DeepSeek 第4页

最新标签
文章排序
DeepSeek十大关键问题解读

DeepSeek十大关键问题解读

DeepSeek
DeepSeek探索出一条“算法创新+有限算力”的新路径，开源AI时代或已至，国产AI估值或将重塑。 Q1：DeepSeek对于算力的影响？——Jevons悖论：短期训练侧算力需求或受影响，但DeepSeek推理价格下降吸引更多用户调用模型，带来英伟达H100 GPU的租赁价格提升，故表明算力需求量短期仍呈提升趋势，中长期推理算力需求有望持续增长。 Q2：文本与多模态对算力的需求差别？——多模态模型大规模应用，或将升级算力需求。Sora将大模型训练数据从大规模的文本/图像，发展到视频数据，提升了新的维度，这或将数倍提升算力需求。
34" 1
DeepSeek将如何改变AI应用？

DeepSeek将如何改变AI应用？

DeepSeek AI
从kimi（月之暗面）到智谱，从豆包（字节）到DeepSeek，中国基础大模型一直处于快速演进之中，演进的主旋律则体现为性能提升和成本降低，与计算机历史上PC、互联网的发展逻辑类似。我们总结了以下三个关键词： 关键词1：低成本。与暴力美学的大模型相对应的就是高成本，动则数百上千万元的成本投入在很大程度上制约了下游需求的释放，在中国当前的宏观环境下这种挑战更为明显。DeepSeek带来的成本指数级下降，将会大大加速AI应用的落地进程。 关键词2：开源。伴随闭源基础大模型能力不断提升之后，是否会向上侵蚀应用市场成为了市场的一种担忧。而开源体系大大降低这种可能：1）开源体系需要生态繁荣，基模厂商与应用厂商是合作关系；2）对于应用厂商而言，开源大模型的可获得性、可把握性更强，更容易基于此构建自己的垂直模型和能力。
47" 2
锂电池行业专题报告：Deepseek加速端侧AI渗透，电池产业链有望实现量价齐升

锂电池行业专题报告：Deepseek加速端侧AI渗透，电池产业链有望实现量价齐升

锂电池 DeepSeek AI 产业链
电池是消费电子核心模组，容量密度持续升级。软包锂电池具有单体能量密度高、电化学性能优越、安全性强等优点，是目前应用最广的电池类型。根据EVTank 的统计，2023 年小型电池（3C 消费电池和小动力等）的出货量为113.2Gwh。随着手机功能越来越多以及 AI 应用逐步落地端侧，消费者对于手机和 PC 的高续航要求在持续提升，电池的重要性不断凸显。以 iPhone 为例，每年的新系列相比于上一代同款机型都会进行电池容量的升级。我们判断，随着端侧 AI 功能持续升级迭代，未来电池容量的提升速度和幅度将进一步增长。
90" 2
计算机行业专题研究：为什么DeepSeek最受益方向是云产业链

计算机行业专题研究：为什么DeepSeek最受益方向是云产业链

DeepSeek AI
DeepSeek 通过在架构设计、训练策略、算法优化以及硬件适配等多方面的创新实现在低算力条件下性能优异，配合其巧妙地蒸馏技术为模型的广泛运用打开想象空间。轻量化架构配合量化剪枝技术，使 AI 推理首次真正突破硬件限制，部署成本从高端 GPU 扩展至消费级 GPU。DeepSeek 带来的平权效应缩小与海外模型的差距，高效的训练方法让算力门槛显著降低。而算力门槛的下降给予云厂商们以低门槛部署“杀手级”应用的机遇将不断扩大。
54" 2
汽车行业专题研究：DeepSeek对智能驾驶影响几何？

