2025-02-04 23:51 广东
蛇年，港股先行。这两天港股先抑后扬，今日更跳空高开且显著上行。
催化剂主要来自于几点：一是DeepSeek掀起的AI应用。亚马逊AWS、微软、腾讯云、阿里云、华为云、百度云等先后接入DeepSeek-R1/V3。确实，DeepSeek好用，只要一试，就知道好。二是美国加征关税的靴子落地。三是春节期间消费有亮点，比如电影票房火热。
领先者领先，好的开局。
港股IT公司涨幅最大：金山云（+44.2%），云业务如何影响互联网巨头的估值空间？
Deepseek出现之后，将直接颠覆云的盈利模式。过去多年，国内云厂由于客户要求定制化开发，利润率整体极低或者亏损，24年国内云的逻辑没有演绎，核心卡在了模型差距大，而deepseek就是scaling law放缓和模型平权的标志性事件，意味着24年海外巨头价值创造最明显的业务云，将有望在国内复刻，国内云厂即将迎来利润率和规模双击的趋势，重新进行估值！你不上云怎么搞ai应用？你就落后。
拿阿里举例，阿里目前市值里云给的都是负估值，市场仅讨论电商业务的竞争。腾讯，为什么金融科技企业服务业务毛利率会持续上升，云也有不少贡献。海外云厂基本上交易在25年10x ps左右。更重要的是，AI的拉动下，保守估计海外云市场已经在过去1年半涨出了一万亿美元以上的市值。而国内，全部巨头加在一起，可能连千亿rmb的市值都没有给到。
重视云，阿里 腾讯 金山云。腾讯还有广告业务。广告是另外一个海外过去一年半涨出万亿以上市值的场景。
产业链的价值再分配：
1）美股跌了这么多不完全是因为DS成本的明确下降，而是对行业认知的重塑。过去OAI这样的头部厂商的超额利润是来自于模型能力，而模型能力是依靠Capex和先发优势堆出来的。但现在如果DS可以在短时间内复现头部模型能力，这就把OAI的超额利润打掉了，也因此威胁了英伟达获得超额利润的根基。大家可以简单理解，如果直接使用开源的DS就可以达成不错的效果，那为什么需要再花大钱买卡训练模型？这也是美股英伟达跌的多的原因。
2）DS降本主要还是依靠工程的优化。DS其实技术上没有特别突出的创新，还是依靠工程化的降本比较重要。比如DS的MoE架构是利用了共享专家、均衡函数、MTP机制一次性预测多个token降成本，达成可以接受的效果。但这样的事情是行业的常态，过去的KIMI和Sora其实也大多是基于现有技术的工程优化完成了一步步的进化。我们要知道其实模仿和组合也具备很高的技术含量。本轮最大的原创创新应该是用GRPO免去SFT这个环节，大幅降低了对标注数据的依赖，也增强了推理效果。
3）关于投资的影响，一些想法有待验证：
a. 一是AI平权，是开源对闭源的挑战，可能会抹平OAI和英伟达链的霸权，这也是海外演绎最核心的逻辑
b. 头部厂商的算力投入不会有太大的影响，未来中腰部比如苹果、亚马逊等公司算力投入可能会有所下降。
c. 产业链价值未来会从算力到应用渡让，应用肯定是最重要的方向，但是在应用的选择上要优选有场景定价权的公司。另外就是一些在海外已经基于GPT跑通了的应用公司，关注端侧、ai agent
d. 算力层：降本是核心，产业链最核心的环节是云及配套，其次关注新的推理技术方案+配套供应链，关注asic+aec
逻辑受益和受损的细分赛道：
DeepSeek可发酵/炒作方向：
1、#端侧AI软硬件应用（AI+消费电子、AI+生产力工具等）
2、#Agent
3、#推理算力up（IDC/CSP云厂商、AIDC智算中心、AISC推理芯片、边缘算力/端侧模组等）
4、#AI产业链全国产闭环、中国AI资产+科技资产价值重估！（尚待突破的瓶颈：半导体、底层系统架构等）
5、合作、接入/部署DeepSeek R1等
6、先进技术细节：算法优化、Inference-Scaling
（后训练+推理阶段）、知识蒸馏、强化学习（RL）、MoE、混合精度训练、模型微调、冷启动SFT等
再补充一个纪要：【DeepSeek对算力影响有多大？】
摘要：
DeepSeek带来训练成本下降：相较于GPT、LlaMA，DeepSeek的训练成本下降很多，但实际训练成本并没有想象中550万美元这么低。
业内技术路线影响：国内互联网大厂和“六小虎”可能都会follow DeepSeek的技术路线，但因组织架构差异有难度；国外走独立技术路线的团队优化方案和硬件与DeepSeek不同，未必能达其优化效果。
算力需求前景：①训练算力：DeepSeek 加快迭代，对训练算力需求大，业界仍在抢卡探索。②推理侧算力：DeepSeek R1 自推理模型需求增长，对训练服务器需求上升。③Post-Training 算力：OpenAI 和 DeepSeek 证实路线可行，业界将 follow，算力需求上涨。
AGI 发展：参考 DeepSeek 技术路线或使通往 AGI 路径更简单，但仍需向OpenAI看齐。
幻方在多模态领域仍落后：幻方尽管在大语言模型层面出圈，但在多模态方面落后，技术路线待突破，虽发布三个模型效果一般，过去半年技术路线摇摆。
国产算力影响：近期因DeepSeek爆火，国产算力需求激增，推理算力被大量消耗。后续或将稳定增长，需求回归理性。国产卡发展取决于产品竞争力，此前受国家或地缘政治保护，与英伟达产品仍有差距。
