557.6 万美元， 对比 GPT-4o 等模型的训练成本约为 1 亿美元。 2025 年 1 月， DeepSeek-R1 发布，性能对标 OpenAI-o1 正式版。在数学、代码、 自然 语言推理等任务上，性能比肩 OpenAI-o1 正式版。 2 月 1 日消息，据彭博社报道， DeepSeek 的人工智能助手在 140 个市场下载次数最多的移动应用程序排行榜 上名列前茅。国外大型科技公司如微软、 DeepSeek-R1 模型。 2 月 1 日，华为云官方发布消息，硅基流动和华为 云团队联合首发并上线基于华为云昇腾云服务 的 DeepSeekR1/V3 推理服务。 l DeepSeek 通过 MLA 和 DeepSeekMoE 实现高效的推理和低成本训练，构建 DualPipe 算法和混合精度训练优化计算与通信负载；通过 ( 分阶段 ) 强化学习实现 性能突破。 多头潜在注意力 (MLA) DeepSeek-R1-Zero 通过强化学习架构创新实现突破性性能，核心技术创新体现在训 练效能优化策略、双维度评价体系、 结构化训练范式三个维度。 DeepSeek-R1 采用分阶段强化学习架构演进，包括冷启动阶段、面向推理的强化学习、拒绝采样 与监督式微调、全场景强化学习等。 l AI 应用爆发在即，算力需求持续攀升，关注 ASIC 及服务器产业链。 Scaling Law 与“涌现”能力是大模型训练遵循的重要法则，随着

大模型参数量级飞涨，相应训练集需同比提升。李开复定义 AI 2.0 时代的 特征是通过海量数据，无需标注自监督学习，训练一个基础大模型，并在各 领域将其专业化。据相关论文，当模型的参数量大于某阈值，会展现出类似 推理、无监督学习等未曾出现的能力，这种现象被称为“涌现”，因此目前 大语言模型参数均在十亿量级以上。同时，Deepmind 研究表明，模型参数的 上涨需要配合等比例上升的优质数据集来达到最佳训练效果。因此，大模型 算力方面 GPT-3 训练 所需算力为 121528 TFLOPS，若 30 天内完成，需要 1558 颗 A100。内存角度， GPT-3 训练至少需要 3.2T 内存，至少 44 张 A100，推理任务则主要受显存限 制，需要 4 至 8 张 A100，因此完整的模型无法在终端上离线运行。 优化后大模型可在旗舰机型芯片上运行，AI 落地有望推动新一轮换机潮。 AI 部署本地化具有必要性，优势包括更低的延迟、更小的带宽、提高数据安 部署本地化具有必要性，优势包括更低的延迟、更小的带宽、提高数据安 全、保护数据隐私、高可靠性等。完整的大模型仅参数权重就占满一张 80G 的 GPU，但是通过量化、知识蒸馏、剪枝等优化，大模型可以在手机本地实 现推理。高通团队使用骁龙 8 Gen2 部署 Stable Diffusion，实现本地运营 15 秒出图，证明了大模型本地化运行的可能，也体现出目前手机芯片的局限 性。根据 IDC 数据，1Q23 全球手机销量中主处理器频率超过

GPU 通用型强，满足深度学习大量计算 的需求，因此 GPU 在训练负载中具有绝对优势。以 GPT-3 为例，在 32 位的单精度浮点数数据下，训练 阶段所需 GPU 数量为 1558 个，谷歌级应用推理阶段所 需 GPU 数量为 706315 个。 l 英伟达开辟 GPGPU 加速计算格局， GPU 架构演进及产品布局赋能 AI 时代。 英伟达 (NVIDIA) 成立于 1993 年，总部位于 变革初期就已参与并与 OpenAI 、微 软合作。 2023 年 3 月，英伟达在 GTC 大会上推出 4 个针对各种生成式 AI 应用程序进行优化的推理平台，其中发布带有双 GPU NVLink 的 H100 NVL 加速计算卡， 以支持 ChatGPT 类大型语言模型推理。与适用于 GPT-3 处理的 HGX A100 相比，配备四对 H100 与双 GPU NVLink 的标准服 务器的速度最高可达 10 数增长而线性增长，这种现象被称为 Scaling Law 。 但当模型的参数量大于一定程度的时候，模 型能力 会突然暴涨 ，模型会突然拥有一些突 变能力 （ Emergent Ability ），如推理能力、无 标注学习 能力等。例如 GPT 之前的大语言模型主 流是深度神 经网络驱动，参数在数十亿水平，而 ChatGPT 达到 1750 亿参数。 全球数据量及数据中心负载量大幅上涨

5-Sonnet不分伯仲，训练成本约为558万美元。1月20日， DeepSeek开源R1模型，后训练阶段大规模使用了强化学习技术，在仅有 极少标注数据的情况下，性能比肩OpenAI o1正式版，不仅极大提升了 模型推理能力，也大幅降低了训练成本。同时，DeepSeek-R1蒸馏了6个 小模型，其中32B和70B模型在多项能力上实现对标OpenAI o1 mini。通 过推出高性能、低成本且开源的模型，DeepSeek给全球AI发展带来了模 ek给全球AI发展带来了模 型平权，同时也将刺激其他头部模型厂商加快推出性能更强、成本更具 竞争力的模型。而随着模型调用门槛降低，AI终端有望加速落地，而AI+ 快速发展也将反哺训练算力、推理算力需求。  AI终端有望加速落地。AI手机：苹果国行AI功能渐行渐近，三星国行S25 系列搭载智谱Agentic GLM，而华为、荣耀、OPPO等多家国产终端近期 亦官宣接入R1模型。群智咨询预计今年全球智能手机出货量同增4%。其 .. 7 图 7 ：Grok 3 基准测试成绩 ............................................................ 7 图 8 ：Grok 3 推理基准测试成绩 ........................................................ 7 图 9 ：苹果近年营业收入 ...................

