华泰 | 计算机：DeepSeek再开源，关注AI应用变化

主要观点总结

本文介绍了DeepSeek开源项目的最新进展，包括模型优化、开源代码发布、效率提升等方面，并讨论了国内外模型大厂的不同发展路径。同时，提供了对相关产业链标的梳理和风险提示。

关键观点总结

关键观点1: DeepSeek连续6天开源Infra层的核心代码

涉及MLA、通信-计算、矩阵乘法运算、专家负载、文件存取等模块的优化，旨在提高模型本身和硬件的效率，且国产GPU适配进展顺利。

关键观点2: DeepSeek开源项目的优化效果

若将Web、APP和API的所有用户请求均以R1定价计费，则每日总收入为562,027美元，成本利润率为545%。考虑V3定价、夜间打折等因素，优化效果明显，成本利润率有望达到108%。

关键观点3: 全球模型的训练和推理效率有望提升

DeepSeek的代码开源为技术报告中的算法分析提供了代码实现，降低了技术复现的难度，许多优化方法可被借鉴到其他模型的训练中。

关键观点4: 国内外模型大厂的发展路径分化

海外模型大厂仍追求大算力边界突破，而国内则更强调软硬件效率优化。DeepSeek的迭代重点可能在于软硬件和算法的持续优化。

关键观点5: 产业链相关标的梳理和风险提示

DeepSeek的持续迭代对模型成本和效率的优化具有显著影响，推荐关注有用户、数据、场景优势的公司。同时，提醒注意宏观经济波动和技术进步不及预期的风险。