TMT行业AI产业系列跟踪专题研究报告：从DeepSeek看国内AI产业趋势.pdfVIP

内容目录

1DeepSeeko11

推出对标开源模型，国产大模型攻城略地

2DeepSeekAI3

与国产算力：形成打破海外垄断的合力

3AI应用：AI普惠化趋势下，产品大规模落地可期3

4投资建议6

5风险提示8

图目录

图1：DeepSeek-R1性能指标对比1

2DeepSeek-R11

图：输入输出价格对比

3DeepSeek-R1-ZeroAIME2

图：在训练期间的准确性

图4：DeepSeekDAU趋势图2

图5：昇腾社区上线DeepSeek系列模型3

6AGI5

图：层级划分

7AI5

图：不同层级中的能力

表目录

表1：海外部分AI应用端公司动态4

26

表：重点关注公司及盈利预测

1DeepSeek推出对标o1开源模型，国产大模型攻城略地

定价低廉+性能比肩全球顶尖模型+开源，DeepSeek引起全球关注。

2025年1月20日，DeepSeek正式发布DeepSeek-R1模型，并同步开源模

型权重。该模型在后训练阶段大规模使用了强化学习技术，在数学、代码、

自然语言推理等任务上，性能比肩OpenAI的o1正式版。API定价方面，

DeepSeek-R1API服务定价为每百万输入tokens1元（缓存命中）/4元（缓

存未命中），每百万输出tokens16元；约是OpenAI-o1对应定价的1.8%/3.6%

和3.7%。

图1：DeepSeek-R1性能指标对比图2：DeepSeek-R1输入输出价格对比

数据来源：DeepSeek官网，数据来源：DeepSeek官网，

技术路径上，传统大模型训练依赖监督微调（如人工标注数据），而

DeepSeekR1-zeroRL

是完全依赖强化学习（）训练的大语言模型，能够在

无监督环境下通过自我反思和环境交互优化策略，提升了模型的推理性能,

证明了模型仅通过RL就能够实现有效学习和泛化的能力。例如，当

AIME基准测试采用多数表决时，DeepSeek-R1-Zero的性能从71.0%上

升到86.7%，超过了OpenAI-o1-0912的性能。

1

图3：DeepSeek-R1-Zero在训练期间的AIME准确性

数据来源：DeepSeek-AI:《DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsvia

ReinforcementLearning》