互联网行业：以DeepSeek视角，解读DeepSeek逆袭.pdfVIP

互联网行业|行业追踪

以DeepSeek视角，解读DeepSeek逆袭

春节期间，DeepSeek成为全球AI行业关注焦点，从“无名之辈”

化身“绝世高手”。我们围绕三个核心话题，包括最大亮点、技

术创新和潜在影响等，借助DeepSeek视角，让DeepSeek来解

读DeepSeek，一起探讨这次“逆袭奇迹”。

DeepSeek最大亮点是什么？“成本创新”。DeepSeek整体表现

与OpenAI等海外大模型第一梯队处于同一水平，不相上下，而

成本控制方面具有显著优势，包括在训练、推理和商业化定价方

面。整体成本仅为OpenAI的5%-10%，商业化定价仅为OpenAI

的2%-5%。

DeepSeek如何实现“成本创新”？DeepSeek优化策略主要包括：

1）稀疏激活的混合专家（MoE）架构，仅激活任务相关参数，降

低90%算力消耗；2）本地化部署：支持消费级硬件，无需依赖昂

贵的云服务等；3）规则奖励系统：替代昂贵的“AI监工”模型，

减少额外训练；4）开源生态：利用社区贡献降低研发成本，迭代

速度提升3倍。

“成本创新”对AI产业链有何影响？DeepSeek的低成本优势正

在推动AI产业链从“算力竞赛”转向“算法优化”，其影响包括：

1）云计算：推理需求爆发倒逼硬件与架构创新，混合云与边缘计

算成主流；2）大模型：开源生态崛起加速技术民主化，垂直领域

模型与Agent化应用成为新战场；3）应用层：普惠化释放长尾市

场潜力，端侧硬件与行业解决方案重塑商业逻辑。未来，AI产业

将更依赖算法密度与生态协同，而非单纯资源垄断。

投资建议：1）DeepSeek打破了美国在大模型层面的垄断格局，或

带动市场重新审视国产AI行业，带来价值重估；2）DeepSeek的

“成本创新”将使得大模型价格进一步平民化，AI普惠将加速应

用层的爆发；3）虽然DeepSeek降低了单次算力成本，但随着未

来大规模应用的指数级增长，长期来看将有助于推动云服务需求

的上升。

投资风险：地缘政治风险，场景落地不及预期。

本研究报告由浦银国际证券

互联网行业|行业追踪

附录：DeepSeek问答文字版

2025年2月4日，通过DeepSeek网页版提问。

Question1：DeepSeek和OpenAI相比，成本方面有何优势？

DeepSeek在成本控制方面相较于OpenAI具有显著优势，具体体现在训

练成本、推理成本和商业化定价等多个维度。以下是详细对比分析：

1.训练成本对比

•DeepSeek：

oDeepSeek-V3的训练成本仅为558万美元，采用高效的混合专家

（MoE）架构和稀疏激活策略，显著降低了算力消耗。

o其训练时间仅需55天，使用2,048块NVIDIAH800GPU，计算资源

消耗远低于行业平均水平。

•OpenAI：

oOpenAI的GPT-4训练成本高达10亿美元，依赖大规模全参数激

活和复杂的监督微调（SFT）流程。

o训练时间更长，且需要数百万GPU小时的支持，导致整体成本居高

不下。

成本节省：DeepSeek的训练成本仅为OpenAI的5%-10%，实现了显著

的效率提升。

2.推理成本对比

•DeepSeek：

o输入费用：0.14美元/百万tokens（缓存未命中），缓存命中时低至

0.014美元/百万tokens。

o输出费用：0.28美元/百万tokens，显著低于OpenAI和Claude系

列模型。

o采用稀疏激活策略，每次任务仅激活部分参数，进一步降低了推理

成本。

2025-02-052

互联网行业|行业追踪

•OpenAI：

oGPT-4o的输入费用为2.5美元/百万tokens（缓存未命中），输出费

用高达10美元/百万tokens。

o全参数激活模式导致算力消耗巨大，推理成本居高不下。

成本节省：DeepSeek的推理成本