《TMT行業AI產業系列跟蹤專題研究報告：從DeepSeek看國產AI的“后發優勢”-250226（21頁）.pdf》由會員分享，可在線閱讀，更多相關《TMT行業AI產業系列跟蹤專題研究報告：從DeepSeek看國產AI的“后發優勢”-250226（21頁）.pdf（21頁珍藏版）》請在三個皮匠報告上搜索。

1、請認真閱讀文后免責條款請認真閱讀文后免責條款TMT報告日期：報告日期：2025 年年 02 月月 26 日日從從 DeepSeek 看國產看國產 AI 的的“后發優勢后發優勢”AI 產業系列跟蹤專題研究產業系列跟蹤專題研究報告報告華龍證券研究所華龍證券研究所投資評級：投資評級：推薦推薦（維持維持）最近一年走勢最近一年走勢分析師：孫伯文執業證書編號：S0230523080004郵箱：分析師：景丹陽執業證書編號：S0230523080001郵箱：聯系人：朱凌萱執業證書編號：S0230124010005郵箱：相關閱讀相關閱讀從 DeepSeek 看國內 AI 產業趨勢AI產業系列跟蹤專題研究報告 2

2、025.02.13摘要：摘要：定價低廉定價低廉+性能比肩全球頂尖模型性能比肩全球頂尖模型+開源，開源，DeepSeek 引起全球關引起全球關注。注。2025 年 1 月 20 日，DeepSeek 正式發布 DeepSeek-R1 模型，并同步開源模型權重。該模型在后訓練階段大規模使用了強化學習技術，在數學、代碼、自然語言推理等任務上，性能比肩 OpenAI的 o1 正式版。API 定價方面，DeepSeek-R1 API 服務定價為每百萬輸入 tokens1 元（緩存命中）/4 元（緩存未命中），每百萬輸出 tokens16 元；約是 OpenAI-o1 對應定價的 1.8%/3.6%和 3

3、.7%。技術路徑上，DeepSeek-R1 拋開傳統監督微調路徑，通過強化學習和冷啟動數據的結合，在推理任務中取得了與 OpenAI-o1 系列模型相當的性能，為國內 AI 產業提供了極具性價比的選擇方案。算力算力：看好國產算力長期需求增長看好國產算力長期需求增長，云服務仍是最直接受益方向云服務仍是最直接受益方向。（1）算力芯片算力芯片：長期需求有望高增長期需求有望高增，關注大廠資本開支關注大廠資本開支。DeepSeek打破單純依靠算力投資強度提高 AI 性能的路徑，證明算法也可以推動 AI 性能提升。短期來看，這對算力硬件端產生了較大沖擊。但長期來看，deepseek 將大模型的成本大幅降低

4、，實現了不同規模公司在 AI 領域的“平權”，給 AI 發展創造新的道路，是對人工智能的一次歷史級推動，將刺激算力需求增長。隨著deepseek 對大模型的更新與推動，海內外科技龍頭之間的算力競爭或將更加激烈，帶動整體需求增長。1 月份 deepseek 發布后，海外大廠加大投資以應對新變化的訴求更加強烈，微軟、alphabet（谷歌母公司）、亞馬遜和 Meta 等四家公司 2025 年資本支出累計將達到至少 3200 億美元，較 2024 年 2460 億美元大幅增長。金融時報稱，持續加大的投入將主要聚焦數據中心建設和云服務，以保證其在與中國大模型的競爭中處于領先地位。國內方面，騰訊、阿里等

5、主要云廠商近年來資本支出維持高水平，作為國內大模型領頭羊，字節有望實現后來居上。（2）云服務：云服務仍云服務：云服務仍為最直接受益方向為最直接受益方向。根據 Synergy Research Group 的數據，2024年全球云基礎設施服務市場增長了 22%，達到 3300 億美元。通過結合新的 GenAI 平臺服務、GPU 即服務以及對各種其他云服務的增強，生成式 AI 至少貢獻了云服務收入增長的一半。海外大廠方面，AI 推動云廠業績增長邏輯已被初步驗證。長期視角下，盡管 DeepSeek 降低了單個模型的部署成本，但部署大模型的成本下降有望吸引更多廠商關注并使用 AI 技術。DeepSee

6、k 的接入促使云廠商提供更多樣的算力租用方案、優化模型部署流程，推動云服務普及并提供增值服務。我們認為，DeepSeek 之后，云服證券研究報告證券研究報告行業研究報告行業研究報告請認真閱讀文后免責條款務相關廠商為直接受益方，有望率先進入業績兌現期。端側：算力平權下的受益方向端側：算力平權下的受益方向。邊緣 AI 是大模型和智能硬件的結合，包含了算法、芯片、硬件等整個產業鏈上下游。Deepseek模型算法的進步大幅壓降了推理成本，使得輕量化模型更容易在端側部署，各應用場景下的端側智能有望迎來快速發展，預期部署落地時間或將提前。AI 應用應用：AI 普惠化趨勢下普惠化趨勢下，產品大規模落地可期產

7、品大規模落地可期。DeepSeek 的開源和低成本特性有望促進 AI 技術普惠化，使 AI 應用更具爆發潛力。我們認為，AI 有望深度賦能傳統 SaaS、IaaS 業務模式，打造產品差異點，打通各類垂類場景中的“最后一公里”需求堵點，刺激消費意愿。同時，海外方面，部分 AI 應用相關個股已逐步兌現業績，在 AI 應用前沿落地場景中，全球 AI 應用產業有望迎來共振期。投資建議投資建議：我們認為，DeepSeek 開源、低成本、高性能模式有望助推國內 AI 技術的普惠化，其算法上的“后發優勢”在國產 AI產業鏈中有傳導潛力。海外 AI 產業的映射作用疊加國內 AI 產業的全面國產化機遇將為國產

8、AI 注入新的增長動能，維持 TMT 行業“推薦推薦”評級。建議關注國產算力環節：神州數碼（000034.SZ）、浪潮信息（000977.SZ）、中科曙光（603019.SH）；軟通動力（301236.SZ）、云賽智聯（600602.SH）；端側 AI：博士眼鏡（300622.SZ）、億道信息（001314.SZ）、翱捷科技-U（688220.SH）、樂鑫科技（688018.SH）、恒玄科技（688608.SH）、中科藍訊（688332.SH）、星宸科技（301536.SZ）；AI 應用環節：金山辦公（688111.SH）、科大訊飛(002230.SZ)、科遠智慧（002380.SZ）、鼎捷數

