《計算機行業：DeepSeek將如何改變AI應用？-250213（26頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業：DeepSeek將如何改變AI應用？-250213（26頁）.pdf（26頁珍藏版）》請在三個皮匠報告上搜索。

1、中 泰 證 券 研 究 所專 業 領 先 深 度 誠 信證券研究報告2 0 25.0 2.1 3DeepSeek將如何改變AI應用？分析師：聞學臣執業證書編號：S0740519090007分析師：蘇儀執業證書編號：S0740520060001分析師：王雪晴執業證書編號：S0740524120003聯系人：劉一哲Email：2核心觀點核心觀點 從從kimi（月之暗面）到智譜，從豆包（字節）到（月之暗面）到智譜，從豆包（字節）到DeepSeek，中國基礎大模型一直處于快速演進之中，演進的主旋律則，中國基礎大模型一直處于快速演進之中，演進的主旋律則體現為性能提升和成本降低，與計算機歷史上體現為性能提

2、升和成本降低，與計算機歷史上PC、互聯網的發展邏輯類似。我們總結了以下三個關鍵詞：、互聯網的發展邏輯類似。我們總結了以下三個關鍵詞：關鍵詞關鍵詞1：低成本：低成本。與暴力美學的大模型相對應的就是高成本，動則數百上千萬元的成本投入在很大程度上制約了下游需求的釋放，在中國當前的宏觀環境下這種挑戰更為明顯。DeepSeek帶來的成本指數級下降，將會大大加速AI應用的落地進程。關鍵詞關鍵詞2：開源：開源。伴隨閉源基礎大模型能力不斷提升之后，是否會向上侵蝕應用市場成為了市場的一種擔憂。而開源體系大大降低這種可能：1）開源體系需要生態繁榮，基模廠商與應用廠商是合作關系；2）對于應用廠商而言，開源大模型的可

3、獲得性、可把握性更強，更容易基于此構建自己的垂直模型和能力。關鍵詞關鍵詞3：中國：中國。中國具有廣闊的應用場景，但一方面接入海外OpenAI模型存在一定的障礙，另一方面中國的基礎大模型能力存在差距。DeepSeek縮小了這種能力差距，一定程度上補齊了中國AI應用的底座短板。mXiUnMmOoNsOrM6MaObRnPoOsQsPeRrRnPjMmNtPbRqQuNNZpNtRxNsOoP3CONTENTS目錄CCONTENTS專 業 領 先 深 度 誠 信專 業 領 先 深 度 誠 信中 泰 證 券 研 究 所中 泰 證 券 研 究 所1Big Picture：從基礎模型的能力上限和應用成本談

4、起4圖表：AI應用分析框架資料來源：中泰證券研究所應用的分析框架：能力上限與應用成本共同決定應用場景應用的分析框架：能力上限與應用成本共同決定應用場景 AI隨模型能力的提升和應用成本的降低，共同解鎖更多應用場景。技術-能力上限曲線價格-應用成本曲線模型能力上限模型定價應用場景隨模型能力提升和成本降低而不斷解鎖；DeepSeek的低成本+強能力將解鎖更多應用場景；對話場景；智能客服；營銷醫療法律AI搜索；AI代碼；5圖表：R1在各項任務中的表現資 料 來 源：DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcement Le

5、arning，中泰證券研究所圖表：DeepSeek V3和其他模型的表現對比資料來源：DeepSeek-V3 Technical Report，中泰證券研究所能力上限之一：能力上限之一：DeepSeek系列模型擁有比肩系列模型擁有比肩GPT-4o、Claude3.5和和o1的能力的能力 DeepSeek V3再次展現出能力上限突破，在MMLU、MATH 500等任務中均表現除了優于GPT-4o和Claude-3.5-Sonnet的SOTA能力。其發布的推理模型DeepSeek-R1在數學、編程等推理任務中接近或達到了o1的水平。6圖表：隨步數提升R1-Zero的AIME任務準確度資料來源：De

