DeepSeek R1发布引发算力投资担忧：对大模型降本、下一代模型及中美技术差距的影响

摘要： 核心观点：DeepSeek发布R1模型，引发市场对算力投资的担忧。DeepSeek发布的R1模型及其相关应用，以较低的训练成本达到了与现有前沿模型相当的效果，引发了市场对AI算...

核心观点：DeepSeek发布R1模型，引发市场对算力投资的担忧。

DeepSeek发布的R1模型及其相关应用，以较低的训练成本达到了与现有前沿模型相当的效果，引发了市场对AI算力投资的广泛讨论。该事件的核心在于DeepSeek通过在预训练阶段加入强化学习，显著降低了模型训练成本。

DeepSeek R1对大模型降本的贡献：

DeepSeek V3模型的训练成本仅为Llama 3系列的7%。这意味着DeepSeek的技术创新，特别是其在预训练阶段使用强化学习的方法，能够在仅有极少标注数据的情况下提升模型推理能力，大幅降低训练成本，并实现与现有大模型相当的效果。如果其他公司（如Meta）采用类似的路径，可能会显著降低现有大模型的训练成本。这对于降低AI开发门槛，促进大模型技术的普及应用具有重要意义。

DeepSeek方法对下一代大模型的有效性：

目前，北美主要的AI公司正通过扩大GPU集群规模来探索下一代大模型，例如微软、谷歌、亚马逊和Meta等公司在2024年的资本支出中，有很大一部分用于下一代模型的算力投资，例如GPT-5和Llama 4等。DeepSeek的R1模型训练成本大幅降低，但其方法在下一代模型研发中的有效性仍有待观察。下一代大模型可能需要更大规模的算力集群，DeepSeek的方法是否能够适应这种趋势，还需要进一步的验证。

Scaling Law放缓背景下，中美技术差距有望缩小：

自2022年11月OpenAI发布GPT-3.5以来，中美在大模型技术上的差距有所扩大。然而，随着互联网文本数据的逐渐耗尽，预训练阶段的Scaling Law面临挑战，最先进大模型的发展速度开始放缓。这为中国AI企业提供了赶超的机会。DeepSeek R1的成功，显示出在大模型发展放缓的背景下，大模型竞争的焦点从单纯的模型规模转向工程创新。中国涌现的智谱、月之暗面、Minimax等初创企业也展现出强大的竞争力，因此，中美在大模型技术上的差距有望缩小。

风险提示：

• 中美贸易摩擦升级，可能影响产品供需和公司海外布局；
• 宏观经济下行风险；
• DeepSeek R1的创新技术渗透不及预期，导致公司增长不及预期；
• 本报告涉及的未上市公司或未覆盖个股信息，仅为对客观公开信息的整理，不构成投资建议。