9、智（300378.SZ）、創業慧康（300451.SZ）、用友網絡（600588.SH）、致遠互聯（688369.SH）、螢石網絡（688475.SH）、合合信息（688615.SH）。風險提示：風險提示：所引用數據資料的誤差風險；AI 投資力度不及預期；AI 產品競爭加??；重點關注公司業績不達預期；政策標準出臺速度不及預期；部分公司短期估值過高帶來的股價回調風險。行業研究報告行業研究報告請認真閱讀文后免責條款表：重點關注公司及盈利預測表：重點關注公司及盈利預測股票代碼股票代碼股票簡稱股票簡稱2025/02/25EPS（元）（元）PE投資投資評級評級股價（元）股價（元）2023A2024E20

10、25E2026E2023A2024E2025E2026E000034.SZ神州數碼53.71.752.112.583.1630.725.520.817.0增持000977.SZ浪潮信息64.971.181.601.992.3955.040.732.627.2未評級001314.SZ億道信息56.880.960.220.871.0659.3258.565.153.6未評級002230.SZ科大訊飛55.620.280.240.380.52198.6227.1144.9106.4未評級002380.SZ科遠智慧28.30.671.031.361.7042.227.520.816.7增持300378

11、.SZ鼎捷數智38.650.560.650.811.0069.059.247.938.7未評級300451.SZ創業慧康6.360.02-0.110.180.25318.0/34.525.7未評級300622.SZ博士眼鏡56.360.740.780.911.0576.271.862.353.5未評級301236.SZ軟通動力70.970.560.190.821.03126.7373.586.269.1未評級301536.SZ星宸科技82.350.490.660.841.06168.1124.898.077.7增持600588.SH用友網絡16.47-0.29-0.560.080.17-56.

12、8/217.398.6未評級600602.SH云賽智聯28.80.140.160.200.25204.3175.7143.1115.8未評級603019.SH中科曙光76.11.251.481.792.1660.951.442.535.2增持688018.SH樂鑫科技231.331.703.094.095.38136.074.956.543.0未評級688111.SH金山辦公366.52.863.294.095.18128.2111.589.770.7未評級688220.SH 翱捷科技-U98.4-1.22-1.86-0.700.37-80.7/269.0未評級688332.SH中科藍訊125

13、.222.102.453.244.1159.651.038.730.5未評級688369.SH致遠互聯28.69-0.44-1.560.100.30-65.2/294.994.9未評級688475.SH螢石網絡39.81.000.640.911.1339.862.243.835.2未評級688608.SH恒玄科技381.81.033.754.966.71369.3101.876.956.9未評級688615.SH合合信息260.94.313.934.875.9960.566.453.643.5未評級數據來源：數據來源：Wind，華龍證券研究所，華龍證券研究所，注：神州數碼、科遠智慧、星宸科技、

14、中科曙光盈利預測來源于華龍證券注：神州數碼、科遠智慧、星宸科技、中科曙光盈利預測來源于華龍證券研究所，億道信息、創業慧康、軟通動力、用友網絡、樂鑫科技、翱捷科技研究所，億道信息、創業慧康、軟通動力、用友網絡、樂鑫科技、翱捷科技-U、致遠互聯、螢石網絡、恒玄科、致遠互聯、螢石網絡、恒玄科技技 2024 年盈利預測來源于公司業績快報年盈利預測來源于公司業績快報/業績預告，其余所有公司盈利預測數據來自業績預告，其余所有公司盈利預測數據來自 Wind 一致預期一致預期行業研究報告行業研究報告請認真閱讀文后免責條款內容目錄內容目錄1 DeepSeek 推出對標推出對標 o1 開源模型，國產大模型攻城略地

15、開源模型，國產大模型攻城略地.12 算力：看好國產算力長期需求增長，云服務仍是最直接受益方向算力：看好國產算力長期需求增長，云服務仍是最直接受益方向.42.1 算力芯片：長期需求有望高增，關注大廠資本開支.42.2 云服務：國內云廠商與 DeepSeek 全面適配，海外映射下，云服務仍為最直接受益方向.63 端側：算力平權下的受益方向端側：算力平權下的受益方向.74AI 應用：有望進入應用：有望進入“后發優勢后發優勢”時代，靜待超級應用誕生時代，靜待超級應用誕生.125 投資建議投資建議.146 風險提示風險提示.16圖目錄圖目錄圖 1：DeepSeek-R1 性能指標對比.1圖 2：Deep

16、Seek-R1 輸入輸出價格對比.1圖 3：DeepSeek DAU 趨勢圖.2圖 4：DeepSeek-R1-Zero 在訓練期間的 AIME 準確性.2圖 5：蒸餾模型和 RL 模型在推理相關基準上的比較.3圖 6：Scaling law 下指數變化隨時間趨于平滑.4圖 7：海外大廠資本資本支出情況（十億美元）.6圖 8：國內大廠資本支出情況（億元）.6圖 9：2014-2024 年全球云基礎設施服務市場規模.7圖 10：全球邊緣 AI 市場規模變化（十億美元）.8圖 11：國內 AI 手機滲透率變化.10圖 12：全球 AI 手機滲透率預測.10圖 13：全球可穿戴市場增長情況.10圖

17、14：2024-2028 年各類可穿戴設備出貨量增長情況（%）.11圖 15：微信小程序月活用戶規模.13圖 16：AGI 層級劃分.13圖 17：不同層級中 AI 的能力.14表目錄表目錄表 1：各大手機廠商大模型落地梳理.9表 2：海外部分 AI 應用端公司動態.12表 3：重點關注公司及盈利預測.15行業研究報告行業研究報告請認真閱讀文后免責條款11 DeepSeek 推出對標推出對標 o1 開源模型，國產大模型攻城略地開源模型，國產大模型攻城略地定價低廉定價低廉+性能比肩全球頂尖模型性能比肩全球頂尖模型+開源，開源，DeepSeek 引起全球關注。引起全球關注。2025 年 1 月 2

