 資 產 盤 點 系

2、列（二）2024-11-132、中電科核心資產盤點重點央企資產盤點系列（一）2024-10-30報告摘要三個模型三個模型：純強化學習復現純強化學習復現 o1 能力能力，引發新一輪革命引發新一輪革命。DeepSeek 由幻方量化創立，創始人為梁文峰，2024 年 12 月，DeepSeek-V3 發布，性能對齊海外領軍閉源模型。2025 年 1 月，以 V3 為基座，衍生出強化推理版 R1-Zero+泛化推理版 R1，性能對標 OpenAI-o1 正式版。兩大貢獻：復現兩大貢獻：復現 o1 強化學習效果強化學習效果+實現有限算力的算法創新實現有限算力的算法創新。1）捅破強化學習用于大模型推理的窗

3、戶紙。DeepSeek R1 是繼 openAI o1 之后，推理的第二個里程碑。2）根據 DeepSeek 公開的數據，按照 1 張 H800 每小時 2 美元的租賃成本算，V3 預訓練成本只有 557.6 萬美金，用 1 萬張 H800 只需要 11 天就能訓練完，僅使用不到 1/10的成本就達到了國際上領先模型的表現，這對當前我國突破算力卡脖子限制具備重要意義。九大創新：模型創新九大創新：模型創新+系統優化系統優化+商業模式開源商業模式開源。4 個模型本身創新點：個模型本身創新點：1）V3 基座能力強勁，具備較高的基座模型能力、DeepSeek 系統效率、RL 調教能力；2）R1-zer

4、o 模型直接應用 RL 到基礎模型，而不依賴作為初步步驟的監督微調（SFT）；3）R1 泛化推理模型，通過深度推理 SFT 數據（本身帶推理能力）+通用 SFT 數據實現推理能力的跨任務泛化；4）通過模型與強化學習環境交互，在沒有獎勵思維鏈長度的情況下，自發涌現了反思和長思考能力，帶動推理能力提升。4 個系統優化創新點：個系統優化創新點：1）復雜均衡優化：引入動態調整的 Expert Bias，只影響專家路由，不產生任何梯度影響；2）通信優化：提出 DualPipe 算法，精細控制分配給計算和通信的 GPU SM 數量，保證計算和通信完全重疊，顯著減少了 L2緩存的使用和對其他 SM 的干擾，

5、從而提升了系統性能；3）內存優化：啟用上下文硬盤緩存技術，把預計未來會重復使用的內容，緩存在分布式的硬盤陣列中，以應對上下文KV Cache緩存的問題；4）計算優化：采用組相對策略優化（GRPO）替代傳統的近端策略優化（PPO），優勢在于無需單獨的價值模型、采用基于組的相對優勢估計、顯著降低內存和計算開銷、增強了模型的數學推理能力。1 個個商業模式商業模式創新點創新點：堅持開源，DeepSeek 開源了原生 FP8 權重，公開深度思考過程、免費允許用戶無限制商用、鼓勵蒸餾。行業影響：行業影響：算力需求仍算力需求仍未見頂未見頂，重心向推理側遷移。重心向推理側遷移。1）模型側：scalinglaw

6、 沒有失效，還在持續迭代，大概率往推理方向卷。2）算力側：基座模型仍需云上算力來迭代，云端推理部署需求存在，應用爆發需要規模算力支持訪問；3）端側：應用場景的天然分散性會導致推理需求指數增長，Agent 與各類終端、用戶入口的加速結合。投資方向和標的投資方向和標的建議：建議：第一類：用戶入口與第一類：用戶入口與 agent 的融合。的融合。1)Agent+C 端各類終端入口端各類終端入口。手機手機：R1 本地部署要求大幅降低，內嵌在各種系統、軟件中的場景將大幅增加，HarmonyOS NEXT 小藝助手接入DeepSeek，建議關注：潤和軟件、法本信息、軟通動力、東方中科、誠邁科技、中科創達、

7、拓維信息等。智能汽車智能汽車：低成本高性能 AI Agent 與座艙結合，顯著提升人車智能交互體驗的同時，能打造差異化競爭優勢，建議關注：黑芝麻智能、地平線機器人、德賽西威、經緯恒潤、中科創達、光庭信息。機器人機器人：消費類機器人與 AI Agent 集合，提升智能家居用戶體驗，加速教育用戶實現場景擴容。建議關注：螢石網絡等。2)B 端軟件端軟件：B 端公司掌握了大量用戶入口，并具備品牌優勢和壁壘，通過模型接入實現降本增效，同時憑借 Deepseek 的更低推理成本，未來有望實現增收又增利。建議關注：合合信息、金山辦公、同花順、萬興科技、中望軟件等。第二類第二類：國產算力國產算力。算法和軟硬件

8、協調發展、形成系統性彎道超車，華為華為昇昇騰騰產業鏈產業鏈：建議關注軟通動力、烽火通信、神州數碼以及相關配套硬件廠商；中中科院算力產業鏈科院算力產業鏈：建議關注海光信息、中科曙光、曙光數創、寒武紀等。風險提示：風險提示：技術迭代不及預期的風險；市場競爭加劇的風險；人才流失風險的風險；研究報告中使用的公開資料可能存在信息滯后或更新不及時的風險行業點評報告行業點評報告-2-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分內容目錄內容目錄一、一、三個模型：純強化學習復現三個模型：純強化學習復現 o1 能力能力，引發新一輪革命引發新一輪革命.31.1 基因根植+加速迭代，DeepSee

9、k 正式出圈.31.2 三個模型：以 V3 為基座，衍生強化推理版 R1-Zero+泛化推理版 R1.3二、二、兩大貢獻：復現兩大貢獻：復現 o1 強化學習效果強化學習效果+實現有限算力的算法創新實現有限算力的算法創新.5三、九大創新：模型創新三、九大創新：模型創新+系統優化系統優化+商業模式開源商業模式開源.7四、四、行業影響：行業影響：算力需求算力需求仍仍未見頂未見頂，重心向推理側遷移重心向推理側遷移.11投資建議投資建議.13風險提示風險提示.18圖表目錄圖表目錄圖表1：2025 年 1 月 AI 應用全球日活總榜.3圖表2：DeepSeek 全球增速最快 Al 應用.3圖表3：Deep

