九章云极方磊：模型演进多强争霸长期保持竞争格局不变，算法没有护城河，DeepSeek也是一样

来源：市场资讯

　　来源：天风研究

　　2025年2月11日，天风证券在北京2025春季策略会期间成功举办了首个DeepSeek专题论坛，论坛聚焦DeepSeek带来的AI行业变革与发展机遇，特邀多位行业资深专家，就国产模型、AI算力、AI Agent、私有化部署等热门议题分享了最新观点。本次会议备受瞩目，与会者各抒己见，无疑是一场精彩的交流盛宴。

　　在全球人工智能技术竞争日趋白热化的当下，DeepSeek投下的重石激起了千层浪。展望未来，DeepSeek作为AI领域的领军者，将以其强大的技术实力和创新精神引领整个行业迈向更加智能、高效的发展道路。

　　精彩观点

品高软件 林冬艺

　　品高软件林冬艺在题为《品高智算云携DeepSeek，以国产异构技术驱动行业革新》的演讲中表示：DeepSeek给我带来非常多的启示，一是他们的技术精神，在看完他们的论文后我们发现它大胆践行自己的创新想法，勇于尝试实践，最后突破出一条路，这给我们非常重要的启示，软件工程依然是非常重要的领域。二是它的技术精神，过去我们看O1，都是很厉害，它是制高点，但DeepSeek创新开源之后给了我们新的起点，我们可以在DeepSeek的基础上用元码级的开发，用更深度的结合带来更高的突破。三是它的创新精神指引着我们全国产化的人工智能发展之路，有迹可循，可以走下去。

超擎数智 唐春峰

　　超擎数智唐春峰在演讲中提到：仅仅在春节之后一个星期的上班时间，我们就有在应用端的快速成交，因为客户看到的DeepSeek大幅拉近了推理端的需求，因为落地变得便宜了、容易了、好用了，这是一个爆发的趋势，过去两年整个公司每年都是倍增的状况，其实在年前我们也认为应用会会倍增，在今天我可以比较有把握地讲，这个市场的天花板很高，我们认为倍增是一个很正常的发展速度，甚至会更快，是一个很大的机会，我相信我们很多伙伴、很多合作方也能一起看到这个机会。

九章云极 方磊

　　九章云极方磊发表了题目为《DeepSeek带来的三个变和不变》的演讲，他认为：三个不变：私有知识学习需要垂类进化不变， 并不能一个模型解决行业问题deepseek也不例外。算力消耗增加不变， Jevons Paradox（杰文斯悖论），更高效率的蒸汽机没有减少煤炭消耗，反而因为蒸汽机广泛使用，带来了好多倍的煤炭消耗。模型演进多强争霸长期保持竞争格局不变，算法没有护城河，DeepSeek也是一样。三个变：模型进入后训练和深度推理时代，算力构成发生变化，从预训练转向更多的后训练和推理。应用创建的范式在变，RL沙箱自动化会取代人工反馈微调。从而应用成本大大减低，更加广泛的应用在各个行业加速铺开。普惠算力的需求更强烈。开源生态会更快的发展，反超闭源生态，开源模型私有部署会超过闭源模型API。

　　在最后的圆桌讨论环节，天风研究TMT团队的几位首席分析师围绕DeepSeek展开讨论。

　　天风研究传媒&海外首席分析师孔蓉认为DeepSeek最新模型的低成本高效能，验证中国AI研发效率优势，模型性价比突破或将加速AI+场景落地，算力需求传导路径明确。国际资本开始重估中国AI产业价值，在DeepSeek驱动AI应用与国产算力崛起，中国科技资产或持续向好。

　　天风研究通信首席分析师王奕红认为随着Deepseek加速AI大时代，海外头部互联网企业持续加大AI投入，以及国内AI随着字节效应拉动，中长期趋势逐步明朗，我们积极看好25年或成为国内AI基础设施竞赛元年以及应用开花结果之年。AI端侧和应用百花齐放，有望进一步推动AI算力和应用的闭环效应，强化未来算力需求信心。建议持续重视AI算力、云基础设施和端侧机会！

　　天风研究电子首席分析师潘暕表示：近期Deepseek-R1以其较低训练成本和较强性能引起全球广泛关注，主要源于其V3基模多项降本提效的创新及R1模型增加的第二阶段强化学习训练对推理能力的大幅提升。Scaling Law VS新推理范式下后训练和推理环节的迭代或将为ASIC带来重要成长机遇。近期海外AI链公司META、微软和CLS最新季度业绩表现分化，印证了预训练增速放缓、后训练及推理驱动ASIC快速成长的产业趋势。对标杰文斯悖论，持续看好算力投资及算力需求增长趋势。AI应用成本降低的同时或将显现增长弹性，看好应用端潜力释放。海外方面看好具备垂直应用转化软实力的META等，国内方面看好具备完善生态能力的果链及智能硬件创新。

　　天风研究计算机首席分析师缪欣君指出：DS引领模型平权下，各厂商产品能力有望快速提升，但长期价值分化将取决于三大核心壁垒：1）用户粘性强：数据和商业化基础。C/B端刚性流量入口厂商的AI产品落地确定性更高，建议关注付费用户基数×渗透率×ARPU提升潜力的乘数效应。2）数据：数据飞轮下垂直模型竞争力。大模型通用能力仅解决泛化问题，但专业场景需叠加行业know-how数据。同时，需寻找垂直数据的沉淀周期长，并且可形成数据飞轮。3）场景：强付费+深度思考有价值的应用场景。我们认为，具备这两个因素的行业与R1为代表的大模型推理模型相契合，比如金融、教育、医疗行业等。建议聚焦高壁垒Agent赛道。