18、0 日，DeepSeek 正式發布 DeepSeek-R1 模型，并同步開源模型權重。該模型在后訓練階段大規模使用了強化學習技術，在數學、代碼、自然語言推理等任務上，性能比肩 OpenAI 的 o1 正式版。API 定價方面，DeepSeek-R1API 服務定價為每百萬輸入 tokens1 元（緩存命中）/4 元（緩存未命中），每百萬輸出tokens16元；約是OpenAI-o1對應定價的1.8%/3.6%和 3.7%。DAU 快速上升快速上升，成為行業現象級產品成為行業現象級產品。2025 年 2 月 8 日，QuestMobile數據顯示，DeepSeek 在 1 月 28 日的 DAU

19、（日活躍用戶數）首次超越豆包，隨后在 2 月 1 日突破 3000 萬大關，成為史上最快達成這一里程碑的應用。圖圖 1：DeepSeek-R1 性能指標對比性能指標對比圖圖 2：DeepSeek-R1 輸入輸出價格對比輸入輸出價格對比數據來源：數據來源：DeepSeek 官網官網，華龍證券研究所華龍證券研究所數據來源：數據來源：DeepSeek 官網官網，華龍證券研究所華龍證券研究所行業研究報告行業研究報告請認真閱讀文后免責條款2圖圖 3：DeepSeek DAU 趨勢圖趨勢圖資料資料來源：來源：QuestMobile，華龍證券研究所，華龍證券研究所技術路徑上，傳統大模型訓練依賴監督微調（如人

20、工標注數據），而DeepSeek R1-zero 是完全依賴強化學習（RL）訓練的大語言模型，能夠在無監督環境下通過自我反思和環境交互優化策略，提升了模型的推理性能,證明了模型僅通過 RL 就能夠實現有效學習和泛化的能力。例如，當AIME 基準測試采用多數表決時，DeepSeek-R1-Zero 的性能從 71.0%上升到 86.7%，超過了 OpenAI-o1-0912 的性能。圖圖 4：DeepSeek-R1-Zero 在訓練期間的在訓練期間的 AIME 準確性準確性數據數據來源來源：DeepSeek-AI：DeepSeek-R1:Incentivizing Reasoning Capab

21、ility in LLMs viaReinforcement Learning，華龍證券研究所，華龍證券研究所行業研究報告行業研究報告請認真閱讀文后免責條款3在 DeepSeek-R1-Zero 和 DeepSeek-V3 基礎上，DeepSeek-R1 引入冷啟動數據（cold-start data）和多階段訓練流程，進一步提升模型性能。（1）冷啟動數據的應用）冷啟動數據的應用訓練時使用少量高質量的長推理鏈（Chain-of-Thought,CoT）數據作為冷啟動，提升模型的初始性能和收斂速度。且冷啟動數據的設計注重可讀性和人類偏好，例如在輸出格式中加入總結（summary）。（2）多階段訓

22、練流程）多階段訓練流程第一階段：使用冷啟動數據對基礎模型進行微調。第二階段：面向推理的強化學習，專注于提升模型在推理密集型任務（如數學、編程、科學推理等）中的表現。第三階段：通過拒絕采樣和監督式微調，收集推理相關的訓練樣本，涵蓋推理和非推理數據。第四階段：適用于所有場景的強化學習，結合規則基礎獎勵和人類偏好獎勵模型，進一步優化模型的有用性和安全性。此外，DeepSeek 驗證了大模型推理模式可以通過蒸餾遷移到小型模型中，能夠顯著提升小型模型的推理能力。例如，通過 RL 訓練可使得DeepSeek-R1-Zero-Qwen-32B 達到與 QwQ-32B-Preview 相當的性能。但是，從 D

23、eepSeek-R1 中提煉出來的 DeepSeek-R1 Distill-Qwen-32B 在所有基準測試中的表現明顯優于 DeepSeek-R1-Zero-Qwen-32B。但同時，DeepSeek 認為雖然蒸餾策略既經濟又有效，但超越智能界限的進步可能仍然需要更強大的基礎模型和更大規模的強化學習。圖圖 5：蒸餾模型和蒸餾模型和 RL 模型在推理相關基準上的比較模型在推理相關基準上的比較數據數據來源來源：DeepSeek-AI：DeepSeek-R1:Incentivizing Reasoning Capability in LLMs viaReinforcement Learning，華

24、龍證券研究所，華龍證券研究所DeepSeek-R1 通過強化學習和冷啟動數據的結合，在推理任務中取得了與 OpenAI-o1 系列模型相當的性能。同時，通過模型蒸餾技術，DeepSeek-R1 的能力被成功遷移到小型密集模型中，顯著提升了這些模型的推理能力。充分證明了 DeepSeek-R1 在語言模型推理能力方面的突破和潛力，為國內 AI 產業提供了極具性價比的選擇方案。行業研究報告行業研究報告請認真閱讀文后免責條款42 算力：看好國產算力長期需求增長，云服務仍是最直接受益算力：看好國產算力長期需求增長，云服務仍是最直接受益方向方向2.1 算力算力芯片芯片：長期需求有望高增，關注大廠資本開支

25、：長期需求有望高增，關注大廠資本開支Scaling law 是大模型、尤其是 LLM 進步過程中的核心概念之一，它是一個描述 LLM 測試損失隨某個變量的增長而降低的公式，其含義可以簡單概括為：只要使用更多數據訓練更大規模的模型，模型表現就更好。其中，影響模型表現的變量主要有三個：模型參數數量、數據集大小、用于訓練的計算量。自 OpenAI 于 2020 年在論文中提出這一公式以來，scalinglaw 就成為各大科技巨頭發展大模型時的重要基礎。但是，Deepseek 的突破使市場產生了“scaling law 是否依然有效？”的疑問。從其本質意義上來看，scaling law 衡量的指標是預

26、訓練期間模型的測試損失，而普通下游用戶實際上更關心 LLM 的性能，也就是推理能力。換言之，scaling law 可以告訴研發人員如何降低 LLM 的測試損失，而不是如何獲得在實際應用時表現更加優秀的 LLM，這事實上是兩個不同的問題。更重要的是，從它的定義來看，長期指數趨于平滑是 scaling law 結論的一部分，要進一步長期提升模型性能，需要尋找其他方法，而這與 scaling law本身并不沖突。圖圖 6：Scaling law 下指數變化下指數變化隨時間趨于平滑隨時間趨于平滑數據來源：機器之心，華龍證券研究所數據來源：機器之心，華龍證券研究所在此背景下，DeepSeek 的出現被