10、Seek 的 LLM 模型分三個版本.4圖表4：DeepSeek-V3 和 DeepSeek-R1 與其他代表性模型的比較.5圖表5：OpenAI o1 模型性能在訓練時間和訓練時間計算上均平穩提升.6圖表6：DeepSeekV3 預訓練成本測算.6圖表7：DeepSeekV3 模型性價比處于最優范圍.7圖表8：DeepSeek-V3 及其同類產品的基準性能.7圖表9：DeepSeek-R1-Zero 和 OpenAI o1 模型在推理相關基準測試中的比較.8圖表10：DeepSeek-R1 及其同類產品的基準性能.8圖表11：強化學習過程中 DeepSeek-R1-Zero 在訓練集上的平均

11、響應長度.9圖表12：Loss-Free 負載均衡策略.9圖表13：DualPipe 關鍵是在一對獨立的前向和后向塊中重疊計算和通信.10圖表14：多輪對話場景，下一輪對話會命中上一輪對話生成的上下文緩存.10圖表15：數據分析場景，后續具有相同前綴的請求會命中上下文緩存.10圖表16：PPO 與 GRPO 原理對比.11圖表17：DeepSeek 蒸餾模型與其他可比模型表現對比.11圖表18：大模型發展重心有望進一步向“后訓練、推理側、自主智能體”偏移.12圖表19：亞馬遜、谷歌、微軟和 Meta 或計劃加大 AI 資本支出（十億美元）.12圖表20：DeepSeek-V3 的訓練成本相比其

12、對標模型訓練成本大幅降低.13圖表21：DeepSeek-R1 在推理成本方面展現出顯著優勢.13圖表22：接入 DeepSeek 相關標的合作及漲幅匯總.14行業點評報告行業點評報告-3-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分一、一、三個模型：純強化學習復現三個模型：純強化學習復現 o1 能力能力，引發新一輪革命引發新一輪革命1.1 基因根植基因根植+加速迭代，加速迭代，DeepSeek 正式出圈正式出圈前世今生前世今生：幻方量化創立幻方量化創立，創始人為梁文峰創始人為梁文峰。DeepSeek 成立于 2023 年 5月，由量化巨頭幻方量化創立，其創始人梁文峰在量化

13、投資和高性能計算領域具有深厚的背景和豐富的經驗。2024 年 5 月，DeepSeek-V2 發布，成為全球最強開源通用 MoE 模型。2024 年 12 月，DeepSeek-V3 發布，性能對齊海外領軍閉源模型。2025 年 1 月，DeepSeek-R1 發布，性能對標 OpenAI-o1 正式版。DeepSeek-R1 在后訓練階段大規模使用了強化學習技術，在僅有極少標注數據的情況下，極大提升了模型推理能力。同時 DeepSeek 開源 R1推理模型，允許所有人在遵循 MIT License 的情況下，蒸餾 R1 訓練其他模型?？焖俪鋈Γ荷暇€快速出圈：上線 20 天全球日活就突破天全球

14、日活就突破 2000 萬。萬。DeepSeek 應用于 2025年 1 月 11 日發布，截止 2025 年 1 月 31 日上線僅 21 天。春節期間國貨之光 DeepSeek 迅速點燃了全民參與熱情，上線 20 天全球日活就突破 2000萬，已然成為現在全球增速最快的 AI 應用。25M1 全球數據全球數據：1）DeepSeek 日活躍用戶 DAU 2215 萬，達 ChatGPT日活用戶的 41.6%，超過豆包的日活用戶 1695 萬。2）上線僅 21 天，憑 3370 萬月活 MAU 排名全球總榜 TOP 4。3）截止 2025 年 1 月 31日 DeepSeek 霸榜蘋果應用商店

15、157 個國家/地區的第一名，MAU 月活躍用戶占比最多的前 5 國家為：中國 30.71%，印度 13.59%，印尼 6.94%，美國 4.34%，法國 3.21%。25M1 國內數據：國內數據：1）豆包第一 7861 萬 MAU、DeepSeek 第二 3370 萬MAU、Kimi 第三 1943 萬 MAU、文小言第四 1305 萬 MAU。MAU 數據不包括接入 DeepSeek 的 C 端應用和模型云服務平臺（納米 AI 搜索、秘塔 AI 搜索、硅基流動 x 華為云）。圖表圖表1：2025年年1月月AI應用全球日活總榜應用全球日活總榜圖表圖表2：DeepSeek全球增速最快全球增速最

16、快Al應用應用來源：AI 產品榜，中泰證券研究所 注：僅包含應用(APP)全球 i0S、海外 GP、以 及 國 內 安 卓 市 場，不 含 網 站(Web)；數 據 范 圍2025/1/1-2025/1/31。來源：AI 產品榜，中泰證券研究所注：僅包含應用(APP)全球 i0S、海外GP、以及國內安卓市場，不含網站(Web)。1.2 三個模型：以三個模型：以 V3 為基座，衍生為基座，衍生強化推理版強化推理版 R1-Zero+泛化推理版泛化推理版 R1DeepSeek 的的 LLM 模型分三個版本模型分三個版本基座?；Ｐ托?V3、強化推理強化推理版版 R1-Zero、泛化推理版泛化推理版

17、 R1。行業點評報告行業點評報告-4-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分圖表圖表3：DeepSeek的的LLM模型分三個版本模型分三個版本來源：AI 大模型前沿公眾號，中泰證券研究所1）基座模型）基座模型 V3：V3 基座模型總參數為 671B，（對比 GPT3 參數 175B、GPT4參數1.76T），有61層transformer、并且用MoE代替傳統Transformer模型中的前饋網絡（FFN）層，每一層包括大量的細粒度專家，有 1 個共享專家+256 個路由專家。知識：知識：1）在 MMLU、MMLU-Pro 和 GPOA 等教育基準測試中，DeepSe

18、ek-V3的 表 現 優 于 所 有 其 他 開 源 模 型，在MMLU/MMLU-Pro/GPOA 分 別 達 到 88.5/75.9/59.1，性 能 可 與GPT-4o 和 Claude-Sonnet-3.5 等領先的閉源模型相媲美。2）對于事實性基準測試，DeepSeek-V3 在英文 SimpleQA 方面落后于 GPT-4o和 Claude-Sonnet3.5，但它在中文 Chinese SimpleQA 表現卓越，適宜中文語言環境和應用場景。代碼代碼、數學和推理數學和推理：1）DeepSeek-V3 在數學相關基準性能變現優越，在 MATH-500 的表現甚至優于 o1-prev