6、epSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning，中泰證券研究所能力上限之二：后訓練階段大規模應用強化學習，表現推理能力擴展能力上限之二：后訓練階段大規模應用強化學習，表現推理能力擴展 DeepSeek模型在Post-Train階段大規模應用了強化學習方法。R1使用了冷啟動微調+強化學習方法，R1-Zero版本模型使用純強化學習方法。隨訓練過程推進，模型展現出了推理能力的擴展（高準確率和long-CoT能力涌現等）。圖表：深度思考能力提升資料來源：DeepSeek-R1:Incenti

7、vizing Reasoning Capability in LLMs via Reinforcement Learning，中泰證券研究所DeepSeek-R1-Zero的能力隨步數提升DeepSeek-R1-Zero自然涌現long-CoT能力7圖表：訓練過程中R1-Zero表現出的Aha Moment資料來源：DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning，中泰證券研究所能力上限之二：純強化學習的能力上限之二：純強化學習的R1-Zero展現出“展現出“Aha Moment”

8、能力涌現”能力涌現 RL下模型展現出了自主開發先進問題解決策略的行為：1）模型表現出了“Aha moment”，突然學會更有效的推理方式，也增加了推理復雜度；2）模型在訓練過程中出現了Reflection能力，能夠重新評估初始方法來學習為問題分配更多的思考時間。雖然應用純強化學習方法的R1-Zero在穩定性、可讀性上仍有差距（存在多語言混雜生成現象），但Aha Moment、Reflection等能力的出現展現出了純強化學習方法的巨大潛力。8圖表：Janus-Pro多模態理解和視覺生成表現資料來源：Janus-Pro:Unified Multimodal Understanding and G

9、eneration with Data and Model Scaling，中泰證券研究所能力上限之三：開源能力上限之三：開源Janus-Pro模型，圖像生成和多模態理解能力大幅提升模型，圖像生成和多模態理解能力大幅提升 Janus-Pro 結合了優化的訓練策略，擴展了訓練數據集和模型規模。通過這些改進，Janus-Pro 在多模態理解和文本到圖像的指令跟蹤功能方面都取得了重大進步，同時還增強了文本到圖像生成的穩定性。作為在GenEval等評測中超越DALL-E 3和Stable Diffusion 3-Medium的開源模型，Janus-Pro也展現出了更多應用潛力。9圖表：DeepSeek

10、-R1訓練過程資料來源：木堯，中泰證券研究所應用成本之一：極致優化的工程化方法，大幅降低訓推成本應用成本之一：極致優化的工程化方法，大幅降低訓推成本 DeepSeek在訓練階段采用了多種方法降低訓練成本，并保證模型的良好表現在訓練階段采用了多種方法降低訓練成本，并保證模型的良好表現。1）冷啟動：構建并收集少量 Long-CoT 數據來微調模型，而非單純運用大規模RLHF或RL，很好地平衡了性能和成本；2）MLA（多頭潛在注意力機制）的優化：降低了鍵值量緩存需求，減少算力壓力；后續的ALFS（無輔助損失負載均衡策略）方法：能讓MoE的專家在偏好值和工作量上達成平衡狀態，當負載比較大的時候能夠轉移

11、到其他專家上，加強了模型整體性能的負載均衡與穩定性。10圖表：閉源模型與開源模型的差距正在縮小資料來源：Epoch AI，中泰證券研究所圖表：DeepSeek-R1 api價格與o1對比資料來源：DeepSeek，中泰證券研究所應用成本之二：低推理成本應用成本之二：低推理成本+開源，開源，api成本僅為成本僅為o1幾十分之一幾十分之一 對對V3進行蒸餾的進行蒸餾的R1在數學、代碼能力上再次顯著提升在數學、代碼能力上再次顯著提升。MoE架構的R1模型共有671B規模，激活后的參數量為37B，部署時能夠大大節省推理成本。DeepSeek開源了模型，開源了模型，API的調用價格也大幅低于的調用價格也

