川海智库

报告概述

本报告以DeepSeek为研究对象，系统梳理了其从创立到引领开源大模型生态的发展历程，覆盖模型架构创新（V3/R1）、训推成本优化、垂直场景应用及商业化进展。报告采用技术复盘与未来展望相结合的框架，分析DeepSeek如何通过算法与工程协同创新重塑AI产业格局，为读者理解国产大模型的技术路线与产业影响提供参考。

报告的核心结论

DeepSeek以极致降本策略开辟了模型进化的第二路径

DeepSeek-V3训练成本仅557万美元，性能对齐GPT-4，通过MoE架构、MLA机制和FP8混合精度技术显著降低训练与推理成本，证明高性能大模型不依赖巨额算力投入。

DeepSeek-R1推动AI应用进入低成本部署阶段

R1推理能力对标OpenAI-o1，但推理成本仅为后者的约1/30，且支持模型蒸馏，使金融、医疗等垂直场景和端侧AI能够以更低成本获得强大推理能力，加速AI落地。

DeepSeek正从模型能力竞争转向应用生态构建

报告指出DeepSeek已全面接入云厂商、运营商并与办公、汽车、金融等行业合作，预计后续商业化加速，其开源策略和低成本优势使其有望成为AI通用基础设施。

DeepSeek-V4编程能力有望突破，AI编程成为最易落地的应用场景

V4在内部测试中编程能力超越Claude和GPT，全球AI编程市场规模预计2030年达260亿美元，DeepSeek在编程工具和智能体领域的布局将加速其商业化。

报告回答的关键问题

DeepSeek如何实现如此低的训练成本？

DeepSeek通过自研MoE架构、多头潜在注意力（MLA）机制、FP8混合精度训练及多token预测等技术创新，在仅使用2048块H800 GPU、训练2个月的情况下，以557万美元成本完成V3训练，远低于GPT-4的约1亿美元。

DeepSeek-R1的推理能力与OpenAI-o1相比如何？

DeepSeek-R1在AIME2024数学基准测试中得分79.8（超过o1的79.2），MATH500得分97.3（超过o1的96.4），Codeforces得分96.3（接近o1的96.6），整体推理能力对齐甚至超越o1，而API价格仅为后者的约1/30。

DeepSeek对AI应用落地有哪些具体推动作用？

DeepSeek通过模型蒸馏使小型模型性能大幅提升，降低了金融、医疗等敏感领域的数据训练门槛；其低成本私有化部署能力推动了垂直场景应用；同时与华为、阿里等云厂商及吉利、OPPO等终端企业合作，加速了AI在办公、汽车、智能手机等领域的渗透。

DeepSeek的估值和商业化进展如何？

截至2025年9月30日，DeepSeek估值达1.05万亿元，位列全球AI独角兽第三。目前主要变现方式为API调用和私有化部署，理论日收入可达56.2万美元（毛利率85%），实际收入因折扣和免费服务低于此值。公司尚未进行外部融资，坚守长期主义。

报告中的代表性数据

557万美元

DeepSeek-V3训练成本

2024年12月，使用2048块H800 GPU训练2个月，总GPU小时278万，对比Llama 3 405B超6000万美元、GPT-4约1亿美元。

1.05万亿元

DeepSeek估值

截至2025年9月30日，据《2025全球独角兽企业500强报告》，在人工智能领域排名第三，仅次于OpenAI和Anthropic。

14.37万亿Token

DeepSeek API调用量

2024年11月至2025年11月，基于OpenRouter平台数据，同期居全球开源大模型榜首。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • DeepSeek发展历程：从2023年创立到R1发布后App日活超2000万的完整时间线，以及关键版本迭代一览表。
  • 团队组织与估值分析：扁平化架构、核心技术人员背景（均来自国内顶尖高校），以及股权结构、估值超万亿的详细解读。
  • V3技术深度解析：MoE架构优化、MLA机制减少KV缓存、FP8混合精度训练、多token预测等核心技术原理与效果数据。
  • R1推理能力对比：与OpenAI-o1在数学、编码、通用推理等多项基准测试的得分对比，以及模型蒸馏对小型模型的提升效果。
  • V4及下一代技术展望：Engram条件记忆模块、DeepSeek-OCR2复杂文档理解、mHC等新技术方向及其对模型规模和成本的潜在影响。
  • 全球AI编程市场分析：市场规模预测（2030年260亿美元）、主要玩家（GitHub Copilot、Cursor、Claude Code等）竞争格局及国内产品表现。
  • DeepSeek行业生态接入详情：与华为云、中国联通、美年健康、OPPO、吉利等企业的具体合作案例，覆盖云、运营商、医疗、汽车、终端等领域。
  • 投资建议与标的梳理：详细列出AI应用（如金山办公、科大讯飞）和算力（如海光信息、寒武纪）两个方向的相关公司及推荐逻辑。
  • 风险提示：包括行业竞争加剧、模型能力迭代不及预期、应用落地进展缓慢等潜在风险因素。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告