19、iew。2）在編碼相關任務上，DeepSeek-V3在LiveCodeBenc等編碼競賽基準上表現出最佳性能，工程相關表現略低于 Claude-Sonnet-3.5，但仍優于其他模型。2）R1-Zero（強化推理版本強化推理版本）：沒有 warmup 階段、沒有監督微調的數據，從 DeepSeek-v3 基座，直接進行強化學習，技術上比較激進、效果顯著、能完美復現 o1，但不足之處是沒有監督微調的數據啟動、可讀性差、語言混雜輸出。推理任務推理任務:DeepSeek-R1 在 AIME2024 上達到了 79.8%的 Pass1分數，略微超過了 OpenA1-o1-1217。在 MATH-500

20、 上，它取得了令人印象深刻的 97.3%的分數，與 OpenA1-o1-1217 相當，遠遠超過了其他模型。編碼任務：編碼任務：DeepSeek-R1 在代碼競賽任務中表現出專家級水平，它在 Codeforces 上獲得了 2029 的 Elo 評分，超過了 96.3%的人類參與者。工程任務工程任務：DeepSeek-R1 的表現略微優于 DeepSeek-V3，這可以幫助開發者在實際任務中。知 識知 識:在 MMLU、MMLU-Pro 和 GPQADiamond 等 基 準 上，DeepSeek-R1 取得了卓越的成績，顯著優于 DeepSeek-V3，在MMLU 上的得分為 90.8%，在

21、 MMLU-Pro 上的得分為 84.0%，在GPOADiamond 上的得分為 71.5%。雖然它在這些基準上的表現略低于 OpenAl-o1-1217，但 DeepSeek-R1 超越了其他閉源模型，展示了其在教育任務中的競爭優勢。行業點評報告行業點評報告-5-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分事實基準事實基準 SimpleQA 測評：測評：DeepSeek-R1 優于 DeepSeek-V3，展示了其在處理基于事實的查詢方面的能力。在這一基準上，OpenAl-01超過了 4o 也出現了類似的趨勢。3）R1（泛化推理版本）：（泛化推理版本）：基于 DeepSe

22、ek-v3 基座，先用 SFT 來啟動，構建少量 Long-CoT（長思維鏈）數據來微調模型（使模型先跟隨樣本學習思維鏈的方法），防止 RL 早期不穩定和可讀性差的問題。第二步再進行和R1-zero 一樣的強化學習，同時引入語言一致性獎勵（減少語言混雜輸出的問題）。第三步，生成的深度推理 SFT 數據再結合通用 SFT 數據，一起微調大模型，再進行強化學習。圖表圖表4：DeepSeek-V3和和DeepSeek-R1與其他代表性模型的比較與其他代表性模型的比較來源：DeepSeek-V3 Technical Report，DeepSeek 公眾號，中泰證券研究所二二、兩大貢獻兩大貢獻：復現復現

23、 o1 強化學習效果強化學習效果+實現有限算力的算法創新實現有限算力的算法創新DeepSeek 的兩大重要貢獻，一是捅破強化學習用于大模型推理的窗戶紙、二是掀起低成本算力革命，且全球范圍率先實現并開源。1）捅破強化學習用于大模型推理的窗戶紙捅破強化學習用于大模型推理的窗戶紙。如果說 openAI 的 o1 是推理的第一個里程碑，那 DeepSeek R1 可以稱之為第二個里程碑，堪比 2023 年初的 ChatGPT 時刻。openAI o1：引入新的范式，推動 scaling law 繼續往強化學習、推理方向突破。通過強化學習可以識別并糾正自己的錯誤，將復雜的步驟分解為更簡單的，并嘗試行不通

24、時換其他方法，這個過程是模型自己學習而非人為干擾。DeepSeek R1：全球第一個通過強化學習完美復現 o1 能力的模型。行業點評報告行業點評報告-6-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分圖表圖表5：OpenAI o1模型性能在訓練時間和訓練時間計算上均平穩提升模型性能在訓練時間和訓練時間計算上均平穩提升來源：OpenAI 官網，中泰證券研究所2）實現有限算力下的算法創新。）實現有限算力下的算法創新。根據 DeepSeek 公開的數據，按照 1 張H800 每小時 2 美元的租賃成本算，V3 預訓練成本只有 557.6 萬美金（僅包括 DeepSeek-V3 的正

25、式訓練，不包括與架構、算法或數據相關的先前的研究或精簡實驗的成本），如果用 1 萬張 H800 只需要 11 天就能訓練完。如果參數量為 671B 的 DeepSeekV3 使用 H800 訓練，整個訓練過程僅使用不到 280 萬個 GPU 小時，相比之下，Llama3 405B 使用 H100 的訓練時長是 3080 萬 GPU 小時，DeepSeek 僅使用不到 1/10 的成本就達到了國際上領先模型的表現，這對當前我國突破算力卡脖子限制具備重要意義。目前模型性能/性價比優勢顯著，模型 API 服務定價也將調整為每百萬輸入tokens 0.5 元（緩存命中）/2 元（緩存未命中），每百萬輸

26、出 tokens 8 元。圖表圖表6：DeepSeekV3預訓練成本測算預訓練成本測算來源：DeepSeek-V3 Technical Report，中泰證券研究所行業點評報告行業點評報告-7-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分圖表圖表7：DeepSeekV3模型性價比處于最優范圍模型性價比處于最優范圍來源：Deepseek 公眾號，中泰證券研究所三、九大創新：模型創新三、九大創新：模型創新+系統優化系統優化+商業模式開源商業模式開源模型本身具備模型本身具備 4 個創新點：個創新點：1）基座模型）基座模型 V3 性能強大性能強大。R1 的成功離不開 DeepSee

27、k-V3 強大的基座模型能力、DeepSeek 系統效率、RL 調教能力。DeepSeek-V3 多項評測成績超越了Qwen2.5-72B和Llama-3.1-405B等其他開源模型代碼和數學方面表現尤為突出；并在性能上和世界頂尖的閉源模型 GPT-4o以及 Claude-3.5-Sonnet 相媲美。圖表圖表8：DeepSeek-V3及其同類產品的基準性能及其同類產品的基準性能來源：DeepSeek-V3 Technical Report，中泰證券研究所行業點評報告行業點評報告-8-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分2）R1-zero 模型直接應用模型直接應用