12、大幅低于OpenAI。以Output API價格為例，DeepSeek-R1大約是OpenAI的3.7%。以R1為代表的優秀開源模型的能力也離閉源模型越來越近。DeepSeek-R1的Output API價格約為o1的3.7%11圖表：各模型微調示例數與準確度對比資料來源：s1:Simple test-time scaling，中泰證券研究所圖表：s1表現出的Test time Scaling資料來源：s1:Simple test-time scaling，中泰證券研究所應用成本之三：蒸餾小型模型展現應用成本之三：蒸餾小型模型展現Test-time Scaling，有極高應用潛力，有極高應用潛

13、力 通過將通過將DeepSeek-R1的推理能力蒸餾到更小的模型中，較小的模型也能具備強大的推理能力的推理能力蒸餾到更小的模型中，較小的模型也能具備強大的推理能力。DeepSeek開源了從15 億到700億參數的R1蒸餾版本。這些模型基于Qwen和Llama等架構蒸餾，表明復雜的推理能力可以被封裝在更小、更高效的模型中。從論文結論看，蒸餾比單獨依賴強化學習訓練更為高效，且蒸餾與強化學習的結合可以進一步提升模型性能。從論文結論看，蒸餾比單獨依賴強化學習訓練更為高效，且蒸餾與強化學習的結合可以進一步提升模型性能。2025年2月，科學家李飛飛團隊帶領以不到50美元的費用訓練了一個能力比肩DeepSe

14、ek-R1的s1模型，也展現了蒸餾模型應用的更多應用潛力。S1僅使用1000個微調示例就達到了類似r1的準確度模型展現出隨推理時間增加準確度增加的Test time Scaling12CONTENTS目錄CCONTENTS專 業 領 先 深 度 誠 信專 業 領 先 深 度 誠 信中 泰 證 券 研 究 所中 泰 證 券 研 究 所2應用場景：通用+行業場景不斷解鎖，關注B端SaaS落地+AI安全13圖表：2022-2027自動化市場規模預測（$B）資料來源：IDC，中泰證券研究所圖表：Service as a Software面向的市場規模資料來源：Sequoia Capital，中泰證券研

15、究所理解應用層公司的價值創造：取代人力，瞄向萬億級別的服務市場理解應用層公司的價值創造：取代人力，瞄向萬億級別的服務市場 應用層AI公司不僅是基礎模型之上的前端界面，而是擁有復雜的認知架構的應用產品。通常包括多個基礎模型，上面有某種路由機制，用于檢索增強生成（RAG）的向量和/或圖數據庫，合規性和安全性防護手段，以及模仿人類在工作流程中進行推理思考方式的應用邏輯。借助借助Agent，應用層軟件公司能夠將服務轉化為軟件（，應用層軟件公司能夠將服務轉化為軟件（Service-as-a-Software）。這意味著應用的目標市場不是軟件市場，而是以萬億美元計的服務市場。而隨著基礎模型推理成本快速下降

16、和性能提升，這種應用的價值創造增速將遠超傳統軟件模式。010203040506070202220232024202520262027Labor-centric automationSystem-centric automation14圖表：辦公軟件類別占比情況（截至2024年4月）資料來源：頭豹研究院，中泰證券研究所通用場景之一：生產力工具對應生成能力，通用場景之一：生產力工具對應生成能力，AI加速滲透加速滲透 生產力工具能夠較好嵌入和應用大模型的生成能力，將最先受益于模型能力上限提升和成本下降生產力工具能夠較好嵌入和應用大模型的生成能力，將最先受益于模型能力上限提升和成本下降。如以Offic