27、看作是某種對 scaling law 的“突破”，行業研究報告行業研究報告請認真閱讀文后免責條款5它所采用的 MOE 架構、監督微調基礎上的 RL（強化學習）、以及 CoT深度復雜推理等，均是在預訓練之外進行的有益嘗試，并取得了重要突破。具體而言，DeepSeek 在算力芯片硬件限制下，通過算法框架更新和系統工程優化實現了模型性能的明顯提升，并在這一過程中證明了適當獎勵機制下的強化學習與深度推理依舊服從 scaling law，是在 scaling law 法則下繼續推動 AI 進步的另一個方向。因此，scaling law 依然有效。然而，關于一個更加便宜、同等性能、且開源的大模型對于上游算

28、力是好是壞這個問題，市場看法不一?！敖芪乃广Ｕ摗保↗evons Paradox）揭示了科技進步與需求變化之間的復雜關系。經濟學家杰文斯發現，能源效率提高與能源需求減少之間存在矛盾，即：雖然技術進步或資源利用效率提高使得某種資源使用更加高效，但這卻并未減少該種資源的用量，反而因為技術的進步刺激了該資源更廣泛的需求，導致總體資源消耗量增加。將這一悖論應用在人工智能領域，DeepSeek 打破單純依靠算力投資強度提高 AI 性能的路徑，證明算法也可以推動 AI 性能提升。短期來看，這對算力硬件端產生了較大沖擊。1 月 27 日，美股算力芯片龍頭英偉達重挫17%，市值蒸發約 6000 億美元，博通大跌

29、超 17%，臺積電等相關個股均大幅下跌，體現市場對 GPU、ASIC 芯片廠商的擔憂，并引發主流媒體對DeepSeek 的密集關注。但長期來看，DeepSeek 將大模型的成本大幅降低，實現了不同規模公司在 AI 領域的“平權”，給 AI 發展創造新的道路，是對人工智能的一次歷史級推動，將刺激算力需求增長。因此，DeepSeek 短期或對算力有所沖擊，但長期有望促進算力需求的指數級增長，英偉達、博通等算力芯片公司需要更多考慮其產品應用領域與未來發展方向。隨著 deepseek 對大模型的更新與推動，海內外科技龍頭之間的算力競爭或將更加激烈，帶動整體需求增長。根據金融時報報道，海外科技巨頭資本支

30、出連年大幅增長，2025 年預計繼續高增。1 月份 deepseek 發布后，海外大廠加大投資以應對新變化的訴求更加強烈，微軟、alphabet（谷歌母公司）、亞馬遜和 Meta 等四家公司 2025 年資本支出累計將達到至少 3200億美元，較 2024 年 2460 億美元大幅增長。金融時報稱，持續加大的投入將主要聚焦數據中心建設和云服務，以保證其在與中國大模型的競爭中處于領先地位。國內方面，騰訊、阿里等主要云廠商近年來資本支出維持高水平，作為國內大模型領頭羊，字節有望實現后來居上。行業研究報告行業研究報告請認真閱讀文后免責條款6圖圖 7：海外大廠資本資本支出情況（十億美元）海外大廠資本資

31、本支出情況（十億美元）圖圖 8：國內大廠資本支出情況（億元）國內大廠資本支出情況（億元）數據來源：金融時報，華龍證券研究所數據來源：金融時報，華龍證券研究所數據來源數據來源：Wind，華龍證券研究所華龍證券研究所（2024 年騰訊數據未年騰訊數據未披露）披露）與此同時，deepseek 的平權效應將更大程度上刺激國內算力發展，帶動包括國產 GPU、軟件生態、以及數據中心的增長，國產替代有望加速，具備更高確定性。2.2 云服務云服務：國內云廠商與國內云廠商與 DeepSeek 全面適配全面適配，海外映射下海外映射下，云服務仍為云服務仍為最直接受益方向最直接受益方向根據 Synergy Resea

32、rch Group 的數據，2024 年全球云基礎設施服務市場增長了 22%，達到 3300 億美元。通過結合新的 GenAI 平臺服務、GPU即服務以及對各種其他云服務的增強，生成式 AI 至少貢獻了云服務收入增長的一半。海外大廠方面，AI 推動云廠業績增長邏輯已被初步驗證。具體來看，谷歌云在 2024 年第四季度的銷售額為 120 億美元，同比增長 30%，主要受益于其核心 GCP（Google Cloud Platform）產品、人工智能基礎設施和生成性人工智能解決方案方面的增長，AI 技術的推動作用顯著。微軟Azure 和其他云服務的收入在 2024 年第四季度增長了 31%。Azur

33、e 的增長中，有 13 個百分點來自 AI 服務，AI 服務同比增長 157%，超出預期，主要得益于 Azure 與 OpenAI 的合作。行業研究報告行業研究報告請認真閱讀文后免責條款7圖圖 9：2014-2024 年全球年全球云基礎設施服務云基礎設施服務市場規模市場規模數據來源：數據來源：Synergy Research Group，華龍證券研究所，華龍證券研究所DeepSeek 通過算法創新，大幅降低了推理模型輸入/輸出定價。在短期內，加強了國產訓練芯片對海外高端訓練芯片的替代邏輯，同時使國產芯片在推理端更具性價比，為國產算力芯片打開了潛在市場空間，加速其在訓練、推理側的部署和應用。此外

34、，海內外大模型價格戰如火如荼。一方面，DeepSeek 發布后，大模型價格戰愈演愈烈。大模型行業發展思路有望迎來轉變，即從“閉源算法競爭”向“開源生態構建”轉變。另一方面，國產算力平臺與 DeepSeek 全面適配，AI 產業全面國產化有望加速，或進一步刺激 B 端/G 端 AI 需求。近期，DeepSeek 系列新模型上線華為昇騰社區。據華為官方，部署 DeepSeek-V3 模型需配置 4 臺 Atlas 800IA2（8*64G）服務器資源。此外，京東云、騰訊云、火山引擎、阿里云等也已官宣上架DeepSeek 模型。長期視角下，盡管 DeepSeek 降低了單個模型的部署成本，但部署大模