28、RL 到基礎模型到基礎模型，而不依賴作為初步步驟的監而不依賴作為初步步驟的監督微調督微調（SFT）。其重要意義在于驗證 LLMs 的推理能力可以通過 RL完全激勵，而不需要 SFT。R1-zero 以 DeepSeek-V3-Base 為基礎模型，采用 GRPO（Group Relative Policy Optimization）作為 RL 框架來提高模型在推理任務中的性能，并且采用 rule-based reward system 的方式來確保強化學習能實現規?；?。圖表圖表9：DeepSeek-R1-Zero和和OpenAI o1模型在推理相關基準測試中的比較模型在推理相關基準測試中的比較

29、來源：DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning，中泰證券研究所3）第三個創新點是，）第三個創新點是，R1 泛化推理模型，通過深度推理泛化推理模型，通過深度推理 SFT 數據（本數據（本身帶推理能力）身帶推理能力）+通用通用 SFT 數據實現推理能力的跨任務泛化。數據實現推理能力的跨任務泛化。DeepSeek-R1-Zero 存在可讀性差和語言混合等問題。因此，研究引入DeepSeek-R1，通過收集少量冷啟動數據對基礎模型進行微調，并采用多階段訓練流程，最終獲得了與 Ope

30、nAI o1-1217 性能相當的模型。圖表圖表10：DeepSeek-R1及其同類產品的基準性能及其同類產品的基準性能來源：DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning，中泰證券研究所4）自發涌現了反思能力、長思考能力。）自發涌現了反思能力、長思考能力。隨著測試時間的增加，模型出現了復雜的行為。模型能夠回顧和重新評估其之前的步驟，自發地探索解決問題的替代方法，這些行為不是顯式編程的結果，而是模型與強化行業點評報告行業點評報告-9-請務必閱讀正文之后的重要聲明部分請務必閱讀正文

31、之后的重要聲明部分學習環境交互的結果。在沒有獎勵思維鏈長度的情況下，模型就自發地進行越來越長的思考，這種自發發展顯著提高了 DeepSeek-R1-Zero 的推理能力，使其能夠以更高的效率和準確性處理更具挑戰性的任務。圖表圖表11：強化學習過程強化學習過程中中DeepSeek-R1-Zero在訓練集上的平均響應在訓練集上的平均響應長度長度來源：DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning，中泰證券研究所系統優化具備系統優化具備 4 個創新點：個創新點：DeepSeek 通過負

32、載均衡優化負載均衡優化、通信優化通信優化（硬件硬件）、內存優化內存優化（硬件硬件）、計算優化計算優化四重優化，實現了算法、軟件、硬件協同創新，通過算法和工程上的創新，DeepSeek-V3 的生成吐字速度從 20TPS 大幅提高至60TPS，相比 V2.5 模型實現了 3 倍的提升，為用戶帶來更加迅速流暢的使用體驗。1）負載均衡優化：）負載均衡優化：負載均衡是為了避免所有任務都堆在個別專家形成堰塞湖，因此 V3 模型引入一個動態調整的 Expert Bias，Bias 只影響專家路由，不產生任何梯度影響，通過動態調整 Expert Bias 來調整各個專家的門控分數，實現負載均衡。圖表圖表12

33、：Loss-Free負載均衡策略負載均衡策略來源：智東西，中泰證券研究所行業點評報告行業點評報告-10-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分2）通信優化通信優化：關于專家并行的通信開銷的問題，提出 DualPipe 算法來解決，精細控制分配給計算和通信的 GPU SM 數量，保證計算和通信完全重疊。硬件層面修改 CUDA 的底層匯編語言，通過定制的 PTX 指令來更精細地控制底層 GPU 資源的分配和使用（H800 里面有 132 個 SM，分配20 個 SM 來控制通信、同時還能動態調整分配給通信任務的 warp 數量，用剩下的 SM 做計算），顯著減少了 L2

34、緩存的使用和對其他 SM 的干擾，從而提升了系統性能。圖表圖表13：DualPipe關鍵是在一對獨立的前向和后向塊中重疊計算和通信關鍵是在一對獨立的前向和后向塊中重疊計算和通信來源：DeepSeek-V3 Technical Report，中泰證券研究所3）內存優化：內存優化：復雜推理場景下的多輪對話和長序列需要緩存更多的 KVCache，導致 GPU 高帶寬內存容量成為瓶頸，而通過增加 DRAM 解決問題又會讓推理成本激增。為了應對上下文 KV Cache 緩存的問題，DeepSeek 采用創新性的硬盤緩存技術，啟用上下文硬盤緩存技術，把預計未來會重復使用的內容，緩存在分布式的硬盤陣列中。如

35、果輸入存在重復，則重復的部分只需要從緩存讀取，無需計算。該技術不僅降低服務的延遲，還大幅削減最終的使用成本，緩存命中的部分，DeepSeek每百萬 tokens 收費 0.1 元。圖表圖表14：多輪對話場景多輪對話場景，下一輪對話會命中上一輪下一輪對話會命中上一輪對話生成的上下文緩存對話生成的上下文緩存圖表圖表15：數據分析場景數據分析場景，后續具有相同前綴的請求后續具有相同前綴的請求會命中上下文緩存會命中上下文緩存來源：DeepSeek 官網，中泰證券研究所來源：DeepSeek 官網，中泰證券研究所4）計算優化計算優化：DeepSeek-R1 采用組相對策略優化（GRPO）替代傳統的近端策

36、略優化（PPO），優勢在于無需單獨的價值模型、采用基于組的相對優勢估計、顯著降低內存和計算開銷、增強了模型的數學推理能力。行業點評報告行業點評報告-11-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分圖表圖表16：PPO與與GRPO原理對比原理對比來源：CSDN，中泰證券研究所 商業模式的商業模式的 1 個創新：開源個創新：開源1）DeepSeek 商業模式為開源，商業模式為開源，以開源精神和長期主義追求普惠以開源精神和長期主義追求普惠 AGI。與o1 相反，DeepSeek 采用 FP8 訓練，并開源了原生 FP8 權重，公開深度思考過程、免費允許用戶無限制商用、鼓勵蒸餾（

