【华泰计算机】DeepSeek：全球AI影响（应用）

:全球AI影响(应用)谢春生岳铂雄风险提示宏观经济波动。若宏观经济波动,产业变革及新技术的落地节奏或将受到影响,宏观经济波动还可能对AI投入产生负面影响,从而导致整体行业增长不及预期。技术进步不及预期。若AI技术和大模型技术进步不及预期,或将对相关的行业落地情况产生不利影响。本报告内容均基于客观信息整理,不构成投资建议。参考报告:《微软:AIARR超百亿,CapEx指引强劲》2025-01-30发言内容以报告为准11DeepSeek模型的关键变化DeepSeek:中国大模型从“等待开源”到“引领开源”••DeepSeek大模型成为全球开源模型领军者,DeepSeek应用登顶iOS应用下载榜第一。•市场对于中国大模型的认知从“等待海外开源模型”转变为“中国大模型引领开源”资料来源:DeepSeek官网、Bloomberg、华泰研究资料来源:公司官网3DeepSeekvsMeta的开源协议有何异同?••Meta的Llama模型遵循的是社区许可证(如LlamaLicense1.0):它虽然允许用户使用、修改和分发模型,但有一些额外的使用限制。比如,Llama的开源协议明确规定禁止在未经Meta授权的情况下进行大规模的商业化操作。•研究和个人使用免费:任何人都可以下载并使用Llama模型进行研究或个人项目,而无需支付费用。•企业使用限制:如果企业的月活跃用户数(MAU)超过7亿人,则需要获得Meta的额外许可,这可能涉及商业支付。•云提供商:如果微软作为云提供商,提供Llama作为API或托管服务,可能需要获得Meta许可,并根据协议支付费用。•DeepSeek-R1采用了MIT许可证进行开源:这意味着任何人都可以自由地使用、修改和分发该模型,包括用于商业目的。•任何人都可以自由地使用该模型,包括个人、学术机构和商业组织。•允许使用模型进行任何形式的活动,如研究、开发、部署、产品化等。•允许用户根据自己的需要定制模型,进行二次开发。•MIT许可证允许模型的商业化使用。这意味着可以将模型用于商业产品中,无需支付版权费用。资料来源:DeepSeek官网、Bloomberg、华泰研究资料来源:公司官网4DeepSeek:模型成本下降•基于开源模型的又一次软硬件创新,带来模型的成本的快速下降,低成本意味着更低•基于开源模型的又一次软硬件创新,带来模型的成本的快速下降,低成本意味着更低的准入门槛和更高的投资回报率,是应用规模化放量的重要关键。DeepSeek基于多头潜注意力与多Token预测两大算法创新,允许使用较少的计算量来训练和推理具有相同能力的模型。•Anthropic的首席执行官达里奥·阿莫迪(DarioAmodei)认为,算法的进步甚至更快,可以产生10倍的改进。就GPT-3质量的推理定价而言,成本下降到1/1200。$1MTokens输入1MTokens输出DeepSeek-chat0.140.28DeepSeek-reasoner0.552.19OpenAIo1OpenAIo1-mini3OpenAI4o5OpenAI4o-mini0.150.60Instruct(70B)0.720.72资料来源:DeepSeek官网、Bloomberg、华泰研究资料来源:公司官网5DeepSeek:模型蒸馏••基于较大基础模型蒸馏的推理范式,对于提高模型的推理能力至关重要。DeepSeek-R1产品协议明确可“模型蒸馏”。•使用DeepSeek-R1挑选(curated)的80万个样本,直接微调了Qwen和Llama等开源模型。研究结果表明,简单的蒸馏方法显着增强了较小模型的推理能力。对于蒸馏模型,仅应用SFT,不使用RL(尽管结合RL可以大幅提高模型性能)。•全部模型开源:DeepSeek-R1-Zero、DeepSeek-R1以及基于Qwen和Llama从DeepSeek-R1中蒸馏的六个密集模型(1.5B、7B、8B、14B、32B、70B)。蒸馏的主要步骤:•1)训练一个性能较好的大模型(教师模型)•2)用大模型在训练数据上生成预测(软标签,即对样本进行预测时输出的概率分布)•3)使用小模型(学生模型)通过软标签和真实标签进行训练资料来源:DeepSeek官网、Bloomberg、华泰研究资料来源:公司官网6DeepSeek:模型蒸馏•蒸馏小模型的性能,优于对小模型直接进行RL。相当于DeepSeek-R1让小模型在RL上实现了平权。•在Qwen-32B-Base上使用数学、代码和STEM数据进行大规模RL训练,训练超过10K步,得到DeepSeek-R1-Zero-Qwen-32B。•结论:使用Qwen2.532B作为基础模型,直接从DeepSeek-R1进行蒸馏得到的模型性能,优于在Qwen2.532B上应用强化学习。••1)将更强大的模型蒸馏成更小的模型可以获得很好的结果,而依赖本文提到的大规模RL的更小的模型,不仅需要巨大的计算能力,甚至•可能还达不到蒸馏的性能。•2)虽然蒸馏策略既经济又有效,但要超越智能的边界,可能仍然需要更强大的基础模型和更大规模的强化学习。••基础模型强的厂商,做小模型同样更有优势。尤其是对于RL算法。