发布研报称，DeepSeek实现模型大幅降本，价值有望从模型层转移至应用层。DeepSeek成为全球DAU增速最快的AI应用，20天达成DAU 2000万，带来巨大的推理算力需求。推荐算力方面受益的英伟达（NVDA.US）、台积电（TSM.US）以及应用方面受益的腾讯（00700）、小米（01810）、Meta（META.US）、谷歌（GOOGL.US）。

　　国泰君安主要观点如下：

　　DeepSeek通过多处工程创新，实现降低训练成本、降低推理成本、提高模型效果等进展

　　1）降低训练成本：DeepSeek使用较宽的MOE架构，且提出共享专家机制，每次训练只激活需要的专家（按需调用），而非激活全部专家，从而大大降低训练成本。此外，使用fp8低精度训练、双管道训练、多Token预测等方法进一步降低训练成本。

　　2）降低推理成本：DeepSeek提出多头潜在注意力（MLA），在不牺牲模型质量的前提下，大幅减少KV缓存的大小。此外，低精度存储和通信、推理阶段动态专家选择等方法进一步降低推理成本。

　　3）提高模型效果：不同于传统的SFT，DeepSeek使用强化学习做post-training，大幅提升模型推理能力。此外，DeepSeek针对中文做了大量风格对齐，大幅提升模型可用性。

　　DeepSeek触发模型降本，长期看，打开AI应用产业上升通道，算力需求不降反增

　　蒸汽机效率提升并没有导致煤炭少用，DeepSeek虽然触发模型大幅降本，但长期看将打开AI应用产业上升通道，算力需求不降反增，因算力需求具备多样性：1）模型向更高智能维度跃迁，训练需要更多算力。2）AI应用的推理需要广泛算力，更多人会去训练和推理自己的模型。3）转向对等异构计算的新主流计算形态需要更多GPU。4）目前模型仅仅停留在对话，未来从对话到任务、到多模态还需要更多算力加持。

　　根据AI产品榜，DeepSeek应用（APP，非网页）成为增速最快的AI产品，上线20天即达成DAU 2000万，反映出模型能力提升对于用户的巨大吸引力，带来潜在的巨大推理算力需求。

　　DeepSeek并没有真正绕过CUDA架构

　　DeepSeek没有使用CUDA的API，而是直接使用PTX，从而对计算过程进行更细粒度的控制。PTX仍然是英伟达GPU架构中的技术，是CUDA编程模型中的中间表示，用于连接CUDA高级语言代码和GPU底层硬件指令。编写PTX代码的做法，首先非常复杂且难以维护，对技术人员要求极高，其次移植性较差，较难移植到不同型号的GPU。

　　DeepSeek基于PTX进行优化代表他们有优化其他GPU的能力，但既不意味着完全脱离了CUDA生态，也不意味着其他团队有能力直接使用PTX，因此英伟达的CUDA护城河仍在。

　　风险提示：地缘政治风险；大模型迭代进展不及预期；监管风险；商业化进度不及预期。