37、用 R1 輸出結果訓練其他模型），盡可能降低用戶使用壁壘，全球范圍出圈和更容易建立起廣泛繁榮的用戶生態。圖表圖表17：DeepSeek蒸餾模型與其他可比模型表現對比蒸餾模型與其他可比模型表現對比來源：DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning，中泰證券研究所四、四、行業影響：行業影響：算力需求算力需求仍仍未見頂未見頂，重心向推理側遷移重心向推理側遷移1）模型模型側側：Scaling law 尚未失效仍在尚未失效仍在迭代，但重心有望進一步向推理側迭代，但重心有望進一步向推理側偏

38、移偏移。2024 年 12 月，OpenAI 聯創 Ilya 在深度學習頂會 NeuralPS2024 上表示預訓練時代可能結束，其原因是互聯網的文本數據幾乎窮盡，而短期內數據難以迅速增長，基于此，行業的趨勢有望朝向推理側發展，其重心可能從“卷基座、卷模型”向“卷推理、卷 AI Agent、卷應用落地”過渡。行業點評報告行業點評報告-12-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分圖表圖表18：大模型發展重心有望進一步向大模型發展重心有望進一步向“后訓練、推理側、自主智能體后訓練、推理側、自主智能體”偏移偏移來源：機器之心公眾號，中泰證券研究所2）算力）算力側側：整體趨勢

39、來看，整體趨勢來看，Pre-training 將達瓶頸，基座模型格局日益明將達瓶頸，基座模型格局日益明朗，朗，但但算力需求算力需求仍仍未見頂未見頂。即使互聯網中現成數據已完全納入訓練集，模型仍可運用合成數據等方式彌補訓練數據的不足，基座模型依舊需要云上的算力來迭代，Pre-training 的 scaling law 有望續命；并且端側應用與設備也需要云上的算力來支持云端推理部署。因此，長期來看，未來 AI 應用與端側的爆發將需要大規模算力來支持訪問，算力需求遠未見頂。從海內外視角看從海內外視角看 DeepSeek 對對算力廠商的影響算力廠商的影響。對國際大廠可能會帶來對國際大廠可能會帶來短期

40、沖擊短期沖擊，而從微軟、谷歌等云廠商最新公布的資本開支來看，算力相關的開支依然堅挺，目前來看對云廠商資本投入的決心影響較小。長期來看，AI 應用的爆發有望帶來推理端需求迸發，訓練和推理此消彼長。在技術和產品方面，我們預計大廠的優勢還會引領一段時間。利好國產半導體產利好國產半導體產業鏈業鏈，DeepSeek 實現有限算力下的算法創新，改善國產芯卡脖子和供給不足的現狀，有望走上算法和軟硬件協調發展的路徑，以形成獨立且系統性領先的生態。圖表圖表19：亞馬遜、谷歌、微軟和亞馬遜、谷歌、微軟和Meta或計劃加大或計劃加大AI資本支出（十億美元）資本支出（十億美元）來源：凌通社，各公司官網，中泰證券研究所

41、 注：數據反映的是固定資產和設備的購買情況。本圖表展示了各日歷季度的數據。微軟財年于 6 月 30 日結束行業點評報告行業點評報告-13-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分3）應用）應用&端側：降本、降門檻加速商業化，利好應用與端側發展。端側：降本、降門檻加速商業化，利好應用與端側發展。從技術上講，DeepSeek 使得大模型向 Agent 智能體更近一步，尤其是其開源特性降低了模型技術的使用門檻，使更多中小科技企業有機會打造更優質的垂類場景應用，使 Agent 與各類終端、用戶入口的加速結合。從成本上講，不論對于模型的訓練側還是推理側，Deepseek 為世界探

42、出一條能夠以更低成本布局 AI 的路徑，因此應用公司能夠以更低成本自研或調用 API 來打造AI 應用，利潤空間也有望進一步提升。隨著應用的普及與能力的提升，端側硬件將具備更優的大規模落地的條件。圖表圖表20：DeepSeek-V3的訓練成本相比其對標模型的訓練成本相比其對標模型訓練成本大幅降低訓練成本大幅降低圖表圖表21：DeepSeek-R1在推理成本方面展現出顯在推理成本方面展現出顯著優勢著優勢來源：SemiAnalysis，NVIDIA，Anthropic，Meta，深度求索，甲子光年，中泰證券研究所 注：訓練成本并不包括前期研究以及關于架構、算法或數據的消融實驗所產生的成本，也不包括

43、人力成本及其他未提及的成本來源：Statista，中泰證券研究所投資建議投資建議 第一類：用戶入口與第一類：用戶入口與 agent 的融合。的融合。Agent+C 端各類終端入口端各類終端入口：因為 R1 本地部署要求大幅降低，內嵌在各種系統、軟件中的場景將大幅增加，強交互的手機/PC、消費類機器人、智能駕駛等智能硬件終端可能會百花齊放。1)手機手機：HarmonyOS NEXT 小藝助手接入 DeepSeek，用戶可通過小藝助手與 DeepSeek 對話實現更加無縫的 AI 體驗，建議關注：潤和軟件、法本信息、軟通動力、東方中科、誠邁科技、中科創達、拓維信息等。2)智能汽車智能汽車：R1 本

44、地部署要求大幅降低，低成本高性能 AI Agent與座艙結合，顯著提升人車智能交互體驗的同時，能打造差異化競爭優勢，未來有望成為智艙發展新趨勢。建議關注：1）芯片：黑芝麻、地平線；2）域控：德賽西威、經緯恒潤；3）AI+座艙：中科創達、光庭信息。3)機器人機器人：消費類機器人與 AI Agent 集合，提升智能家居用戶體驗，加速教育用戶實現場景擴容。建議關注：螢石網絡等。B 端軟件端軟件：B 端公司掌握了大量用戶入口，并具備品牌優勢和壁壘，在與 DeepSeek 開源高性能大模型融合后，能夠降低自身的研發投入、提升自身產品迭代速度、增加客戶粘性和續費率，同時憑借Deepseek 的更低推理成本

45、，未來有望實現增收又增利。建議關注：合合信息、金山辦公、同花順、萬興科技、中望軟件等。行業點評報告行業點評報告-14-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分 第二類：國產算力第二類：國產算力。受益于 DeepSeek 的推出和生態繁榮，部分國產算力產業鏈的公司有望實現算法和軟硬件協調發展，甚至達到系統性彎道超車，建議關注：1）華為昇騰產業鏈：軟通動力、烽火通信、神州數碼以及相關配套硬件廠商；2）中科院算力產業鏈；海光信息、中科曙光、曙光數創、寒武紀等。圖表圖表22：接入接入DeepSeek相關標的合作及漲幅匯總相關標的合作及漲幅匯總證券代碼證券代碼證券簡稱證券簡稱概念

