DeepSeek对于科技和更广义经济的含义是什么？（译）-摩根.pdf

摩根斯坦利研究创意

2025年1月28日04:54GMT

技术|北美

DeepSeek对于科技和

更广义经济的含义是什

么?

我们看到DeepSeek的成本创新正在导致更快的GenAl

产品创新、可用性和应用渗透……随着我们进入推理能力

增强的时代，我们的团队讨论了跨半导体、互联网、软件、

能源、硬件和非技术领域的应用用户

要点

■DeepSeek模型表明，训练GenAl模型的成本将大幅下降。

■..…我们看到，美国科技巨头仍计划在2025/2026年投入~6500亿美元用于总

资本支出，这将推动更快的GenAl产品创新和可用性

■不断下降的计算成本和不断上升的使用渗透率应该会推动互联网和软件行

业(由GOOGL/METAAMZN/MSFT领导)的GenAIROIC提高

■引发了对与出口管制和LLM商品化相关的半成品的担忧，

但计算机的历史表明，较低的成本加速了使用和需求

我们还将讨论以下4个议题，包括1)美国LLM领导人的回应

2)地缘政治影响3)对ASIC芯片未来发展的乐观预期4)蒸馏能力

创新找到了一种方法，使得训练和开发LLM的能力成本得以下降：上周，中国初创

公司DeepSeek发布了两款模型(DeepSeek-R1-zero和DeepSeek-R1),探索了

LLM在没有任何监督数据的情况下发展推理能力的潜力，重点是自我-

通过纯粹的强化学习过程实现进化。值得注意的是，DeepSeek-R1-

zero已经达到了与OpenAl-01(仅使用训练后强化学习)和成本大大降低

定价中反映的推断(见附表4用于定价)。

据称DeepSeek-v3(DeepSeek-R1-zero和DeepSeekR-1的基础模型来源)基于

280万H800GPU小时的计算资源进行了估计560万美元的训练(远低于训练

MetaLlama3405B所需的~30.8百万H100GPU小时)。虽然实际的训练成本仍有

待商榷，但这一水平训练和GPU时间成本降低(由多头潜在注意力机制、多头模型

、FP8混合精度训练、GRPO等驱动)将成为推动更快LLM启用和生成式Al产品创

新、消费者和企业采用以及生成式Al启用的ROIC和经济生产力提升的重要因素。

更多详情请参阅我们的关于GenAl早期采用和扩散赢家的分析，请参见我们在《人

工智能变化率的揭示》中的最新工作。

摩根斯坦利|创意

展品1:我们看到下降的培训/推理成本推动了更快的GenAl

随着我们沿着多年周期前进，我们如何采用和扩散技术

TheRoadmaptoMonetizingTechCycies..witThisCyelePotentiallyLeadingto

MoreDiffusion

Gagle

umi

ARH

hait

Pmne国③

w

w4

重

iry

MCdpe

ouohon

PGooge

0pI0Meta

Goegleamazon

h