春节期间，AI大模型DeepSeek突破性升级使其成为火遍全球的AI产品。数据显示，DeepSeek在2024年12月26日推出V3模型，因为其显著的性能，用户迅速开始增长；而在2025年1月20日发布R1模型后，DeepSeek正式出圈。
根据AI产品榜统计，DeepSeek-R1大模型1月份累计获得1.25亿用户（含网站(Web)、应用(App)累加不去重）。其中80%以上用户来自最后一周，即DeepSeek7天完成了1亿用户的增长，在下图所有产品中排名首位。
图片来源：AI产品榜官网
值得注意的是，2月1日，华为云宣布，华为云与硅基流动团队携手首发并上线了基于华为云昇腾云服务的deepseek-r1/v3推理服务。2月4日晚间，华为计算微信公众号发文表示，潞晨科技携手昇腾联合发布基于昇腾算力的DeepSeek-R1系列推理API及云镜像服务。2月5日后，DeepSeek概念横空出世，并迎来从应用端到算力端的全面爆发，连续多日成为领涨板块。
接下来，笔者将在下文给大家阐述本次最新的DeepSeek大模型实现的突破性变革，并分析它给国产算力端带来的新机会。
知识蒸馏+强化学习两大“低成本”创新！DeepSeek性能比肩OpenAI
本次DeepSeek-R1大模型亮点主要在于在有限的硬件和资源下，以“低成本+高性能+开源”三大特点在全球范围内迅速破圈。
如果拿最新发布的DeepSeek-R1和前一个版本的DeepSeek-V3做比较，R1是基于V3的集大成之作。其中，R1主要集中在后训练办法的创新，其训练架构建立在DeepSeek-V3基础模型之上，这些步骤主要包括：
首先，利用少量高质量的“冷启动(Cold Start，类似蒸馏，使模型更适应人类问答方式)数据进行强化学习(RL)、拒绝抽样(Rejection Sampling)、数据微调(SFT，让模型决定是否接受数据以避免被带偏)，形成高质量数据集，接着用这个生成的高质量数据训练DeepSeek-V3，重复以上步骤得到收敛的R1模型。
图片来源：中航证券
换句话来说，DeepSeek-R1是第一个纯粹通过大规模强化学习(RL)训练，没有像OpenAI等模型一样以监督微调(SFT)作为初步步骤的模型，展示其强大的推理能力。数据显示，在数学、代码、自然语言推理等任务上，DeepSeek性能比肩OpenAI-o1。
图片来源：信达证券
此外， DeepSeek团队通过蒸馏技术，开源DeepSeek-R1-Zero、DeepSeek-R1及基于Qwen/Llama的6个蒸馏模型（1.5B、7B、8B、14B、32B、70B），并将大型模型的推理能力传递到小型模型。
由于强化学习的加入，蒸馏过程不仅仅是简单的知识传递，而是通过奖励机制进一步优化推理能力，使得小模型能够以更高效的方式学习并应用推理策略，因此在提升模型性能的同时也在显著降低计算成本。数据显示，这6个小模型在部分测试上性能超越OpenAI o1-mini。
图片来源：信达证券
在性能优化的基础之上，DeepSeek-R1的模型API定价成本显著降低。数据显示，DeepSeek R1模型每百万输入和百万输出token 0.55美元和2.19美元，价格仅为OpenAI GPT-o1的3%（OpenAI GPT-o1价格为每百万输入和百万输出token分别收取15美元和60美元）。
中信证券发研报指，DeepSeek新一代模型的发布，意味着AI大模型的应用将逐步走向普及，加速AI应用全面落地。同时，模型重心逐步从预训练切换到强化学习、推理阶段，助力算力需求持续增长。
从训练到推理！国产AI算力产业链或迎强势破局机会
值得注意的是，无论技术如何发展，大模型的持续普及和使用都离不开算力的支撑。DeepSeek的成功表明有限的算力也能够实现较强的模型能力，短期内或降低了对英伟达等国外高端芯片的依赖，为国产算力的发展带来了机会。东吴证券表示，未来的AI投入不再盲目“大力出奇迹”，逐渐将重心从预训练转向推理。
如果把“推理芯片”和“训练芯片”做对比，二者在计算能力、内存需求、架构等多个方面存在区别：