46、相關點概念相關點年后年后累計累計漲幅漲幅（2025/2/5-2025/2/72025/2/5-2025/2/7）688158.SH優刻得根據 2025 年 2 月 3 日官微，優刻得云平臺上線 DeepSeek-R1 系列模型72.81%300766.SZ每日互動根據 2025 年 2 月 4 日公告，公司在較早時間就接入 DeepSeek 相關版本并完成各方面的評估及利用自有算力進行私有化部署，目前主要用于業務垂直場景使用、研發提效(AI4SE)、知識庫問答以及將其納入數據智能操作系統(DiOS)的功能模塊等。65.73%688023.SH安恒信息根據 2025 年 2 月 4 日官微，安恒

47、信息旗下恒腦安全垂域大模型正式集成 DeepSeek，完成基于 DeepSeekR1 的安全大模型的訓練，推出首個“DeepSeek”版安全智能體，開啟全新智能化安全之旅。54.73%688620.SH安凱微根據 2025 年 1 月 25 日官微，公司 AK39 系列芯片的天才虎 AI 智能錄音筆 Pro4G 版推出市場，對接多家大模型底座，開啟智能錄音筆全新篇章。通過對接了豆包、通義千問、文心一言、DeepSeek、Kimi 等多家大語言模型，并通過調優，能夠對不同大模型的特性進行分析與整合，實現對多源語言理解優勢的有效融合。51.32%300846.SZ首都在線2025 年 2 月 6

48、日微信公眾號發布，首都在線云平臺快速上架 R1 模型，還提供為期 1 個月的免費使用權限。用戶可以通過首都在線云平臺的強大算力，免受各種限制，隨時隨地暢快地體驗 DeepSeek。49.35%688058.SH寶蘭德根據青云科技 2025 年 2 月 4 日官微，青云科技旗下 AI 算力云服務一基石智算 CoresHub 正式上線 DeepSeek-R1 系列模型，36.47%688227.SH品高股份根據 2025 年 2 月 5 日官微，品高 AI 大模型融合平臺-AISTACK 早在2024 年 7 月開始支持 DeepSeek 的混合專家模型(MOE)，并上架京東商城，在 DeepSe

49、ek-R1 發布后，也第一時間在產品中進行了集成為垂直領域大模型的落地提供了更強大的技術支持。35.95%688343.SH云天勵飛2025 年 02 月 05 日官微:春節期間，云天勵飛芯片團隊完成DeepEdge10“算力積木”芯片平臺與 R1-Distill-Qwen-1.5B、R1-Distill-Qwen-7B、R1-Distill-Llama-8B 大模型的適配，可以交付客戶使用。33.89%301236.SZ軟通動力根據軟通動力 2025 年 2 月 4 日官微，作為中國數字技術產品和服務創新領導企業，軟通動力積極擁抱 DeepSeek，率先進行產品的創新融合，通過把 DeepS

50、eek-R1 接入天璇 MaaS 平臺，以全棧 AI 技術服務加速企業智能化轉型。33.46%002123.SZ夢網科技根據 2025 年 2 月 4 日官微，隨著 DeepSeek 大模型的全球影響力持續擴大，夢網科技將 DeepSeek 大模型深度集成至多源 AI 調度引擎“天慧智匯臺 2.0”，推動消息通信服務從基礎連接向智能決策升級，為行業開辟 5.70%效新路徑。33.11%行業點評報告行業點評報告-15-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分002881.SZ美格智能根據 2025 年 1 月 26 日官微，公司結合美格智能自研的 AIMO 智能體及 De

51、epSeek-R1 模型的基礎能力，開發面向工業智能化、座艙智能體、智能無人機、機器人等領域的 AIAgent 應用。33.10%600126.SH杭鋼股份根據 2025 年 2 月 3 日全資子公司浙江數據管理微信公眾號，浙江省數據管理有限公司成功完成 DeepSeek-R1 的適配并實現DeepSeekR170B 參數及以下全部蒸餾模型的部署。33.08%688561.SH奇安信根據 2025 年 2 月 5 日官微，奇安信宣布已完成與 DeepSeek(深度求索)的全面深度接入，奇安信自研 QAX 安全大模型通過 DeepSeekR1 進行了一系列的優化和蒸餾后，運營成本大幅降低，同時在

52、威脅研判等多個場景下的模型性能方面獲得了顯著提升。31.11%688080.SH映翰通根據參股公司杭州領信數科信息技術有限公司 2025 年 2 月 6 日微信公眾號:近日，領信數科已完成兩大核心升級:AI 中臺一大白智腦，完成DeepSeek 基座模型適配。30.88%600186.SH蓮花控股2025 年 2 月 4 日公司孫公司蓮花紫星官微:蓮花紫星已在自有算力上成功部署 DeepSeekR1 大模型，并全面支持智能體調用。29.42%300352.SZ北信源2025 年 2 月 5 日微信公眾號發布，公司密信 AI 能力平臺已成功對接DeepSeek。27.40%300588.SZ熙菱

53、信息根據公司官網，公司 AI 智慧助手平臺 AILinkDebot 產品接入集成了qwen2-7b、deepseek、ChatGLM、文心一言等模型，26.17%600588.SH用友網絡2025 年 2 月 6 日官微:今天，用友 BIP 全面上線以 DeepSeek-V3 和DeepSeek-R1 作為基座大模型的智能服務，企業客戶可以通過 BIP3R6智能平臺的公有云、專屬云模式使用相關服務。25.57%300057.SZ萬順新材根據 2024 年半年報，公司參股世優科技 3%股權。2025 年 2 月 6 日參股公司世優科技微信公眾號發布，世優科技推出的“世優波塔”AI 數字人智能體與