35、型的成本下降有望吸引更多廠商關注并使用 AI 技術。DeepSeek 的接入促使云廠商提供更多樣的算力租用方案、優化模型部署流程，推動云服務普及并提供增值服務。我們認為，DeepSeek 之后，云服務相關廠商為直接受益方，有望率先進入業績兌現期。3 端側：算力平權下的受益方向端側：算力平權下的受益方向AI 的快速迭代發展推動了各個行業效率提高，并反向刺激大模型性能提升，但是云端大模型始終面臨著數據依賴/數據質量/數據安全、能源與計算效率瓶頸、算法優化、網絡延遲等挑戰，這限制大模型在端側的擴展行業研究報告行業研究報告請認真閱讀文后免責條款8應用。邊緣 AI 將大模型從云端推向具體應用場景，靠近數

36、據采集端和業務閉環端，可以有效提高算力承載能力，降低成本。云天勵飛創始人陳寧認為，邊緣 AI 的三個顯著特點構成其獨特競爭力。第一是更低的成本。邊緣 AI 可以使大模型部署在包括手機、PC/平板、汽車、可穿戴設備等諸多日常應用場景中，提升使用體驗。第二是數據安全與隱私保護。因為更靠近用戶端，數據無需上傳至云端即可在應用端進行處理，不用擔心數據泄露。第三是超低時延。數據就近處理節省了傳輸帶來的時延，可以提供更快速和穩定的服務。2024 年全球邊緣 AI 市場規模約 235 億美元，2032 年有望增長至 1436 億美元，其中制造、汽車、政府、IT/通信行業需求規?？壳?。圖圖 10：全球邊緣全球

37、邊緣 AI 市場規模變化（十億美元）市場規模變化（十億美元）數據來源：機器之心，華龍證券研究所數據來源：機器之心，華龍證券研究所邊緣 AI 是大模型和智能硬件的結合，包含了算法、芯片、硬件等整個產業鏈上下游。Deepseek 模型算法的進步大幅壓降了推理成本，使得輕量化模型更容易在端側部署，各應用場景下的端側智能有望迎來快速發展，預期部署落地時間或將提前。AI 手機手機智能手機是 AI 在端側部署的最成熟應用場景之一，在 deepseek 突破背景下，AI 手機落地時間表有望整體提前。2024 年可以看作“AI 手機元年”，包括 OPPO、vivo、華為、小米、榮耀、蘋果、三星等主流廠商都在這

38、一年推出了 AI 手機，將大模型部署在手機上，國內品牌的行動甚至略快于海外龍頭。行業研究報告行業研究報告請認真閱讀文后免責條款9表表 1：各大手機廠商大模型落地梳理各大手機廠商大模型落地梳理項目項目小米小米vivoOPPO榮耀榮耀三星三星華為華為魅族魅族大模型大模型小米大模型藍心大模型安第斯大模型魔法大模型+接入其他大模型Gauss 大模型盤古大模型/大模型參大模型參數配備數配備1.3B、6B1B、7B、70B、130B、175B7B、70B、180B7B/10B、71B、100B/落地場景落地場景語音交互：新版小愛同學；自動駕駛、機器人等 IoT 生態藍心千詢：自然語音對話、圖片生成；藍心小

39、V：手機智能管家小新小布助手；通話語音摘要；圖片一鍵AIGC 消除、圖像填充智能成片；圖庫語義搜索、一拖日程、任意門等通話實時翻譯；圖片 AI清除、智能修圖；即圈即搜AI 擴圖語音助手小藝助手：文本生成、知識查找、資料總結等/部署方式部署方式端側計算云端部署+端云部署+本地運行云端部署+端云部署+本地運行端側計算云端部署+本地運行云端/人員人員/資金資金投入投入1200 人大模型團隊超千人、超200 億投入/投入超 100億（含算力）/生態建設生態建設/藍心大模型開 發 套 件BluekitAI Pro 智能體 開 發 平臺；安第斯智能云數據中心百模生態計劃，接入其他行業垂直大模型、通用大模型

40、合作百度千帆、美圖 AI視覺大模型MiracleVision/重構 flyme系統、向大模型團隊開放魅族 AI硬件生態落地機型落地機型小米 14 系列vivo X100系列Find X7 系列Magic 6 系列三星 S24 系列Mate 60 系列數據來源：數據來源：36 氪，華龍證券研究所氪，華龍證券研究所盡管手機廠商均跨出了大模型部署的第一步，但 AI 手機的真正成熟商用仍然面臨成本壓降等諸多挑戰。為實現智能化，手機要部署更大參數的大模型，這會大大提升算力成本，提質降費是跑通這個商業模式的核心。此外，不同于訓練環節的高計算性能要求，對于部署在端側的模型而言，推理環節更看重用戶體驗，利用訓

41、練好的模型進行推理預測才能更好滿足不同用戶需求。Deepseek 的創新，不僅大幅降低了大模型成本，而且在推理環節取得了長足進步，有望逐步解決端側大模型面臨的痛點。國內外 AI 手機出貨量快速增長、滲透率持續提升，有望在大模型迭代下保持高速增長。2024 年第三季度，國內 AI 手機出貨量同比激增 591%，AI 手機滲透率由 2023 年同期 3%躍升至 22%。據 IDC 預測，2025 年中國AI 手機市場出貨量將達 1.18 億臺，同比增長 59.8%，占比 40.7%。根據Canalys 數據，截至 2024 年底，全球 AI 手機出貨中 16%已部署生成式 AI。在 AIAgent

42、 和端側智能推動下，2023-2028 年間，全球 AI 手機出貨量將以63%的年均復合增速增長，2028 年 AI 手機滲透率將達 54%。行業研究報告行業研究報告請認真閱讀文后免責條款10可穿戴設備可穿戴設備可穿戴設備種類多、應用場景不斷擴充，未來增長前景廣闊。據 IDC數據，2024 年全球可穿戴設備出貨量 5.38 億臺，同比增長 6.1%。未來數年，全球可穿戴市場仍有望保持穩定增長，到 2028 年增速仍將維持在 2%以上。圖圖 13：全球可穿戴市場增長情況全球可穿戴市場增長情況數據來源：數據來源：Statista，華龍證券研究所，華龍證券研究所從產品類別來看，耳機在可穿戴市場中占比

