华泰证券：DeepSeek是否会改变AI投资范式?
核心观点
事件：DeepSeek发布R1，引发资本市场对算力增长展望的担忧
1/20，DeepSeek发布R1模型及相关应用，以较低的训练成本达到与现有前沿模型相当的效果，引发市场对算力投资的担忧。我们认为：1）DeepSeek主要创新是通过在预训练阶段加入强化学习，DeepSeek V3训练成本相当于Llama3系列的7%，对当前世代AI大模型的降本做出了重要贡献，有望降低现有模型的训练和推理成本；2）目前北美四大AI公司主要通过扩大GPU集群规模的方式探索下一代大模型，DeepSeek的方式是否在下一代模型研发中有效还有待观察。3）DeepSeek这次的成功显示，在Scaling Law放缓的大背景下，中美在大模型技术上的差距有望缩小。
思考#1：DeepSeek R1对当前世代大模型降本做出重要贡献
据DeepSeek V3技术报告，V3模型的训练总计只需要278.8万 GPU小时，相当于在2048卡的H800GPU集群上训练约2个月，合计成本约557.6百万美金，相较而言，Llama 3系列模型的计算预算则多达 3930万 H100 GPU小时，DeepSeek训练成本约相当于Llama 3系列模型的7%。我们认为：1）DeepSeek R1通过在预训练阶段使用强化学习，在仅有极少标注数据的情况下，提升了模型推理能力，能够大幅降低训练成本，实现和现有大模型（如o1）相当的效果。如果Meta等采用DeepSeek的路径，或降低现有模型的训练成本。
思考#2：DeepSeek的方法在探索下一代大模型上是否有效尚不可知
根据Factset一致预期，2024年，微软、谷歌、亚马逊、Meta、苹果等北美五大科技公司合计资本开支2253亿美元，2025年有望继续增长19.6%。其中很大部分投入是用在包括GPT-5、Llama4等在内下一代模型的算力投资。目前北美四大AI公司主要通过扩大GPU集群规模的方式探索下一代大模型。如1/21宣布的The Stargate Project所显示，下一代大模型所需的算力可能达到百万卡集群的规模。DeepSeek的方式是否在下一代模型研发中有效还有待观察。
思考#3：Scaling Law放缓大背景下，中美技术差距有望缩小
2022年11月，OpenAI发布GPT3.5以来，中美在大模型技术上的差距出现扩大趋势。进入2024年下半年，随着互联网文本数据的耗尽，预训练阶段的 Scaling law 面临挑战，最先进大模型的发展出现放缓趋势。过去两年，中国涌现了包括智谱、月之暗面、Minimax等初创企业。这次DeepSeek R1受到广泛关注，显示随着最先进模型发展放缓，大模型的竞争从探索转向工程创新，中美技术差距有望缩小。
风险提示：
1）中美贸易摩擦升级，影响产品供需与公司海外布局风险。
2）宏观经济下行风险。
3）创新品渗透不及预期，导致公司增长不及预期。
4）本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。