独角兽智库 产业研究第一智库
独角兽投研情报群招募
独角兽智库发展至今，历时9年，积累了大量资源，也和顶尖投研资源形成了利益共同体，并经过今年近一年的产品测试，小范围会员服务近两年。
十一月精准把握住了固态电池、AI+等板块机会，个股桂发祥、华胜天成、供销大集等
现开放体验名额，加微信：itouzi8888，文末有二维码
1、模型发展与用户增长
模型迭代迅速：DeepSeek基于开源模型路线发展，2023年11月2日开发首个大模型，之后陆续推出以LLaMA和MoE架构为主的通用大模型以及多模态模型。其迭代速度较快，平均三个月有一个中大型版本更新，最长不超六个月。这种快速迭代使模型能紧跟技术发展，不断优化性能，满足用户和市场的新需求。
用户量增长显著：在推出API的V3.2.1版本后，DeepSeek的日均下载量增长迅速。在2024年GPT - 4推出前，访问量约200到400多万。春节期间后，月活达到1500万，且在发布第18天就实现这一成绩，相比ChatGPT上线244天才达到1500万DAU有大幅提升。这表明DeepSeek在用户获取方面成效显著，反映出其在市场上的吸引力和竞争力不断增强。
2、模型性能表现
单模态推理能力出色：DeepSeek的RE在推理能力上基本与OpenAI GPT - 4相当，完整版GPT - 4仍有差距。在教育导向的知识任务中能达到90.8的标准，优于V3；中英文搜索和数据分析方面，在无安全RE的情况下准确率达70%；数学能力与GPT - 4相当，优于其他非推理模型；编码能力也有较高分数。在与多个版本模型对比中，英文、代码、数学及中文能力优秀，尤其数学和中文能力明显领先。
多模态能力良好：春节期间推出的多模态模型在多模态基础理解、模型生成的视觉编码流方面表现较好，图文生成能力在密集指令阶段出色。R1已达到OpenAI的O1水平，较O3模型虽有差距，但在O1端实现突破。多模态模型的良好表现证明了DeepSeek图像理解和生成解耦思路的可行性，为模型发展提供了新方向。
3、训练成本优势
成本大幅降低：根据公开资料，通用及推理模型成本较OpenAI的O1同类型成本下降接近十分之一。例如，DeepSeek V3的token收入变为0.5，每百万token为8；R1的API每百万输出模型为16元，而OpenAI的O1每百万输出模型为60美元。V3总训练成本557.6万美元，以H800算力计算，训练阶段不到两个月，耗时266.4万个GPU小时，加上其他需求共278.8万个GPU小时；而O1按2.5万张卡A100计算，至少需3.2万张卡90天。
成本降低原因：DeepSeek通过多种方式降低训练成本。采用DeepSeek的MOE架构，用更细粒度专家模型和稠密模型提高计算利用率、减少激活参数量；V3模型采用MILA算法，通过机制联合压缩助力域限制减少TPU缓存、降低计算量；硬件端框架实现流水线定型，提高GPU应用速度；采用FP8数据格式进行细颗粒度混合精度框架提升训练效率。
4、技术架构创新
核心技术优势：V3的技术革命核心是多头注意力模型MHA，其通过投影方式存储token信息，减少缓存需求，降低内存消耗。MoE模型利用门控技术判断专家参与情况，采用更细粒度专家隔离共享专家，解决专家模型复杂不平衡问题，提升效率并积累参数进行推理。MTP模型将多单token生成转为多模token生成，优化算法，通过增加额外token保证因果性，提升训练效率。
架构优化策略：V3在访问技术架构上进行优化，设计并行管道，通过前后向计算和通信叠加提升效率；采用FP8混合训练架构，关键战略用原始数据训练保持稳定，其他采用汇编代替标准扩大方案实现硬件优化、减少冗余。RL证明纯强化学习对模型推理能力有提升作用，能解决大模型幻觉问题，还为scaling law提供新思路，未来可能成为模型核心训练思路。
5、数据层面特性
合成数据广泛应用：在大模型训练中，合成数据重要性日益提高。以GPT - 3为例，监督微调阶段借助RL模型生成的样本数据筛选高质量数据用于训练；推理训练阶段，RL冷启动利用RL - zero生成和人工标注微调，微调阶段使用大量相关样本；小模型蒸馏和多模态模型也广泛使用合成数据。这表明合成数据在模型训练各阶段都发挥着重要作用。