17、e 365 Copilot、WPS AI為代表的AI+辦公軟件和以Midjourney、Sora為代表的多模態生成模型正在加速滲透。據智聯招聘調研，2025年春招首周約60%職場人已經在工作中使用AI工具，明顯高于去年同期的44%。39%23%21%13%4%AI+文字處理AI+通訊協作類AI+演示協作類AI+數據處理類AI+項目管理類15圖表：用戶對Github Copilot的評價資料來源：Github，中泰證券研究所通用場景之二：通用場景之二：AI Coding大幅提升編程效率，用戶數快速上升大幅提升編程效率，用戶數快速上升 Cursor是AI驅動的代碼編輯器，能夠無縫與VS Code集

18、成。通過先提供新用戶2000次代碼免費生成功能，再轉化付費的方式，目前Cursor已經擁有超過36萬名個人開發者。個人用戶每月支付20-40美元，平均合同價值為276美元，ARR從$1M到$100M僅用了不到兩年時間。Github Copilot發布以來，幫助開發人員將Coding速度提高55%。隨用戶數超過1.5億，GitHub也宣布將開設免費的GitHub Copilot服務，并將服務集成到了新版的VS Code中。新用戶也可擁有每月2000 次代碼補全和50條聊天消息的免費額度。圖表：各公司ARR增速與時間的關系資料來源：SACRA，Spearhead，中泰證券研究所50.90%29.7

19、0%11.50%7.90%0%0%10%20%30%40%50%60%極其有用相當有用有些有用稍微有用完全無用用戶比例16圖表：Perplexity AI的估值增長（單位：$billion）資料來源：Crunchbase，Bloomberg，Datawrapper，中泰證券研究所通用場景之三：通用場景之三：AI搜索以搜索以Overviews形式落地，形式落地，Perplexity AI等等SaaS公司崛起公司崛起 AI搜索已經能夠為用戶提供精確的信息來源，大幅提升搜索效率搜索已經能夠為用戶提供精確的信息來源，大幅提升搜索效率。Google等搜索引擎提供了AI Overviews功能，通過綜合來

20、自多個來源的信息以提供更全面的摘要。這種方法讓用戶更廣泛地了解搜索結果，無需點擊多個鏈接。AI搜索公司Perplexity以對話形式為用戶提供搜索的答案，每月處理約4億次搜索查詢。公司估值實現了24年初的5.2億美元到年底90億美元的快速增長。AI搜索也將賦能私域數據搜索搜索也將賦能私域數據搜索。據Hebbia，Google僅索引了全球4%的數據。大部分的私有數據，如企業ERP、CRM或者OA系統中的各種數據未得到充分利用。0123456789102024年1月2024年4月2024年6月2024年12月圖表：Google Overviews示意資料來源：Google，中泰證券研究所17圖表：

21、營銷人員對GenAI帶來ROI的定義資料來源：Statista，中泰證券研究所通用場景之四：通用場景之四：AI營銷重構傳統營銷模式，降本增效潛力初顯營銷重構傳統營銷模式，降本增效潛力初顯 AI營銷通過數據智能、自動化和個性化技術，正在重構傳統營銷模式，成為企業降本增效、提升客戶體驗的核心工具。IDC預計GenAI在未來五年內將營銷生產力提高40%以上的潛力。Applovin提供了提升ARPDAU、增加廣告庫存、獲取App用戶和增加應用內購買。未來GenAI有望直接生成廣告并創造收入。據Accenture的預測，到2029年30%的社交媒體廣告，將由AI自動生成。51%50%47%46%42%0

22、%10%20%30%40%50%60%效率改善客戶關系有效的數據分析提高財務收益準確的預測圖表：Applovin擴大受眾群體增收的途徑資料來源：Applovin，中泰證券研究所18圖表：SAP Joule Agent平臺資料來源：SAP，中泰證券研究所通用場景之五：通用場景之五：AI+ERP/HR等企業等企業SaaS場景場景 AI能夠賦能B端SaaS軟件，在企業通用領域提供AI能力。AI+ERP（如SAP、金蝶）產品能夠實現對財務和運營數據的分析跟蹤；AI+HR（如北森）產品能夠賦能人力資源管理，在AI面試等場景實現降本增效。圖表：北森AI面試降低成本資料來源：北森，中泰證券研究所19圖表：A