43、超 60%，為第一大品類，有望在新興經濟體需求和更新需求推動下保持穩定增長，2028 年出貨量有圖圖 11：國內國內 AI 手機滲透率變化手機滲透率變化圖圖 12：全球全球 AI 手機滲透率預測手機滲透率預測數據來源：數據來源：Canalys，華龍證券研究所華龍證券研究所數據來源：數據來源：Canalys，華龍證券研究所華龍證券研究所行業研究報告行業研究報告請認真閱讀文后免責條款11望接近 4 億臺。智能手表 2024 年受印度市場影響較大，出貨量下滑 3%，2025 年有望反彈至 4.8%，預計 2028 年出貨量 1.75 億臺。作為當前存量市場最大的兩個類別，耳機與智能手表2024-20

44、28年CAGR分別為3.9%、2.9%，仍將保持穩健。與此同時，消費者對耳機與手表的智能化需求日益提升，運動、健康監護等消費場景推動端側智能落地，滲透率有望不斷提高。由于大模型部署與需求場景最為貼合、邏輯最為順暢，智能眼鏡被業內看作實現端側智能的第一站。2024 年，全球出貨量 180 萬臺，同比大增73.1%，與智能戒指增速（88.4%）顯著高于其他品類。2025 年初 CES 展會上的“百鏡大戰”反映了各大廠商對這一賽道的看好，海內外多個頭部科技企業先后推出智能眼鏡產品。據 IDC 預測，2028 年全球智能眼鏡出貨量將達 230 萬臺，智能戒指出貨量將達 310 萬臺，兩者 2024-2

45、028 年 CAGR分別為 7.6%、17%，為未來數年增速最快的兩大品類，并將顯著推動端側智能落地。圖圖 14：2024-2028 年各類可穿戴設備出貨量增長情況（年各類可穿戴設備出貨量增長情況（%）數據來源：數據來源：IDC，華龍證券研究所，華龍證券研究所當前，端側算力是限制可穿戴設備交互體驗、制約大規模商業化的主要障礙之一，其主要解決方式包括更高性能的集成芯片（Soc、NPU）、更強大的端側模型和大小模型協同處理、以及設備續航能力等。在 deepseek實現模型小型化、低成本后，集成芯片的跟進與突破更顯重要，而在模型創新的支持下，算力芯片根據具體需求進行集成和迭代的難度也有所減小。目前國

46、內多家 SoC 芯片公司已在各自專業領域基礎上推出能夠支持端側AI、并集成多項推理能力的新一代芯片產品，推動端側智能在眼鏡、戒指行業研究報告行業研究報告請認真閱讀文后免責條款12等新交互場景更早落地。4 AI 應用：有望進入應用：有望進入“后發優勢后發優勢”時代，靜待超級應用誕生時代，靜待超級應用誕生互聯網時代向互聯網時代向 AI 時代轉型背景下時代轉型背景下，AI 賦能傳統應用是大勢所趨賦能傳統應用是大勢所趨。在當下，AI 有望深度賦能傳統 SaaS、IaaS 業務模式，打造產品差異點，刺激消費意愿。海外方面，部分 AI 應用相關個股已逐步兌現業績，在 AI 應用前沿落地場景中，全球 AI

47、應用產業有望迎來共振期。表表 2：海外部分海外部分 AI 應用端公司動態應用端公司動態證券代碼證券代碼證券簡稱證券簡稱最近定期報告最近定期報告實際披露日期實際披露日期營業收入同比營業收入同比增長率（增長率（%）最新報告期最新報告期 歸母凈利潤同歸母凈利潤同比增長率（比增長率（%）最新報告期最新報告期 20242024 年內最大年內最大漲跌幅（漲跌幅（%）20242024 年內漲跌年內漲跌幅（幅（%）AI+AI+場景場景CRM.NSALESFORCE2024-12-039.1266.8874.6027.76AI+客戶關系管理ADBE.OADOBE2024-12-1110.802.434.59-2

48、5.46AI+內容創作TEM.OTEMPUS AI2024-11-0428.28-323.38247.27-16.12AI+醫療保健SOUN.OSOUNDHOUND AI2024-11-1274.58-29.811,441.98835.85AI+語音SNOW.NSNOWFLAKE2024-11-2029.92-43.7174.46-22.41AI+數據平臺SHOP.NSHOPIFY2025-02-1125.781,429.55148.6036.50AI+電子商務PLTR.OPALANTIRTECHNOLOGIES2025-02-0328.79120.27441.35340.48AI+大數據分析

49、MDB.OMONGODB2024-12-0919.02-19.6173.92-43.06AI+企業的數據管理DUOL.ODUOLINGO2024-11-0641.661,790.30160.9342.93AI+教育DDOG.ODATADOG2024-11-0726.512,646.5872.1517.72AI+企業管理TEAM.OATLASSIAN2025-01-3021.41-39.21112.852.32AI+辦公APP.OAPPLOVIN2024-11-0643.21431.541,016.67712.62AI+廣告平臺數據數據來源：來源：Wind，華龍證券研究所華龍證券研究所DeepS

50、eek 的開源和低成本特性有望促進的開源和低成本特性有望促進 AI 技術普惠化，使技術普惠化，使 AI 應用應用更具爆發潛力更具爆發潛力。2025年2月16日，微信搜一搜正式灰度測試接入DeepSeek。僅從微信流量主要載體之一的微信小程序用戶數據來看，據 QuestMobile，2024 年 10 月微信小程序月活躍用戶規模達 9.49 億，月人均使用時長 1.7小時，月人均使用次數近 70 次，月人均使用天數 20 天，具備龐大的用戶規模、活躍度和用戶黏性?；诖?，數據、AI 算法、用戶量將很快形成飛輪效應，大幅提高流量變現效率。當前國內傳統應用數量多、覆蓋群體廣泛，“國民級”應用微信接入

51、 DeepSeek 是國內 AI 生態的一次重要探索，類似 AI+傳統應用的形式有望持續落地開花。我們認為，DeepSeek 證明了通過算法優化能夠在 AI 產業中取得“后發優勢”，其帶來的“AI 平權”也為國內 AI 應用發展打開了想象空間，為“后發優勢”向國內 AI 產業下游傳導鋪平了道路。行業研究報告行業研究報告請認真閱讀文后免責條款13圖圖 15：微信小程序月活用戶規模微信小程序月活用戶規模數據數據來源：來源：QuestMobile，華龍證券研究所，華龍證券研究所具體而言，以 DeepSeek 為代表的國產模型，將助力大量傳統 APP 轉型升級，加速 AI 技術向垂類場景下沉，打通用戶