合成数据应用趋势：合成数据的应用符合新研究趋势，通过自适应策略优化算法，纯强化学习摆脱人类经验限制，挖掘数据价值，助力模型向AGI进化。未来合成数据在数据集中占比将越来越高，其应用将推动模型不断发展和优化，为模型性能提升提供有力支持。
6、Scaling Law分析
Scaling Law有效性：Scaling law仍然有效，但线性有效性因稠密模型发展和训练工程化优势提升而改变。目前scaling law在训练侧面临高参数训练复杂、算力规模及报错率、数据集缺失等瓶颈。不过在MOE架构和并行计算加持下，大模型参数达万亿之上仍有惊人效果，通过思维链方式打开了推理大模型能力提升空间，推动厂商进行推理扩展。
Scaling Law持续性：在DeepSeek v3中，核心是test time scaling，强调在推理阶段合理调配资源，将思维链问题分解逐步解决，使模型思考更深入，性能更强。Scaling law通过自我强化学习路径和test time scaling在推理阶段的落地，增加了对推理算力的需求，虽在低算力低成本下可提升模型效率，但从长远看，对推理算力需求依然较大。
7、产业影响与趋势
AI平权与合作：DeepSeek的出现体现了开源社区的阶段性胜利，一定程度上证明了AI平权。其开源权重型代码和因子权重公布后，全球前沿团队积极复现并取得成果，如UC伯克利团队、港科大等。全球大厂纷纷接触DeepSeek，国内华为云、寒武纪等也与其展开合作，这将推动AI技术的广泛应用和发展。
产业各层变化：基础层方面，小模型蒸馏能力强，催化下游应用产能，算力需求旺盛，国产算力自主可控重要，推理需求增加会使市场规模和销售收入上升；模型层方面，国内大模型月活持续增长，DeepSeek促使模型厂商加快推出新产品；应用侧方面，AI价格下降激发开发者使用和开发模型，模型效果提升促使各厂商降本，数据端凸显高质量和合成数据的重要性。
8、投资方向建议
算力相关：当算力需求系数大于一，即使收费成本下降，总收入仍会快速上涨。因此要关注国产算力和以AI推理需求为核心的算力环节，特别是围绕IDC、服务器、国产芯片等配套产业的公司，这些领域有望在AI发展中受益。
应用与端侧：应用端，B端关注以agent为核心，OA和ERP作为入口的赛道，以及用户数量多、生态好、可云化的软件公司；C端关注垂直领域用户数量多的公司。端侧，教育领域可能率先落地小模型部署，关注相关受益公司，以及AI新终端的供应商和核心供应商。数据方面，关注向量数据库、数据处理类及具备行业数据处理能力的公司。
现开放投研情报群体验名额，更多投研情报服务，请往下看
独角兽投研情报会员服务
服务概述
现在的A骨市场，风格切换极快，不论是做赛道成长、风口波段、价值投资、龙头打板、技术短线都处于短暂有效，大多数时间亏损的情况，只有一点持续有价值，那就是快人一步的信息，这种信息不会是财联社的新闻，不是知识星球的调研纪要、更不会是公社的吹票逻辑。
服务主旨
提供各种快人一步的投研信息，让你明明白白知道盘中异动。
情报来源
独角兽智库投研情报团队已经根植在大A各个生态阶层：
1：公募核心圈，提前获取公募看好的大方向和主攻领域。
2：券商分析师圈，深入各大券商核心客户群，提前获取券商主推逻辑。
3：游资核心圈，在游资大佬的小圈子有一席之地，提前获取大资金动向。
4：产业链圈，各个新兴产业技术核心圈子，提前挖掘技术变革推动的A股炒作逻辑。
服务内容
1、大资金抱团动向
2、集合竞价龙头早知道
3、先手小作文
4、券商主推方向及逻辑
5、市场的机会和风向提示
6、个骨和行业避雷
服务方式：
微信群--只有微信群的消息才可以做到第一时间的信息传递。
现开放体验名额（非免费，白嫖勿扰）
加入体验方式（如果您关注短线交易）
请加微信：itouzi8888，备注：体验+姓名+公司+职位
如果您关注基本面，做波段或者价投
请加微信：itouzi5，备注：体验+姓名+公司+职位
群内其他历史记录如下，可自行验证其情报的价值，有投研情报群历史聊天记录的截图，在盘后都会截图并且发在当天文章内，请查看历史文章验证（11月份精选情报）
防止失联，关注备用号