日突破 3000 万大关，成为史上最快达成这一里程碑的应用。  革命性推理能力叠加出色性价比，DeepSeek-R1 模型引发全球关注。 据 DeepSeek 官网数据，DeepSeek-R1 在后训练阶段大规模使用了强化 学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力， 其在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式 版。并且，DeepSeek-R1 版。并且，DeepSeek-R1 遵循 MIT License，允许用户通过蒸馏技术借 助 R1 训练其他模型，进一步促进技术的开源和共享，用户可通过官 网或 App 调用 DeepSeek-R1 完成各类推理任务。此外，DeepSeek-R1 API 服务定价为每百万输入 tokens 1 元（缓存命中）/ 4 元（缓存未命 中），每百万输出 tokens 16 元，具备极高的性价比。据财联社 2 月 1 日消息，DeepSeek在 开源大模型，实现在多场景、多产品 中应用，针对热门的 DeepSeek-R1 模型提供专属算力方案和配套环境， 助力国产大模型性能释放。  投资建议：我们维持电子行业“领先大市”评级。1）推理侧发展有望 -6% 14% 34% 54% 74% 2024/02 2024/05 2024/08 2024/11 电子 沪深300 行业点评 电子 此报告仅供内部客户参考

华泰观点：关注 AI 大模型 x 硬件的两条思路 从 22 年 11 月 OpenAI 推出 ChatGPT 至今，我们看到 Chatbot 应用的能力 不断增强，从最初的文字问答，迅速向具有自主记忆、推理、规划和执行的 全自动能力的 AI Agent 发展。我们认为端侧智能是大模型发展的重要分支。 建议投资人沿着：1）大模型如何赋能终端，2）终端如何解决大模型普及难 点两条思路，寻找硬件的落地机会。我们看好 点两条思路，寻找硬件的落地机会。我们看好 1）Apple Intelligence 推动苹 果用户换机，2）交互能力提升推动轻量级 AR 开始普及，3）隐私保护需求 推动办公用 PC AI 化等三大机会。 具备记忆、推理、规划、执行能力的 AI Agent 可能是大模型的最终形态 大模型的应用能力最初功能仅限于文字问答，此后逐渐引入图像理解、文生 图功能，并通过 GPT Store 拓展功能，形成了 AI Agent 雏形，近期 年 5 月 ChatGPT 的 PC+移动端独立访客数达到 3 亿，在全球所有网站中排名第 22。 我们认为大模型的演进方向是智能化和自动化程度逐渐提升，最终形态是 AI Agent，具有自主记忆、推理、规划和执行的全自动能力。 观点#1：Apple Intelligence 推动苹果用户换机，利好产业链业绩增长 6/11, 苹果 WWDC 2024 大会推出由苹果自研的端侧大模型、云端大模型、

年中国物联网行业规模预测（万亿元） 数据来源：GSMA，东吴证券研究所 数据来源：赛迪，东吴证券研究所 物联网由三项关键的新兴技术支持：人工智能(AI)：使设备能够像人类一样学习、 推理和处理信息的可编程功能和系统。5G 网络：具有高速，接近零延迟的第五代移动 网络，用于实时数据处理。大数据：从众多互联网连接来源处理的大量数据。随着物联 网设备数量的增加，数据的泛滥也将是自然而然的。这就是 音交互 是智能音箱核心的功能和卖点，传统智能音箱产品难以实现类似人与人之间的“对话式” 交流，难以应付复杂的对话场景。目前，随着 ChatGPT 等全新语言模型的到来，无论 是对更加复杂语言的推理和分析，还是优秀的对话连贯性和流畅性，或是所能提供的更 加个性化的服务，均有希望延展到智能音箱上。ChatGPT 的到来使智能音箱从自动理解、 生成语言，到进行流畅的对话和问答，都可以给用户提供更加全面、智能、个性化的服

、安 全认证、安全运营管理、平台安全架构设计等安全保障。 DB33/T 2305—2021 4 6.3 核心技术层 6.3.1 核心技术层向各场馆、各部门提供计算、存储、传输、学习、推理、决策等保障和服务。 6.3.2 核心技术层可应用 BIM、云计算、物联网、5G 通信、人工智能、VR、边缘计算、数字孪生等现 代数字技术。 6.3.3 核心技术应用应符合 GB/T 31168、GB/T

户的商业习惯、业务需求和数据反馈进行分析，打造专属的产品功能模块和界面 布局，为客户企业提供个性化定制服务。同时，零售数字化企业将AI技术与定向营 销、客户反馈分析，以及选品、推荐引擎等相结合，基于AI大模型推理能力，AI 既 能捕获和分析以个人购买行为为重点的数据，也能捕获和分析来自所有类型购物 者的汇总数据，因此可以在所有渠道和互动中创造出更加精简的客户体验。同时 AI基于零售商已有的商品品类体系，通过机器学习和智能算法完善商家品类结

场景化产品落地，视 觉行业也从产品思维往运营思维再转变，视觉行 业新的经营模型已经到来。 安凯微物联网摄像机芯片事业部总经理 葛保建： 大模型强力加持，视觉物联产业迎来新变革。凭 借强大的学习和推理能力，AI 算法驱动下，结合 先进的 AI 芯片，将重塑诸多老产品，改进功能、 革新体验，推动视觉物联设备从基础采集向自主 决策跨越。 警视卫总经理 郭江峻： 视觉 iot 在监控中的应用就像给传统监控装上了眼