52、真實需求中的“最后一公里”堵點。結合我國國情及海外映射情況分析，看好 AI 率先在醫療、教育、電商、辦公、編程等垂類場景中落地。其中，AIAgent、多模態 AI等是 AI 發展的重點分支方向。AIAgent：能夠支持自然語言輸入，能夠根據用戶請求自動拆解任務：能夠支持自然語言輸入，能夠根據用戶請求自動拆解任務并跨并跨 APP 執行，是當前執行，是當前 AI 應用的重要領域之一。應用的重要領域之一。根據 DeepMind 團隊在論文 Position:Levels ofAGI for Operationalizing Progress on the Path toAGI中對 AGI 路徑的定義

53、，AIAgent 被定義為第五級別自動化（最高級別）。從 AI 的最終形態來看，AI 能夠在識別、理解、推理的基礎上參與決策并執行操作是發展 AGI 的必經之路。圖圖 16：AGI 層級劃分層級劃分資料資料來源來源：Meredith Ringel Morris,et al.：Position:Levels ofAGI for OperationalizingProgress on the Path toAGI，華龍證券研究所，華龍證券研究所行業研究報告行業研究報告請認真閱讀文后免責條款14圖圖 17：不同層級中不同層級中 AI 的能力的能力資料資料來源來源：Meredith Ringel Mo

54、rris,et al.：Position:Levels ofAGI for OperationalizingProgress on the Path toAGI，華龍證券研究所，華龍證券研究所以DeepSeek為代表的模型算法升級有望加速AIAgent的開發和應用，使其在更復雜的任務和場景中發揮作用，主要落地場景包括辦公、營銷、醫療、工業制造等。對B端需求場景來說，DeepSeek能夠充分賦能AIAgent，開發智能客服、智能辦公助手等應用，提高工作效率和用戶體驗。例如，通過與企業應用的深度結合，AI Agent 可以實現智能化的業務流程自動化和決策支持。DeepSeek 火爆出圈之后，多家上

55、市公司將 DeepSeek 與 AI Agent、軟件產品融合，通過 DeepSeek 深度賦能。AIAgent 與 DeepSeek 結合在多個應用場景落地。我們認為，技術與生態的碰撞有望推動 B 端業務線優化和C 端 AI 玩法破圈。多模態多模態 AI：當前，：當前，AI 產品以智能聊天機器人為主，單一模態的輸入產品以智能聊天機器人為主，單一模態的輸入及輸出會大幅限制使用場景及輸出會大幅限制使用場景，多模態成為必然發展的分支方向多模態成為必然發展的分支方向。未來，多模態 AI 有望推動 AI 技術向智能設備下沉。近期，多家 A 股 AI 應用端上市公司官宣接入 DeepSeek-R1 和賦

56、能公司自有 AI 多模態大模型或產品。如，萬興科技完成 DeepSeek-R1 的深入適配，旗下視頻創意、繪圖創意及文檔創意軟件業務產品均已融合 DeepSeek-R1 大模型相關能力；當虹科技將BlackEye多模態視聽大模型與DeepSeek-R1和DeepSeek Janus Pro融合。5 投資建議投資建議我們認為，DeepSeek 開源、低成本、高性能模式有望助推國內 AI技術的普惠化，其算法上的“后發優勢”在國產 AI 產業鏈中有傳導潛力。海外 AI 產業的映射作用疊加國內 AI 產業的全面國產化機遇將為國產 AI注入新的增長動能，維持 TMT 行業“推薦”評級。建議關注國產算力環

57、行業研究報告行業研究報告請認真閱讀文后免責條款15節：神州數碼（000034.SZ）、浪潮信息（000977.SZ）、中科曙光（603019.SH）；軟通動力（301236.SZ）、云賽智聯（600602.SH）；端側 AI：博士眼鏡（300622.SZ）、億道信息（001314.SZ）、翱捷科技-U（688220.SH）、樂鑫科技（688018.SH）、恒玄科技（688608.SH）、中科藍訊（688332.SH）、星宸科技（301536.SZ）；AI 應用環節：金山辦公（688111.SH）、科大訊飛(002230.SZ)、科遠智慧（002380.SZ）、鼎捷數智（300378.SZ）、創

58、業慧康（300451.SZ）、用友網絡（600588.SH）、致遠互聯（688369.SH）、螢石網絡（688475.SH）、合合信息（688615.SH）。表表 3：重點關注公司及盈利預測重點關注公司及盈利預測股票代碼股票代碼股票簡稱股票簡稱2025/02/25EPS（元）（元）PE投資投資評級評級股價（元）股價（元）2023A2024E2025E2026E2023A2024E2025E2026E000034.SZ神州數碼53.71.752.112.583.1630.725.520.817.0增持000977.SZ浪潮信息64.971.181.601.992.3955.040.732.627

59、.2未評級001314.SZ億道信息56.880.960.220.871.0659.3258.565.153.6未評級002230.SZ科大訊飛55.620.280.240.380.52198.6227.1144.9106.4未評級002380.SZ科遠智慧28.30.671.031.361.7042.227.520.816.7增持300378.SZ鼎捷數智38.650.560.650.811.0069.059.247.938.7未評級300451.SZ創業慧康6.360.02-0.110.180.25318.0/34.525.7未評級300622.SZ博士眼鏡56.360.740.780.9

60、11.0576.271.862.353.5未評級301236.SZ軟通動力70.970.560.190.821.03126.7373.586.269.1未評級301536.SZ星宸科技82.350.490.660.841.06168.1124.898.077.7增持600588.SH用友網絡16.47-0.29-0.560.080.17-56.8/217.398.6未評級600602.SH云賽智聯28.80.140.160.200.25204.3175.7143.1115.8未評級603019.SH中科曙光76.11.251.481.792.1660.951.442.535.2增持688018