1、计算能力：训练芯片通常需要强大的浮点计算能力（FP32、FP64），因为训练过程涉及大量的矩阵运算和梯度计算。而推理芯片更注重低精度计算（如INT8、FP16），因为推理过程中可以通过量化技术将模型参数和计算过程简化，从而提高计算效率和降低功耗。
2、内存需求：训练芯片需要大容量、高带宽的内存来存储模型参数和中间计算结果，如英伟达的A100和H100 GPU配备了高带宽的HBM（高带宽存储器）。而推理芯片虽然也需要一定的内存带宽，但对内存容量的要求相对较低，更注重内存的访问效率。
3、架构：训练芯片通常采用大规模的并行计算架构，如GPU的CUDA架构，能够高效处理大规模并行任务。推理芯片可能采用更高效的专用架构，如ASIC（专用集成电路）和FPGA（现场可编程门阵列）。
综上所述，训练芯片主要是用于训练深度学习模型，其主要任务是通过大量的数据和复杂的计算过程来优化模型的参数，更注重高计算能力和高内存带宽。而推理芯片目标则是用于运行已经训练好的深度学习模型，将输入数据通过模型进行快速计算以得到输出结果，因此更注重低延迟、高吞吐量和低功耗。
笔者因此从服务器、芯片、云服务商三个角度为大家整理出Deepseek相关国产推理算力芯片相关A股公司，供大家参考。
华为+DeepSeek强强联合！机构：头部算力及云厂商或率先收益
从最新合作消息来看，华为昇腾、沐曦、天数智芯、摩尔线程等10余家国内知名AI芯片企业已经纷纷宣布接入DeepSeek，以DeepSeek为中心的国产AI产业链目前迅速扩大。
此外，华为云、天翼云、腾讯云、阿里云等超20家云厂商也宣布对DeepSeek提供支持。云厂商们通过“卖水人”的角色把DeepSeek等大模型的的API底座能力开放给更多C端用户，或作为底座模型去开发出更多垂直类应用。
华为昇腾作为打响了国产AI企业接入DeepSeek大模型第一枪的国内大厂，备受市场关注。节后以来，拓维信息、常山北明、四川长虹等华为昇腾、华为鸿蒙概念股表现亮眼。
浙商证券表示，2月1日，硅基流动和华为云便宣布联合发布并上线基于华为云昇腾云服务的DeepSeek R1/V3 推理服务，成为业内首个基于国产昇腾910B芯片提供推理服务的R1模型产品，且基于自研推理加速引擎加持，硅基流动和华为云昇腾云服务支持部署的 DeepSeek模型据介绍可获得持平全球高端GPU部署模型的效果。
中信证券则指出，华为昇腾作为国产AI芯片龙头，过去已通过昇腾910B助力三大运营商、科大讯飞等完成万卡集群，2025年有望凭借910C进一步助力国内AI发展。
对于云厂商，中信证券指出，各家云厂商的资源部署十分依赖AIDC、交换机、服务器等算力底座，开源AI大模型部署和用户访问量的快速提升，对提升闲置机房的使用、提高AIDC核心机房的上架率均有明显促进，看好国内云厂商收入边界拓宽及盈利能力提升，看好AIDC上架率快速增长。
数据说明
本文信息及数据来源于公开资料及外部数据库等，本平台无法对其真实性、准确性、完整性作出实质性判断和保证，分析结论仅供参考，所涉及品种均不构成实际投资操作建议。投资有风险，选择需谨慎。
风险揭示
本文所涉的文章观点，仅代表笔者个人观点，不代表本平台的任何立场，不构成任何股票推荐及投资建议。
版权声明：未经许可，任何个人或机构不得进行任何形式的修改或将其用于商业用途。转载、引用、翻译、二次创作（包括但不限于以影音等其他形式展现作品内容）或以任何商业目的进行使用的，必须取得我司许可并注明作品来源为私募排排网，同时载明内容域名出处。
本页面所涉私募基金内容仅对合格投资者展示！因擅自转载、引用等行为导致非合格投资者获取本文信息的，由转载方自行承担法律责任和可能产生的一切风险。
本页内容不构成任何投资建议，相关数据及信息来自基金管理人、托管估值机构、外部数据库，并可能援引内外部榜单、其他专业人士/或机构撰写制作的相关研究成果或观点，我司对所载资料的真实性、准确性、时效性及完整性不作任何实质性判断，对所涉产品/机构/人员不作任何明示或暗示的预测、保证，亦不承担任何形式的责任。
版权声明：未经许可，任何个人或机构不得进行任何形式的修改或将其用于商业用途。转载、引用、翻译、二次创作（包括但不限于以影音等其他形式展现作品内容）或以任何商业目的进行使用的，必须取得作者许可并注明作品来源为私募排排网，同时载明内容域名出处