交流内容：
训练成本下降
整体：训练成本成本毫无疑问下降。（原因：相较于OpenAI GPT、LlaMA，在各家均要经过多轮尝试的前提下，DeepSeek的训练成本下降很多。）
单点：完整训练DeepSeek V3的成本确有下降，但实际训练成本并没有想象中550万美元这么低。（原因：V3经历好几轮的训练和尝试，在真正做预训练的过程当中完全没有论文中说到的这么低。）
行业影响
国内
发展现状：国内有两种情况：①国内“六小虎”（智谱AI、百川智能、零一万物、月之暗面、Minimax、阶跃星辰）、互联网巨头等作为消耗算力的大户，基本都在follow LlaMA和千问的路线，很少真正走自主研发道路。主要的模型参数量基本都与国外开源模型和Qwen对标（例如：7B、13B、70B等）。②幻方DeepSeek-V3拥有671B个参数，很特别，国外没有一个参数量是这个参数规模的。
后续影响：互联网大厂和“六小虎”可能都会follow其技术路线（包括复现模型参数量等，如果完全按照DeepSeek的路线，模型参数量虽然很大，但是对算力的需求确实没有之前那么高，可能就不像之前需要堆万卡集群才能训练出一个大模型）。
行业完全follow有难度：互联网大厂这方面的能力相对较弱的（原因：组织架构差异。字节做豆包的是一个团队，做豆包的部署和算力优化又是另外一个团队；幻方因为规模小，非常扁平，就只有那个北京，杭州两base）。所以虽然的算力的消耗降下去了，但实际上你要完全的follow这个技术路线或者它的优化方案是很难的，除非你的模型跟它长得一模一样。
国外
发展现状：国外一直都是走独立自主的路线（不管是马斯克旗下xAI团队的Grok、OpenAI、Claude、还是Meta、谷歌的Gemini），每一家的模型参数量都是不一样的，几乎没有非常统一的像7B、13B这种国内许多模型涌现的情况。
后续影响：如果走独立自主的技术路线，那么优化方案、硬件等与DeepSeek会有所不同。DeepSeek是因为自身的特殊优化才能将硬件算力消耗做到很低。所以对于走独立技术路线的团队，不一定能够达到这么大的优化效果。
优化方式
①独特的架构：它最重要的是自己独立的新MoE（Mixture of Experts，混合专家）架构，即小模型、多专家的模式（MoE本身就有不同的技术架构，之前大家选择的MoE大多是大模型、小专家的路线）。②独特的优化方式：DeepSeek针对该技术路线，在编译器中间表示层面对算子框架进行了深度融合优化，从而有效提升了算力利用率。（但是其他家真正的在这一方面的投入并不多，基本上也只follow业界进展）。因此认为真正的中间件优化是需要和算法一起联合优化，而不是定了算法再去优化中间件）
算力需求前景
算力需求骤降的可能性不太大。
训练算力：随着DeepSeek后续的加快迭代，本质上对训练的算力还是需求很大的。幻方本身不缺卡，大家都在抢卡以尽可能的拥有更多的算力，做更多的探索和尝试。
推理侧算力需求上升：从用户方面，DeepSeek R1的这种自推理的模型的需求在增长。DeepSeek所有专家合起来才真正激活的参数量是35B，意味着它的推理方案有大量的冗余的算力，可以用来算大量的算用户的服务请求。一方面，幻方这套方案用300多卡来去做推理，看上去还是很多，但是一方面其也做好准备，承载大量的日活，从而保算力摊薄，所以对训练的服务器的需求也在增长。（这个推理算力跟以前的推理算力不一样，这里面的推理算力更多的是面向训练服务器的推理的算力，而不是推理卡的推理算力的）
Post-Training算力需求上涨：OpenAI和DeepSeek证实了路线可行性，业界因此会follow这条技术路线。
（目前基本沿这三条曲线快速演进）
AGI发展
参考这条技术路线之后，大家可能通往AGI的路线应该更加简单。但需要参考天花板——OpenAI，如果OpenAI的新的技术路线停滞了，个人觉得大家通往AGI的方向也会停滞（原因：国内外基本上都是OpenAI在牵头，其他人follow），DeepSeek可能可以让大家更快的抄袭或者跟随OpenAI。
幻方在多模态的表现
整体来说是非常的落后的，它在这方面它有非常多的就是技术路线要去突破的（数据规模、模型规模、数据策略），发布的三个模型的效果都一般。但不妨碍它可能未来基于MoE的架构做多模态（整个业界还没有先例，现在业界都是基于稠密的transformer），过去的半年其在多模态的技术路线是在摇摆的，没有掌握好自己的一个训练的路线。所以说其有好的也有不好的，当下只是关注了它好的一方面。
国产算力影响
近期激增，后续稳定增长。短期内让更多的算力用起来，在过年期间大家（甚至以前完全没有用AI的人）都开始用它，大量的消耗了这种推理的算力，但未来的算力的需求，肯定是恢复一个理性的状态——真正有需要的人才会去用。现在国内厂商的支持更多的是一个热点的问题，不是一个可持续性的（价格、资源）。
后续国产卡发展仍需要看产品的竞争力。目前只是因为DeepSeek火了，大家连带出圈。国产卡基本上都是依靠国家或者地缘政治的保护下起来的。早在DeepSeek出圈以前，国产卡也一直都能用，只是较英伟达仍有差距。