23、I Agent在醫療領域的功能資料來源：LeewayHertz，中泰證券研究所行業場景之一：醫療行業診斷行業場景之一：醫療行業診斷/治療跟蹤、行政任務的各類流程自動化治療跟蹤、行政任務的各類流程自動化 AI在醫療領域的應用涉及各部門的優化與效率提升在醫療領域的應用涉及各部門的優化與效率提升。1）診斷輔助和醫學圖像分析：人工智能代理使用深度學習算法分析醫學圖像，以協助放射科醫生檢測異常并做出準確診斷；2）個性化治療計劃和預測分析：AI代理使用患者數據和醫學文獻制定針對個人患者需求和病史的個性化治療計劃；預測分析模型可預測疾病進展和治療結果；3）藥物發現和開發：人工智能代理通過分析大量數據集來識別

24、潛在的候選藥物、預測療效并優化臨床試驗流程，從而加快藥物發現；4）虛擬健康助手和患者監測：人工智能虛擬健康助手為患者提供實時指導、健康建議和提醒。人工智能代理還可以實現遠程患者監測，以便盡早發現健康問題并采取主動干預措施；5）行政任務自動化：AI代理自動執行行政任務，例如預約安排、醫療轉錄和計費流程，以簡化醫療保健運營并減輕行政負擔。20圖表：AI法律工作流應用資料來源：LeewayHertz，中泰證券研究所行業場景之二：法律行業取證、盡調、訴訟支持等各類流程自動化行業場景之二：法律行業取證、盡調、訴訟支持等各類流程自動化 AI在法律行業已經滲透至各工作流程中在法律行業已經滲透至各工作流程中。

25、可以參與的過程包括：1）電子取證與調查，涉及大量電子數據的識別、收集和分析，加速過程；2）合同審查與盡職調查，自動化和增強勞動密集型的合同審查和盡職調查流程；3）訴訟支持，自動化大量文檔的處理；21行業場景之三：多模態突破大幅增強人形機器人泛化能力行業場景之三：多模態突破大幅增強人形機器人泛化能力 多模型大模型為具身智能發展打開空間。多模型大模型為具身智能發展打開空間?！熬呱碇悄埽‥mbodiedAI）”指有物理載體的智能體，在與物理世界的交互過程中，通過感知、控制和自主學習來積累知識和技能，形成智能并影響物理世界的能力。人工智能算法的發展，尤其是多模態大模型技術的突破性進展，將顯著加速機器人

26、產業的發展，提升機器人的智能水平，使得機器人能夠自主進行判斷和識別，執行復雜的多階段語義推理任務，不僅提高了機器人的泛化能力，也快速不僅提高了機器人的泛化能力，也快速推動了人形機器人通往量產的進程。推動了人形機器人通往量產的進程。圖表：大模型與Agent技術是機器人產業突破臨界點的關鍵資料來源：甲子光年，中泰證券研究所圖表：具身智能的不同階段及意義資料來源：甲子光年，中泰證券研究所22圖表：汽車由專用智能向通用智能發展資料來源：鑒智機器人、中泰證券研究所 自動駕駛將是通用機器人的最先落地場景自動駕駛將是通用機器人的最先落地場景。在CVPR 2023會議上，特斯拉公司介紹了他們研發的“通用世界模

27、型”。該模型具備強大的功能，能夠對未來事件進行有效預測，并且可以通過人為干預進行控制。此外，它能夠以多種形式輸出結果，極大地便利了仿真實驗的開展，為科研和技術創新提供了新的可能。隨著通用世界模型的成熟和落地，未來智能汽車也將成為一個通用的端側智能體，自動駕駛或將成為通用機器人的最先落地場景。行業場景之三：通用具身智能場景中，智能駕駛將最先落地行業場景之三：通用具身智能場景中，智能駕駛將最先落地23圖表：微軟概括的AI安全體系資料來源：Microsoft，中泰證券研究所AI安全：與技術進步相伴相生，永不過時的話題安全：與技術進步相伴相生，永不過時的話題 DeepSeek遭受了大規模惡意攻擊，引發

