《科智咨询：2025年Deepseek对算力产业的影响报告（27页）.pdf》由会员分享，可在线阅读，更多相关《科智咨询：2025年Deepseek对算力产业的影响报告（27页）.pdf（27页珍藏版）》请在三个皮匠报告上搜索。

1、CONFIDENTIALDeepseek对中国算力产业的影响2025年2月-2-1DeepSeek的技术突破与市场定位目录CONTENT2DeepSeek驱动算力需求变革3算力产业链的重构-3-DeepSeek爆火-C端：Deepseek全球破圈，成为用户规模增长最快的移动AI应用超级app增长1亿用户所用时间App上线后同样天数DeepSeek与ChatGPT移动端全球DAU对比情况-4-DeepSeek爆火-B端：科技巨头积极拥抱DeepSeek-5-DeepSeek明星产品：DeepSeek的LLM模型分为三个版本：基座模型V3、强化推理版R1-Zero、泛化推理版R1-6-DeepSe

2、ek爆火的原因：一流的性能表现、大幅降低的算力成本、开源模式DeepSeek的模型架构创新，如MoE和FP8混合精度训练，大幅提升模型性能和训练效率。高性能模型架构创新通过算法创新和硬件优化，DeepSeek以低成本实现高性能，改变AI领域的竞争规则。低成本实现高性能DeepSeek采用开源策略，降低AI技术门槛，促进全球开发者参与，推动技术快速普及和迭代。开源策略推动技术普及-7-一流的性能表现：DeepSeek-V3性能对齐海外领军闭源模型-8-一流的性能表现：DeepSeek-R1性能对标OpenAI-o1正式版 DeepSeek-R1性能比肩OpenAI-o1。DeepSeek-R1在

3、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。在数学、代码、自然语言推理等任务上，性能比肩OpenAI o1正式版。R1 在 2024 年 AIME 测试中取得了 79.8%的成绩，与 OpenAI o1 的 79.2%水平相当。在 MATH-500 基准测试中，DeepSeek-R1 以 97.3%的成绩略微超越了 o1 的 96.4%。在编程领域，该模型在 Codeforces 平台上表现优异。-9-大幅降低的算力成本：训练算力下降90%DeepSeek-V3和R1模型不仅性能出色，训练成本也极低。V3模型仅用2048块H800 GPU训练2个月，

4、消耗278.8万GPU小时。相比之下，Llama3-405B消耗了3080万GPU小时，是V3的11倍。按H800 GPU每小时2美金计算，V3的训练成本仅为557.6万美金，而同等性能的模型通常需要0.6-1亿美金。R1模型在V3基础上，通过引入大规模强化学习和多阶段训练，进一步提升了推理能力，成本可能更低。-10-API定价下降89%（V3）、96%（R1）-11-开源大模型：打破OpenAI等闭源模型生态DeepSeek 不仅开源了 R1-Zero 和 R1 两个 671B 模型，还通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型开源给社区，其中 32B 和 70B 模型在多项

5、能力上实现了对标 OpenAI o1-mini 的效果。同时，DeepSeek 还修改了产品协议，支持用户进行“模型蒸馏”，即允许用户无限制商用，鼓励蒸馏（用 R1 输出结果训练其他模型），尽可能降低用户使用壁垒，全球范围出圈和更容易建立起广泛繁荣的用户生态。DeepSeek V3与R1模型实现了开源，采用MIT协议。这产生多方面影响：对大模型发展：这提升了世界对中国AI大模型能力的认知，一定程度打破了OpenAI与Anthropic等高级闭源模型的封闭生态。DeepSeek R1在多个测试指标中对标OpenAI o1，通过模型开源，也将大模型平均水平提升至类OpenAI o1等级。对下游生态

6、：优质的开源模型可更好用于垂类场景，即使用户针对自身需求蒸馏，或用自有数据训练，从而适合具体下游场景；此外，模型训推成本降低，将带来使用场景的普及，带动AIGC、端侧等供给和需求。-12-1DeepSeek的技术突破与市场定位目录CONTENT2DeepSeek驱动算力需求变革3算力产业链的重构-13-中国智能算力市场规模持续增长，算力中心从训练侧向推理侧转移中国人工智能服务器工作负载预测，2022-202742%59%35%33%30%28%58%41%65%67%70%72%0%10%20%30%40%50%60%70%80%90%100%202220232024202520262027推