为什么DeepSeek最受益方向是云产业链.docxVIP

m民生证券

m

MINSHENGSECURITIES 行业深度研究/计算机

目录

DeepSeek给予云厂商低门槛部署杀手级〃应用机会，市场需求有望迎来广阔机遇 3

1.1包]叙

1.1包]叙支外為构:J31彳专纟充内算力并瓦5页

3

^

^

1.2DeepSeek突破硬件限制，算力卖铲人〃市场全面打开 5

云厂商是DeepSeek能力的放大器〃：充足的算力弹药〃与用户覆盖能力 8

海量算力的重新定价拉开算力平价时代序幕 8

云厂商平台优势明显，阈值上限再度打开 10

云服务厂商成为心向往之 12

重点公司梳理 15

3.1山知名独立7x

3.1

山知名独立7x1艮

15

优刻#辱：国产方案+全线云产品积淀 16

顺网科技：国内边缘算力领军者 16

网宿科技：专注边缘计算+全球音P署 17

深信服：混合云架构+全渠道战略 18

青云科技：混合云先行者+智算生态矩阵 19

^三六零：专家协{乍模型云t办同+AI安全护 20

^

金山办公：云办公行业领先者发挥新质生产力作用 21

虽石网络：以云为重，终端+AI的两翼齐飞 22

软通动力：天璇AI平台获DeepSeek优化能力跃迁 23

科大讯飞：讯飞星火深耕AI教育领域 24

4M险是$ 26

插图S录 27

雜银 27

本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 2

m民生证券

m

MINSHENGSECURITIES 行业深度研究/计算机

DeepSeek给予云厂商低门滥部署〃杀手级〃应

用机会，市场需求有望迎来广阔机遇

创新技术架构：打破传统内存和算力瓶颈

DeepSeek通过多方面创新实现在低算力的同时性能优异。DeepSeek模型对算力要求相比以往大模型大幅降低，主要得益于其在架构设计、训练策略、算法优化以及硬件适配等多方面的创新。

多头潜注意力（MLA)、深度求索混合专家系统(DeepSeekMoE)的创新架构显著降低训练和推理时的内存占用和计算量。传统计算方式存在对KV矩阵重复计算的问题，这不仅浪费了大量的计算资源，还会导致显存消耗过大，影响模型的运行效率。而MLA技术巧妙地解决了这个难题，它通过独特的算法设计，减少了对KV矩阵的重复计算，大大降低了显存的消耗。而MOE技术将模型分解为多个专家模型和一个门控网络，门控网络根据输入数据的特点，智能地选择合适的专家模型来处理，这样不仅减少了知识冗余，还提高了参数利用效率。在自然语言处理的语言模型任务中，使用MOE结构的DeepSeek模型可以用相对较少的参数，保持甚至提升语言生成的质量，同时显著降低训练和推理时的内存占用和计算量，根据CSDN,DeepSeekMoE在保持性能水平的同时，实现了相较传统MoE模型40%的计算开销降低。

图1:MLA及DeepSeekMOE基础架构

-IOOOO OOOOI

-

OutputHiddenh|

a

)SharedExpert

Feed-ForwardNetworkr

Q0QQ-0I3

IOOOO OOOOIInputHiddenu

Multi-HeadLatentAttention(MLA)

(?i

[??]CachedDuringInference

OutputHiddenuIOOOO-OOOOI

IQOS)

IQOS) ^k^;k^n|otel

con”cotenatel concoffnorrt

(qfj

IOOOOllatentctq

f

LatentcfM????l

1

InputHiddenhfIOOOOOOOOI

资料来源：DeepSeek-V3论文，民生证券研究院

DeepSeek-R1在继承了V3的创新架构的基础上，在后训练阶段大规模使用

了强化学习技术，自动选择有价值的数据进行标注和训练，减少数据标注量和计算

本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告

m民生证券

m

MINSHENGSECURITIES 行业深度研究/计算机

资源浪费，并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，DeepSeek在AIME2024测评中上获得79.8%的pass@1得分，略微超过OpenAI-o1;在MATH-500上，获得了97.3%的得分，与OpenAI-o1性能相当，并且显著优于其他模型。。

图2:DeepSeek-R1系列模型性能对比

t

S40-

AIME2024 Co