54、 DeepSeek 的通用人工智能(AGI)能力結合。25.06%688039.SH當虹科技據當虹科技 2025 年 2 月 5 日官微，近日，當虹科技 BlackEye 多模態視聽大模型正式融合 DeepSeek-R1 和 DeepSeekJanusPro，并完成視聽傳媒、工業與衛星、車載智能座艙等多行業垂類場景的數據調優訓練。24.68%688365.SH光云科技2025 年 2 月 4 日微信公眾號發布，快麥小智推出了基于大模型的智能體產品綾智?；诰c智，商家可以搭建導購助手、智能培訓、對話打標等智能助理功能。目前，綾智的多項業務場景和功能已經接入并在支持DeepSeek 各個版本。23

55、.17%000034.SZ神州數碼2025 年 2 月 6 日微信公眾號發布，神州鯤泰和神州問學均已支持DeepSeek 的部署。神州數碼還將 DeepSeek 集成到其自主研發的神州問學平臺中，僅需 3 分鐘部署 DeepSeek 模型。22.26%300113.SZ順網科技根據 2025 年 2 月 6 日官微，順網智算是一個 AIINFRA 平臺，目前已經可以支持 DeepSeek 模型的部署和運行，預計后續 DeepSeek 模型亦會應用于順網智能客服和嘮嘮等 AI 應用。22.11%688228.SH開普云2025 年 02 月 06 日公司官微:2 月 6 日，開普云旗下開悟大模型

56、應用產品積極適配國產大模型，在開悟大型能體平臺接入 DeepSeekV3、R1在線模型 API，在運營管理平臺部署量化版 R1 模型服務，在端側一體機中部署蒸餾量化版 R132B 型20.56%002354.SZ天娛數科根據證券時報網 2025 年 1 月 27 日新聞，天娛數科為 DeepSeek 移動應用分發服務商。20.00%行業點評報告行業點評報告-16-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分601360.SH三六零根據 2025 年 2 月 2 日官微，360 數字安全集團宣布其安全大模型正式接入 DeepSeek，將以 DeepSeek 為安全大模型基座，

57、發揮 360 安全大數據優勢，通過繼續強化學習等技術手段，訓練出“DeepSeek 版”安全大模型，讓安全真正做到“自動駕駛”。18.92%300624.SZ萬興科技根據萬興科技 2025 年 2 月 4 日官微，AIGC 軟件 A 股上市公司萬技(300624.SZ)率先完成深度求索(DeepSeek)最新推理大模型DeepSeek-R1 的深入適配，涵蓋旗下視頻創意、繪圖創意及文檔創意軟件業務多款產品。17.32%300418.SZ昆侖萬維根據 2024 年 8 月 8 日互動易回復，昆侖萬維攜手新加坡南洋理工大學成功開發 Q*算法，顯著提升現有大模型推理能力。在 GSM8K 數據集上，Q

58、*幫助 Llama-2-7b 提升至 80.8%的準確率，超越了 ChatGPT;在 MATH數據集上，Q*幫助 DeepSeek-Math-7b 提升至 55.4%的準確率，超越了GeminiUltra;在 MBPP 數據集上，Q*幫助 CodeQwen1.5-7b-Chat 提升至77.0%的準確率，縮小了與 GPT-4 的編程水平差距。Q*能夠不僅大幅提升了小模型的性能，還顯著降低了計算資源的需求，為人工智能的廣泛應用帶來了全新可能。16.37%688208.SH道通科技2025 年 2 月 6 日證券時報網新聞，道通 AI 團隊已完成 DeepSeek 的全面接入和本地化部署，并應用

59、DeepSeek 訓練流程，加速推進道通以“巡檢垂域大模型”為核心的“空地一體解決方案”在能源、交通等領域的廣泛推廣。15.95%301070.SZ開勒股份2025 年 2 月 5 日微信公眾號發布，公司 InHandAl 技術團隊成功在EC5000 系列邊緣計算機上完成 DeepSeekR1 蒸餾模型的本地部署。這一成果驗證了輕量級邊緣設備(如EC5000)在AI推理任務中的強大潛力。15.82%002439.SZ啟明星辰2025 年 02 月 06 日官微:啟明星辰目前已完成了“安星”智能體與DeepSeek 大模型的全面對接，并應用到安全運營、威脅檢測(脅情報、數據安全等全業務場景中，實

60、現了安全智能化能力的再級。14.02%300494.SZ盛天網絡根據 2025 年 2 月 5 日互動易，公司目前已有相關合作，正在進行對接使用 deepseek 模型，目前公司一款底層對接 deepseek 的社交小游戲已完成了一輪內部測試。13.46%002212.SZ天融信2025 年 2 月 6 日官微:近日，天融信天問大模型正式完成 DeepSeek 大模型的接入，賦能安全事件檢測分析、威脅情報融合等多個場景，進一步提升了天融信現有的安全產品和服務能力。12.95%600986.SH浙文互聯根據 2025 年 2 月 6 日官微，春節前浙文互聯完成本地化部署的DeepSeek-R1

61、推理大模型。12.65%603322.SH超訊通信2025 年 2 月 2 日子公司超訊智能微信公眾號發布，公司聯手開源中國、沐曦、米塔碳等合作伙伴完成 DeepSeek-R170B 部署，并支持 1.5B，7B，14B，32B 蒸餾模型的部署，兼容 openaiapi 格式輸出。12.48%688225.SH亞信安全根據 2025 年 2 月 5 日官微，亞信安全基于 DeepSeek-R1 作為基座利用多年來積累的網絡安全獨家數據，進一步訓練和提升“信立方網絡安全領域大模型；同時，基于 DeepSeekMoE 架構，整合網絡安全專家模型。12.41%603019.SH中科曙光根據光合組織

62、2025 年 2 月 2 日官微，海光信息技術團隊成功完成DeepSeekV3 和 R1 模型與海光 DCU(深度計算單元)的國產化適配，并11.99%行業點評報告行業點評報告-17-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分正式上線。300002.SZ神州泰岳據子公司鼎富智能官網:鼎富智能研發的 AI 外呼機器人整合通義千問、智譜 AI 和 DeepSeek 等國內領先的基礎大模型技術，實現了外呼效果的全方位提升。11.56%300364.SZ中文在線2025 年 2 月 5 日官微:基于 DeepSeekV3 與 R1 提出的技術路線，中文在線正著力研發并訓練升級版“

