通信行业研究：DeepSeek算力效率提升≠算力通缩，国产算力需求方兴未艾-国金证券.pdfVIP

投资逻辑：

DeepSeek在知乎发布文章《DeepSeek-V3/R1推理系统概览》，披露其AI大模型的理论成本利润率高达545%，引发业

内的热烈讨论。在本篇报告中，我们从以下三个角度：1）DeepSeek的底层架构优化；2）DeepSeek的利润率详细拆

解；3）DeepSeek引发的算力需求之争，回应市场关心的问题。此外，当前市场针对算力之争多定性分析，本篇报告

也旨在提供较完整的定量分析框架以供参考。

DeepSeek通过大规模专家并行与计算通信重叠提升算力效率：

大规模专家并行模式下，专家参数被存储在多个GPU中，集群处理并行请求能力得到增强，GPU算力资源利用率也得

到了提高。但在此模式下，通信耗时增加，因此DeepSeek还采用算通信重叠策略以缓解该问题。我们认为AI大模型

具有规模效应：通过底层架构优化后，伴随批量大小的增加，计算与通信的时间边际下降，吞吐率得到提升。因此大

规模集群能提高算力利用率。

参考DeepSeek，我们认为MaaS厂商具有盈利潜力，率先实现规模效应的云厂商将脱颖而出：

我们对DeepSeek披露的545%高利润率进行了拆解，以进一步分析利润率的影响因素。545%是成本利润率，对应84.5%

的收入利润率。将GPU租赁成本在总成本中的占比、付费率调至合理水平后，我们认为公司实际利润率或