61、.SH樂鑫科技231.331.703.094.095.38136.074.956.543.0未評級688111.SH金山辦公366.52.863.294.095.18128.2111.589.770.7未評級688220.SH 翱捷科技-U98.4-1.22-1.86-0.700.37-80.7/269.0未評級688332.SH中科藍訊125.222.102.453.244.1159.651.038.730.5未評級688369.SH致遠互聯28.69-0.44-1.560.100.30-65.2/294.994.9未評級688475.SH螢石網絡39.81.000.640.911.1339

62、.862.243.835.2未評級688608.SH恒玄科技381.81.033.754.966.71369.3101.876.956.9未評級688615.SH合合信息260.94.313.934.875.9960.566.453.643.5未評級數據來源：數據來源：Wind，華龍證券研究所，華龍證券研究所，注：神州數碼、科遠智慧、星宸科技、中科曙光盈利預測來源于華龍證券注：神州數碼、科遠智慧、星宸科技、中科曙光盈利預測來源于華龍證券研究所，億道信息、創業慧康、軟通動力、用友網絡、樂鑫科技、翱捷科技研究所，億道信息、創業慧康、軟通動力、用友網絡、樂鑫科技、翱捷科技-U、致遠互聯、螢石網絡、恒

63、玄科、致遠互聯、螢石網絡、恒玄科技技 2024 年盈利預測來源于公司業績快報年盈利預測來源于公司業績快報/業績預告，其余所有公司盈利預測數據來自業績預告，其余所有公司盈利預測數據來自 Wind 一致預期一致預期行業研究報告行業研究報告請認真閱讀文后免責條款166 風險提示風險提示（1）所引用數據資料的誤差風險。本報告數據資料來源于公開數據，將可能對分析結果造成影響。（2）AI 投資力度不及預期。相關技術突破與投資力度關系緊密。（3）AI 產品競爭加劇。競爭加劇可導致價格戰。（4）重點關注公司業績不達預期。重點關注公司業績會受到各種因素影響，如果業績不達預期，會使得公司股價受到影響。（5）政策標

64、準出臺速度不及預期。AI 持續發展需政策引導。（6）部分公司短期估值過高帶來的股價回調風險。行業、公司情況變化較快，行情震蕩或帶來明顯股價波動。免責及評級說明部分免責及評級說明部分分析師聲明：分析師聲明：本人具有中國證券業協會授予的證券投資咨詢執業資格并注冊為證券分析師，以勤勉盡責的職業態度，獨立、客觀、公正地出具本報告。不受本公司相關業務部門、證券發行人士、上市公司、基金管理公司、資產管理公司等利益相關者的干涉和影響。本報告清晰準確地反映了本人的研究觀點。本人在預測證券品種的走勢或對投資證券的可行性提出建議時，已按要求進行相應的信息披露，在自己所知情的范圍內本公司、本人以及財產上的利害關系人

65、與所評價或推薦的證券不存在利害關系。本人不會因本報告中的具體推薦意見或觀點而直接或間接收到任何形式的補償。據此入市，風險自擔。投資評級說明：投資評級說明：投資建議的評級標準投資建議的評級標準類別類別評級評級說明說明報告中投資建議所涉及的評級分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后的 6-12 個月內公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅。其中：A 股市場以滬深 300 指數為基準。股票評級買入股票價格變動相對滬深 300 指數漲幅在 10%以上增持股票價格變動相對滬深 300 指數漲幅在 5%至 10%之間中性股票價格變動相對滬深 300 指數漲跌

66、幅在-5%至 5%之間減持股票價格變動相對滬深 300 指數跌幅在-10%至-5%之間賣出股票價格變動相對滬深 300 指數跌幅在-10%以上行業評級推薦基本面向好，行業指數領先滬深 300 指數中性基本面穩定，行業指數跟隨滬深 300 指數回避基本面向淡，行業指數落后滬深 300 指數免責聲明：免責聲明：本報告的風險等級評定為 R4，僅供符合華龍證券股份有限公司（以下簡稱“本公司”）投資者適當性管理要求的客戶（C4 及以上風險等級）參考使用。本公司不會因為任何機構或個人接收到報告而視其為當然客戶。本報告信息均來源于公開資料，本公司對這些信息的準確性和完整性不作任何保證。本報告所載的意見、評估

67、及預測僅反映報告發布當日的觀點和判斷。在不同時期，本公司可能會發出與本報告所載意見、評估及預測不一致的研究報告，但本公司沒有義務和責任及時更新本報告所涉及的內容并通知客戶。同時，本報告所指的證券或投資標的的價格、價值及投資收入可能會波動。以往表現并不能指引未來，未來回報并不能得到保證，并存在損失本金的可能。本報告僅為參考之用，并不構成對具體證券或金融工具在具體價位、具體時點、具體市場表現的投資建議，也不構成對所述金融產品、產品發行或管理人作出任何形式的保證。在任何情況下，本公司僅承諾以勤勉的職業態度，獨立、客觀地出具本報告以供投資者參考，但不就本報告中的任何內容對任何投資做出任何形式的承諾或擔

68、保。據此投資所造成的任何一切后果或損失，本公司及相關研究人員均不承擔任何形式的法律責任。在法律許可的情況下，本公司及所屬關聯機構可能會持有報告中提及的公司所發行證券的頭寸并進行證券交易，也可能為這些公司提供或正在爭取提供投資銀行、財務顧問或金融產品等相關服務。本公司的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中的意見或建議不一致的投資決策。本公司的員工可能擔任本報告所提及的公司的董事?？蛻魬浞挚紤]可能存在的利益沖突，勿將本報告作為投資決策的唯一參考依據。版權聲明：版權聲明：本報告版權歸華龍證券股份有限公司所有，本公司對本報告保留一切權利。未經本公司事先書面授權，本報告的任何部分均不得以任何方式制作任何形式的拷貝、復印件或復制品，或再次分發給任何其他人，或以任何侵犯本公司版權的其他方式使用。華龍證券研究所華龍證券研究所北京北京蘭州蘭州上海上海深圳深圳地址：北京市東城區安定門外大街 189 號天鴻寶景大廈西配樓 F4 層郵編：100033地址：蘭州市城關區東崗西路638 號文化大廈 21 樓郵編：730030電話：0931-4635761地址：上海市浦東新區浦東大道 720 號 11 樓郵編：200000地址：深圳市福田區民田路178 號華融大廈輔樓 2 層郵編：518046