各位小伙伴大家好呀，我是投顾团队的晓月。近期的AI板块，基本上可以算是市场焦点了。
自DeepSeek App在2025年1月11日发布以来，与其相关的服务器、算力、半导体芯片、AI医疗概念持续大涨，万得DeepSeek指数今年以来涨幅达到了55.69%，引起了非常多小伙伴的关注。
1．大模型这么多，为啥DeepSeek能火？
截至2025年1月31日，DeepSeek App上线20天全球日活就突破2000万，成为现在全球日活增速最快的AI应用，且仅上线18天日活达1500万，而 ChatGPT过1500万花了244天。
数据来源：、AI产品榜
简单来看，我们认为其出圈的主要原因大概有三方面：技术革新、价格优势、社交话题性。
- 原因一：技术革新——复现“具有思考能力”的o1推理模型
如果说openAI的o1是推理模型的第一个里程碑，那DeepSeek R1肯定可以称得上是第二个里程碑。
openAI o1厉害在引入了全新的范式，让Scaling law在强化学习和推理的方向上继续实现突破。而DeepSeek R1也毫不逊色，它是全球第一个通过强化学习成功复现o1能力的模型，更重要的是，它把强化学习这个发展方向开源展示出来，给整个行业提供了新的思路和方向，让更多开发者和研究人员能够沿着这个方向深入探索。
- 原因二：价格优势——557万 VS． 0.6~1亿，以十分之一的成本做到相似的性能
除了推理模型的创新，DeepSeek还实现了有限算力下的算法创新，大大节省了训练成本，这对于当前我国想要突破算力卡脖子的限制来说，意义非凡。
按照DeepSeek在V3相关论文中的披露，正式训练只需要557.6万美金，而按照OpenAI创始成员之一Andrej Karpathy介绍，其他同等性能的模型训练成本却高达0.6亿到1亿美金，是DeepSeek的十倍多。
因此，和那些科技巨头不断砸钱构建大规模算力集群去训练更强大模型的做法不同，DeepSeek能够通过精巧的算法优化，在只需要大约十分之一的算力消耗的情况下，就生产出了顶尖性能的模型，性价比简直绝绝子。
- 原因三：社交话题性——毒舌标签，拥有所有大模型中最让人印象深刻的中文语言能力
除了大家对它功能上的各种讨论，“毒舌”也成了DeepSeek的一个标签。
锐评春节档电影、锐评各大高校，到锐评AI大模型……在各位小伙伴的分享接力下，“小嘴淬了毒”的#DeepSeek锐评#话题一度冲上热搜榜。
犀利又有趣的回答，就像滚雪球一样，让它的热度越来越高，于是在社交平台上彻底火出圈了。
总结来说，和其他较为成熟的AI相比，DeepSeek更像是“大减价还不减量的毒舌锐评王”，令人印象深刻。
2．DeepSeek如何改写AI投资版图？
面对这波AI热潮，我们有哪些可以关注的投资方向呢？就目前的情况来看，有三个角度值得重点关注。
- 对AI算力层：短期降低对先进算力需求预期，长期看仍有前景
我们前面提到过，DeepSeek通过技术革新使得模型用较少的计算资源就能达到了接近GPT-o1的性能。因此，这可能会让业界开始重新思考大算力在AI发展，特别是大模型训练里到底有多少必要性，甚至有些企业可能会直接减少在大规模算力基础设施上的激进投入。
短期来看，这可能会让算力压力得到一定程度的缓解，但从长远来看，我们认为AI能力边界仍在不断拓展，像多模态、复杂推理、通用人工智能这些方向的应用场景也在爆发式增长，所以算力需求肯定还是会有所上升的。
另一方面，也可能为国产显卡和ASIC芯片带来了一些机会。因为DeepSeek的RL策略使得并行计算需求下降了，咱们国产算力硬件就能凭借成本和服务优势在市场上占得一席之地，而且未来还能根据实际应用场景，灵活地定制化开发芯片，算力市场估计可以朝着更多元化的方向发展。
- 对云厂商：利好下游需求增长，规模效应下或进一步提升云业务利润率
现在有些云厂商既提供算力、又搞大模型研发、还涉及AI应用，相对比较综合。
DeepSeek现在发布的高性价比、开源模型，虽然会削弱云厂商和大模型厂商在AI模型服务方面的壁垒，但也能让国内外的大模型更快地向OpenAI等一流模型追赶，为云厂商提供更高效、低成本的API调用方案和AI解决方案。
就比如R1上线才短短两周，腾讯云、华为云、微软Azure和亚马逊AWS就都上线了DeepSeek-R1相关服务，带动了AI云业务的增长。
国内云厂商接连接入DeepSeek
数据来源：、
因此，对于国内的云厂商来说，Deepseek能加速企业数字化转型上云，在规模效应下进一步提升云业务的利润率，让国内云厂商的利润率向海外云厂商看齐。
- 对AI应用层：降低AI应用研发与落地的成本，促进AI应用和端侧AI落地
一是能降低垂类模型/应用开发门槛，加速AI应用在各个场景落地。
DeepSeek模型算力成本低，又是开源的，企业不用投入巨额资金，通过蒸馏小模型、API调用等方式，就有希望获取到一个高性能的模型，直接降低了AI应用研发和落地的成本，促进了AI应用和端侧AI的落地。
这对AI在医疗、教育等各行业的渗透是很有利的，能催生出更多创新的AI应用场景和商业模式。
二是显著降低了推理成本，提升了应用端的盈利能力。成本降低了，企业就能有更多资源用来优化产品、拓展市场。
因此，Deepseek的高性价比和高效推理能力，能让它更广泛地应用于端侧设备，也可能会加速端侧AI的落地。
我们也整理成了一张表格，欢迎大家保存收藏。
（本文来源：广发基金投顾团队）
风险提示：广发基金本着勤勉尽责、诚实守信、投资者利益优先的原则开展基金投顾业务，但并不保证各投顾组合一定盈利，也不保证最低收益。投资者参与基金投顾业务，存在本金亏损的风险。基金投资组合策略的风险特征与单只基金产品的风险特征存在差异。基金投顾业务项下各投资组合策略的业绩仅代表过往业绩，不预示未来的业绩表现，为其他投资者创造的收益也不构成业务表现的保证。因基金投资顾问业务尚处于试点阶段，存在因基金投顾机构的试点资格被取消不能继续提供服务的风险。投资前请认真阅读投顾协议、策略说明书等法律文件，充分了解投顾业务详情及风险特征，选择适合自身的组合策略，投资须谨慎
还没有评论，来说两句吧...