——Deepseek 冲击波系列报告 ⚫ ⚫ ⚫ ⚫ ⚫ 维持评级 程培   宋丽莹  孟熙  行业深度报告 · 医药生物行业 Catalog 行业深度报告 · 医药生物行业

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 工业/能源 DeepSeek 冲击下，AI 产业对国内电 力行业的变与不变 华泰研究 工业 增持 (首评) 能源 增持 (维持) 研究员 刘俊 SAC No. S0570523110003 SFC No 仅为美国同行增速的不到三分之二、总量的不到十分之一。根据 IDC 预测 2025-27 年国内人工智能服务器工作负载中超过 70%将用于推理，仅不到 30%为训练，因此即使 DeepSeek 大幅下降训练算力，对国内冲击相对较小。 根据信通院，截止 2022 年末中国算力规模 302EFlops，结合主要云厂资本开 支和芯片出货预测，我们预计 2024-26 年我国算力规模年复合增速有望达到 44%，带动 2025/2026

趋势：云服务能力持续跃升，加速企业数智化转型与创新 01 目录 1.1 技术全面升级，为复杂的企业在线业务提供保障 1.2 软硬一体协同优化，应对AI时代激增的数据冲击 1.3 持续的融合创新，助力企业的国际化布局 挑战：企业多元业务需求与海量AI数据的冲击 02 2.1 在线业务面临性能与效率的极限挑战 �.� AI数据处理与计算协同的复杂度激增 2.3 国际化进程中的全球布局、合规与质量一致性难题 率，这对于保障在线业务的体验至关重要。 存储方案升级应对大数据量冲击：云服务商通过采用更高性能的存储设备和更高效的存储架 构，结合对数据布局的优化，提供贴合不同在线业务需求的个性化存储服务，例如低时延块 存储（数据库多副本场景，<0.1ms延迟）、高带宽弹性盘（大数据单副本场景，吞吐量达 ��Gbps）、高速临时存储等。 1.2 软硬一体协同优化，应对AI时代激增的数据冲击 AI预训练和推理过程需要存储和预处理 应用出海。一大批 AI产品已经在市场中发挥了巨大作用，例如B端市场的国内企业生产、供应链管理、风险控 制，以及C端市场的智能搜推、智能客服等。 �� 挑战：企业多元业务需求与 海量AI数据的冲击 02 2.1 在线业务面临性能与效率的极限挑战 面对企业海量在线业务以及复杂的创新场景，现有的云基础设施常常难以应对用户在弹性、低时 延和高吞吐等方面的基础性能问题。 复杂应用的复合性能挑

结构简单等效果，提升特斯拉人形机器人的整体性能和稳定性。 人形机器人腿部结构设计技术 通过优化人形机器人的腿部动力结构、足部结构和大腿结构设计，能够解决载 荷冲击、机器人步态不稳定和使用寿命短等问题，实现恒刚度效果、平稳吸收 冲击力，并减少足部结构在高频段的振动，提高整体稳定性和使用寿命。 人形机器人上肢结构设计技术 通过创新的人形机器人上肢结构设计，解决了传统人形机器人上肢造价高、功 可变刚度执行器将模仿人类肌肉的工作原理，能够根据任务需求动态调整其刚度和柔顺 性。这种执行器由高性能电机、弹性元件和先进的传感器组成，可以在需要精确控制的任 务中表现出高刚度，而在需要吸收冲击或与人类安全互动时表现出高柔顺性。系统将采用 拮抗肌肉配置，每个关节由两组或多组执行器控制，类似于人类的屈肌和伸肌系统，从而 实现更自然、更高效的运动。 仿生材料方面，研究将集中在开发 触感知与柔顺控制等 [19]。这些技术需要大量人机交互信息支撑，且实时性要求高，在面对突发状 况时可能存在局限性。为解决这一问题，在人形机器人本体设计上增加安全防 护装置成为重要途径，如当外部冲击力或力矩超过对人体伤害阈值时，通过特 定机制避免对人体造成伤害[1][6]。 特斯拉人形机器人的技术突破解读 LICHENYANG@PATSNAP.COM 13