63、中文逍遙”，以進一步提升該大模型的創作能力。目前，公司已在部分內部 AI 網文創作流程中部署DeepSeek-R1，通過調用 DeepSeek-R1 的能力，增強創作效率11.21%300182.SZ捷成股份2025 年 2 月 6 日參股公司世優科技微信公眾號發布，世優科技推出的“世優波塔”AI數字人智能體與DeepSeek的通用人工智能(AGI)能力結合，與世優波塔的182個數字人面部控制技術結合，打造了“情感反饋”能力。11.13%300188.SZ國投智能2025 年 2 月 5 日官微:“星盾”、“Qiko”等自研平臺也第一時間成立接入DeepSeek,進一步滿足行業客戶的多樣化需求

64、。10.02%300688.SZ創業黑馬據子公司北京創業未來傳媒技術有限公司官微:黑馬天啟基于DeepSeek 發布政策大模型 1.1 版，基于 DeepSeek 技術架構，通過底層能力重構與數據體系拓展，迭代升級出更精準高效的政務政策解決方案。9.86%000681.SZ視覺中國2025 年 2 月 5 日官微:視覺中國近期完成深度求索公司開源大模型DeepSeek-R1 的接入與本地化部署，并在多個產品中深度應用其能力。9.64%688041.SH海光信息根據光合組織 2025 年 2 月 2 日官微，海光信息技術團隊成功完成DeepSeekV3 和 R1 模型與海光 DCU(深度計算單元

65、)的國產化適配，并正式上線。9.14%688590.SH新致軟件2025 年 02 月 05 日官微:近日，經過新致軟件團隊的不懈努力，已將DeepSeek-R1 和 DeepSeek-V3 順利接入新致新知平臺。9.02%301171.SZ易點天下2025 年 02 月 05 日公司官微:2 月 5 日，全球領先的企業國際化智能營銷服務商易點天下(301171.SZ)正式宣布，已完成深度求索(DeepSeek)開源推理大模型 DeepSeek-R1 的私有化部署。8.11%600050.SH中國聯通2025 年 2 月 5 日官微:目前，聯通云已基于星羅平臺實現國產及主流算力適配多規格 De

66、epSeek-R1 模型，兼顧私有化和公有化場景提供全方位運行服務保障。6.95%300170.SZ漢得信息2025 年 2 月 6 日官微:2024 年年中公司就已經完成了和 DeepseekV2的對接，在 2025 年 1 月份完成了和 R1 版本的對接(V3 版本的對接隨著官網 V2 模型的升級，已自動對接)。3.47%300634.SZ彩訊股份2025 年 2 月 6 日官微:2025 年 2 月 1 日，RichAIBox 正式接入DeepSeek-V3、DeepSeek-R1 大模型，進一步提升了垂直領域大模型能力，實現邏輯推理、內容生成、圖片理解等多方面的優化。-1.15%來源：

67、Wind，同花順，中泰證券研究所。行業點評報告行業點評報告-18-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分風險提示風險提示 技術迭代不及預期技術迭代不及預期的風險的風險：AI 技術更迭速度較快，若 DPSK 無法持續保持技術領先地位，可能會影響其市場競爭力和長期發展。市場競爭加劇市場競爭加劇的風險：的風險：AI 行業競爭激烈，眾多科技巨頭和創新企業都在積極布局，而 DPSK 面臨來自國內外同行的激烈競爭，市場份額可能受到擠壓。人才流失風險人才流失風險的風險：的風險：若公司無法吸引和保留關鍵人才，可能影響其技術創新能力和市場競爭力。研究報告中使用的公開資料可能存在信息滯后

68、或更新不及時的研究報告中使用的公開資料可能存在信息滯后或更新不及時的風險風險：使用信息更新不及時可能會影響對公司的判斷。行業點評報告行業點評報告-19-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分投資評級說明投資評級說明評級評級說明說明股票評級股票評級買入預期未來 612 個月內相對同期基準指數漲幅在 15%以上增持預期未來 612 個月內相對同期基準指數漲幅在 5%15%之間持有預期未來 612 個月內相對同期基準指數漲幅在-10%+5%之間減持預期未來 612 個月內相對同期基準指數跌幅在 10%以上行業評級行業評級增持預期未來 612 個月內對同期基準指數漲幅在 10

69、%以上中性預期未來 612 個月內對同期基準指數漲幅在-10%+10%之間減持預期未來 612 個月內對同期基準指數跌幅在 10%以上備注：評級標準為報告發布日后的 612 個月內公司股價（或行業指數）相對同期基準指數的相對市場表現。其中 A 股市場以滬深 300 指數為基準；新三板市場以三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的）為基準；香港市場以摩根士丹利中國指數為基準，美股市場以標普 500 指數或納斯達克綜合指數為基準（另有說明的除外）。$LargePositionMessageStart$LargePositionMessageEnd$重要聲明重要聲明中泰證券股份有

70、限公司中泰證券股份有限公司（以下簡稱以下簡稱“本公司本公司”）具有中國證券監督管理委員會許可的證券投資咨詢業務資格具有中國證券監督管理委員會許可的證券投資咨詢業務資格。本報告僅供本公司的客戶使用。本公司不會因接收人收到本報告而視其為客戶。本報告僅供本公司的客戶使用。本公司不會因接收人收到本報告而視其為客戶。本報告基于本公司及其研究人員認為可信的公開資料或實地調研資料，反映了作者的研究觀點，力求獨立、客觀和公正，結論不受任何第三方的授意或影響。本公司力求但不保證這些信息的準確性和完整性，且本報告中的資料、意見、預測均反映報告初次公開發布時的判斷，可能會隨時調整。本公司對本報告所含信息可在不發出通

71、知的情形下做出修改，投資者應當自行關注相應的更新或修改。本報告所載的資料、工具、意見、信息及推測只提供給客戶作參考之用，不構成任何投資、法律、會計或稅務的最終操作建議，本公司不就報告中的內容對最終操作建議做出任何擔保。本報告中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。市場有風險，投資需謹慎。在任何情況下，本公司不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。投資者應注意，在法律允許的情況下，本公司及其本公司的關聯機構可能會持有報告中涉及的公司所發行的證券并進行交易，并可能為這些公司正在提供或爭取提供投資銀行、財務顧問和金融產品等各種金融服務。本公司及其本公司的關聯機構或個人可能在本報告公開發布之前已經使用或了解其中的信息。本報告版權歸“中泰證券股份有限公司”所有。事先未經本公司書面授權，任何機構和個人，不得對本報告進行任何形式的翻版、發布、復制、轉載、刊登、篡改，且不得對本報告進行有悖原意的刪節或修改。