28、了遭受了大規模惡意攻擊，引發了AI安全的關注安全的關注。1月28日，DeepSeek官網服務狀態頁面顯示：近期DeepSeek線上服務受到大規模惡意攻擊，為持續提供服務，暫時限制了+86手機號以外的注冊方式。DeepSeek面臨的核心網絡安全事件可能包括數據泄露、越獄攻擊和DDoS等。我們認為，我們認為，AI的部署和應用必然誕生新的安全問題，但另一方面的部署和應用必然誕生新的安全問題，但另一方面AI技術的突破也可促進主動防御技術創新、數據隱私技術的突破也可促進主動防御技術創新、數據隱私與合規增強、身份認證和訪問控制升級與安全響應效率提升。與合規增強、身份認證和訪問控制升級與安全響應效率提升。2

29、4投資建議投資建議 我們認為當下時點需要重視我們認為當下時點需要重視AI應用，中國應用，中國AI應用有望迎來數年的黃金發展期。投資標的建議按照以下思路尋找：應用有望迎來數年的黃金發展期。投資標的建議按照以下思路尋找：1）需求應用場景：）需求應用場景：站在全球范圍的2B軟件視角看，通用場景中的營銷（營銷、銷售、客服）、編程（Coding）、知識（搜索）是當前發展最為迅速的，財務和人力場景也有積極的探索，在當下中國建議重點關注營銷和ERP（財務、人力）場景，對應的標的包括焦點科技、百融云、明源云、新致軟件等和金蝶國際、鼎捷數智、北森控股、普聯軟件、用友網絡、賽意信息、泛微網絡、致遠互聯等；垂直場景

30、中，醫療、金融有望最先落地，醫療場景標的包括嘉和美康、醫渡科技、鷹瞳科技、衛寧健康、創業慧康、潤達醫療、訊飛醫療等，金融場景標的包括恒生電子、同花順、頂點軟件、宇信科技、京北方、天陽科技、百融云、長亮科技、中科軟、新致軟件等；2）物理）物理AI趨勢趨勢：中期確定性趨勢在于物理AI，自動駕駛和人形機器人都是超級賽道，行業正在或者即將進入規?；A段，相關標的包括地平線、索辰科技、中望軟件、速騰聚創、經緯恒潤、誠邁科技等；3）供給成功要素）供給成功要素：高質量的垂類數據、高門檻的行業knowhow和高粘性的客戶資源是AI應用廠商的關鍵競爭力，基于該視角最優先建議關注SaaS類廠商和2C廠商，相關標的

31、包括金蝶國際、百融云、北森、明源云、廣聯達和金山辦公、同花順、科大訊飛、彩訊股份、萬興科技、合合信息等。4）安全）安全：AI的部署和應用必然誕生新的安全問題，但另一方面AI技術的突破也可促進主動防御技術創新、數據隱私與合規增強、身份認證和訪問控制升級與安全響應效率提升。相關標的包括啟明星辰、奇安信、360、永信至誠、安博通、天融信、綠盟科技、盛邦安全、三未信安、中孚信息等。25風險提示風險提示 AI技術落地不及預期的風險技術落地不及預期的風險。從研發到實際應用的轉化過程里，AI 技術遭遇了諸多阻礙。算法的復雜性、數據質量的參差不齊，以及應用場景的適配難題，可能阻礙AI技術迅速、有效地融入各個行

32、業。行業競爭加劇的風險行業競爭加劇的風險。越來越多的企業投身AI領域，可能導致了人才的激烈爭奪，存在技術研發投入不斷攀升，市場同質化競爭加重的風險。報告信息更新不及時的風險報告信息更新不及時的風險。存在信息更新不及時的風險。26重要聲明重要聲明 中泰證券股份有限公司（以下簡稱“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。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

33、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。