汽车行业专题研究：DeepSeek对智能驾驶影响几何？

汽车 DeepSeek 智能驾驶
DeepSeek 开源大模型推出后，成为智能驾驶研发端关注的主要方向。DeepSeek 在数据生成、数据处理、模型蒸馏等方面具备较强能力。未来，DeepSeek 有望成为智能驾驶加速的关键，保证高效训练的同时，打通车云模型关系，并持续降低训练成本。未来功能实现层面来看，尚未实现智能驾驶功能完整性部署前，DeepSeek 的使用或加速缩小各家车企之间的时间差距。实现功能突破后，智能驾驶领先企业有望保持用户粘性和高阶功能性能的领先。
108" 2
DeepSeek爆火详细报告：回顾DeepSeek的爆火过程

DeepSeek爆火详细报告：回顾DeepSeek的爆火过程

DeepSeek
《DeepSeek爆火详细报告》深入剖析了DeepSeek大模型的发展历程、引发的各方观点、爆火原因、创新点、现存问题、竞争格局及未来趋势。 2024年5月DeepSeek-V2开源引发价格战，同年12月DeepSeek-V3参数大增且性能超越竞品，2025年1月DeepSeek-R1性能媲美OpenAI的o1正式版，其应用上线后在全球范围内用户量和下载量激增。
78" 5
计算机行业专题研究报告：DeepSeek推动“算力平权”，关注端侧AI和Agent投资机会

计算机行业专题研究报告：DeepSeek推动“算力平权”，关注端侧AI和Agent投资机会

DeepSeek AI Agent
DeepSeek 近期推出 V3/R1/Janus-Pro 等多款大模型，凭借卓越性能和创新技术，在行业内引发强烈反响，效果显著“出圈”。其中 V3 正式训练成本仅为 557.6 万美元，约为 GPT-4 预算的 1/20；R1 性能比肩 OpenAI o1,但API 服务定价为每百万输入 tokens 1 元（缓存命中）/ 4 元（缓存未命中），每百万输出 tokens 16 元，远低于 OpenAI o1。我们认为 DeepSeek 的突破标志着国产大模型技术迈入全球领先行列，其低成本特性将带动 AI应用加速落地。
83" 1
DeepSeek专题报告：DeepSeek激活创新竞争，AI应用迎来“安卓时刻”

DeepSeek专题报告：DeepSeek激活创新竞争，AI应用迎来“安卓时刻”

DeepSeek AI
回顾安卓与iOS应用的发展，我们率先提出不应只关注大模型本身的用户数及活跃度，更应该关注开发者，尤其是中小开发者的数量。据GitHub，在Llama比DeepSeek开源时间早1年半的情况下，目前DeepSeek R1在GitHub上的开发者点赞数量已经达到约5.7万，接近Llama。根据GitHub、Hugging Face社区上的开发者实测，经过R1微调的80亿参数小模型可以在个人笔记本中运行，本地化部署门槛显著下降，应用的开发将迎来百花齐放。
66" 2
DeepSeek核心十问十答

DeepSeek核心十问十答

DeepSeek
DeepSeek-R1 模型发布，具有高性能、低算力需求的特性，带动小模型推理能力的提升，引发全球开发者及用户关注。R1 作为开源模型性能接近头部闭源模型 o1，一定程度上已经反映了 AI 平权，同时纯强化学习对推理能力的提升带来 RL 范式泛化可能，预计后续基模的持续迭代，有望推动 AI 全产业链持续保持高景气和高关注度，关注算力、应用、端侧、数据等核心投资机会。
98" 2
DeepSeek R1深度解析及算力影响几何

DeepSeek R1深度解析及算力影响几何

DeepSeek
Deepseek发布深度推理能力模型。R1-Zero采用纯粹的强化学习训练，证明了大语言模型仅通过强化学习也可以有强大的推理能力，DeepSeek-R1经历微调和强化学习取得了与OpenAI-o1-1217相媲美甚至超越的成绩。DeepSeek R1训练和推理算力需求较低，主要原因是DeepSeek R1实现算法、框架和硬件的优化协同。过去的预训练侧的scaling law正逐步迈向更广阔的空间，在深度推理的阶段，模型的未来算力需求依然会呈现爆发式上涨，充足的算力需求对于人工智能模型的性能进步依然至关重要。
48" 3
加载更多