与“实验验证滞后”痛点，AI 通过跨尺度建模、分子动力学加速等方案实现突破。在生产流 程中，AI 结合高通量机器人实验优化生产，降低损耗与故障率。但 AI 也在瓦解传统技术壁 垒，“白痴指数”高的材料受冲击大。化工企业需加强 AI 研发、引进人才、推动数字化转型， 以应对挑战，把握发展机遇。 许隽逸 张玮航 陈律楼 黄楷 SAC：S0590524060003 AI+机器人的冲击或越严峻。 产品的成本相比制造该产品的原材料成本的比例即为马斯克提出的“白痴指数”，在 AI+机器 人时代，高“白痴指数”意味着其生产过程有很大的优化空间，AI 技术更容易在这些材料的 研发和生产中发挥作用，找到低成本的替代品。而对于一些白痴指数较低的化工材料，如部 分成熟化工产品或者已近处于严重过剩的化工品，其生产工艺已经相对成熟，生产过程简单 高效，受到 AI 冲击或相对较轻。例如谷歌 要依据数 据集的规模、标注情况以及任务复杂性来决定使用何种算法。在完成 AI 模型训练后， 还需通过实际实验验证，自动化验证能够大大提升效率。 “白痴指数”越高的化工材料面临 AI+机器人的冲击或越严峻。产品的成本相比制造 该产品的原材料成本的比例即为马斯克提出的“白痴指数”，在 AI+机器人时代，高 “白痴指数”意味着其生产过程有很大的优化空间，AI 技术更容易在这些材料的研 发和

低震荡市 强化学习 PPO 算法 日内交易 事件驱动型市场 NLP 情感分析+贝叶斯网 络 1-60 分钟 交易层实现智能执行的关键技术包括：  订单拆分算法：TWAP/VWAP 策略优化冲击成本  流动性探测：盘口深度预测模型  异常熔断机制：基于波动率突变的动态止损 实际部署时需要解决三个核心问题：首先，过拟合控制需通过 Walk-Forward 分析，保持样本外测试年化衰减率<15%；其次， 构建从资产配置到订单执行的多级风控：  组合层：限制单一资产暴露≤10%，行业暴露≤25%  策略层：设置每日止损阈值（如单策略日亏损≤2%）  执行层：采用 TWAP/VWAP 算法减少市场冲击 实时监控市场流动性指标（如买卖价差、订单簿深度），当流 动性下降 30%时自动降低仓位。 合规性框架必须嵌入系统设计 建立可审计的决策日志，记录所有交易信号的生成依据。关键数据 包括： 采用事件驱动型回测框架，确保与实盘交易逻 辑一致。框架需包含以下模块：  数据加载模块：支持 OHLCV 数据、tick 级数据及基本面数据 的按时间戳对齐  交易引擎模块：模拟订单撮合机制，包含滑点、手续费、流动 性冲击等市场摩擦因素  风险管理模块：实时监控杠杆率、最大回撤、风险敞口等指标 关键参数设置需遵循以下原则： | 参数类别 | 设置要求

位一体的教育形态意 义几何？以知识传递和测评为核心的教育内容该如何升级？大规模的个性化教学是否真的有可能实 现？AI与人类是否会在社会和教育资源上展开竞争？这些重大问题，因AIGC的到来，再一次冲击了 现有的教育体系。 在微观层面上，教育的各场景和环节，都因AIGC技术的应用而有所助益，如教师侧的备课规划、作 业生成和批改，学生侧的自主学习、辅助练习、测试评估等，新技术与古老教育场景的结合，总会 模型开源及API价格的降低、插件服务带来的应用生态繁荣等，都使得AI技术或将 成为像水、电、网络一样的基础设施，渗透并改变千行万业。然而，大模型具有认知、分析、推理能力，不同于自动化浪潮下对蓝 领的冲击，AIGC时代受AI影响最大的可能是初级专业人士和技术人员，即部分白领。据Challenger报告显示，2023年5月，美国因AI替 代造成的失业人数达3900人，且都发生在科技行业。以及据麦肯锡数 来源：麦肯锡《生成式人工智能的经济潜力:下一个生产力前沿》、世界经济论坛《未来就业报告2023》 ，艾瑞咨询研究院根据公开资料自主研究绘制。 AI成为基础设施，基础工作被替代 AI大模型具备认知、分析、推理能力，冲击替代的对象涉及部分专业化岗位： 需要一定知识储 备的辅助性工作： 法律案件整理等 精度及标准化要求不 高的图文工作：如海 报设计、物料生成 专业性较高，但模型 化程度也较高的工作：