资料来源:DeepSeek官网、Bloomberg、华泰研究资料来源:公司官网72海外对于DeepSeek模型的态度DeepSeek:通过模型实现AI破局像openAlCMetaGoogle TencTencen广腾讯lllByteDance资料来源:各公司官网、bloomberg、华泰研究资料来源:公司官网9海外科技厂商积极拥抱DeepSeek资料来源:各公司官网、bloomberg、华泰研究资料来源:公司官网10海外科技厂商积极拥抱DeepSeek••由于担心将敏感数据“喂给”中国企业,可能需要在内部对接时走更加严格的安全审核流程,或者依赖美国云服务商来间接使用这些技术。Azure与AWS已正式上线DeepSeek-R1模型。资料来源:各公司官网、bloomberg、华泰研究资料来源:公司官网11MSFT:DeepSeek-R1正式上线,看好端侧••DeepSeek的R1模型今日通过Foundry和GitHub的模型目录(ModelCatalog)正式发布,并集成了自动化红队测试(RedTeaming)、内容安全(ContentSafety)和安全扫描(SecurityScanning)。我们的Phi系列小型语言模型(SLMs)目前下载量已超过2000万次,此外,我们还提供来自拜耳(Bayer)、Paige.AI、罗克韦尔自动化(RockwellAutomation)、西门子(Siemens)等合作伙伴的30多个模型,以满足行业特定应用场景的需求。•今年假期,美国15%的高端笔记本电脑是Copilot+PC,我们预计未来几年内,大多数销售的PC都将是Copilot+PC。此外,我们看到Adobe、CapCut和WhatsApp等公司越来越多地开发应用,利用内置NPU(神经处理单元)进行优化。未来,它们还将能够在Copilot+PC本地运行DeepSeek的R1蒸馏模型,同时也能利用Windows上庞大的GPU生态系统进行计算。•我们对与OpenAI的合作关系仍然感到非常满意。正如你所看到的,他们已经在Azure方面做出了重大承诺,甚至在预订量(bookings)方面,我们目前看到的只是第一批次(firsttranche)。鉴于我们拥有优先购买权(ROFR),这一合作未来还会带来更多收益。显然,他们的成功就是我们的成功,我们在博客中详细介绍的所有商业合作协议也与这一公告相匹配。但从整体来看,我想强调的是,我们正在构建一个高度灵活的计算集群(fungiblefleet),确保在训练(training)和推理(inference)之间达到最佳平衡,并且这个计算能力是全球分布式的(geo-distributed)。我们正在全力优化所有软件,不仅包括DeepSeek带来的优化,还包括我们多年来与OpenAI合作所做的大量工作,例如降低GPT模型的成本。实际上,我们在推理优化(inferenceoptimization)方面投入了大量精力,这对于推动AI发展至关重要。在AI领域,关键的一点是:你不能只是推出前沿模型(frontiermodel),如果其推理成本过高,那就没有意义,因为这样不会产生任何实际需求。因此,必须不断优化,使推理成本下降,从而让更广泛的用户能够使用。这正是我们在管理计算集群时的核心原则。另外,需要牢记的是,不要一次性采购过多硬件,因为摩尔定律每年都会带来2倍性能提升,而我们的优化工作可能会带来10倍的提升。所以,我们的策略是持续升级计算集群(upgradethefleet)、现代化计算架构(modernizethefleet)、优化旧设备)。最终,我们希望在变现(monetization)和需求驱动的投资回报之间找到最佳平衡,使之与训练成本(trainingexpense)保持合理比例。因此,我对我们的投资充满信心。这种灵活性(fungibility)让我们能够长期扩展业务(scalemorelong-termbusiness)。资料来源:各公司官网、bloomberg、华泰研究Meta:Meta’spanic,TrueorFalse?它始于deepseekv3,这使得Llama4在基准测试中已经落后。更糟糕的是,“一个拥有500万至5000万训练预算的未知中国公司”工程师们正疯狂地剖析deepsek,并从其中复制我们能得到的一切。我甚至没有夸张管理层担心如何证明建立通用人工智能组织的巨额成本是合理的。他们如何面对领导层,因为通用人工智能组织的每一个“领导者”的收入都超过了训练deepseekv3的全部成本,而我们还有数十个这样的“领导者”Deepseekr1让事情变得更加可怕。我不能透露机密信息,但无论如何它很快就会公开这本来应该是一个以工程为重点的小型组织,但由于许多人想加入影响争夺战并在组织中人为地增加招聘,每个人都失去了。资料来源:各公司官网、bloomberg、华泰研究Meta:开源格局的竞争••Q:也许我可以回到您关于开源的评论上。您能否帮助我们理解,您对于开源方法与行业内其他公司相比的竞争动态的看法是如何不断演变的,以及您的开源方法如何在中长期内改变人工智能的成本曲线并提高资本回报率?非常感谢。•A:好的。关于开源,我认为对我们来说最好的类比是我们在开放计算(OpenCompute)方面所做的事情,当时我们不是第一个构建该系统的。所以,当我们开始构建时,将其专有化并没有太大优势。所以,我们分享了它。然后很多行业内的公司采用了我们的做法,并为其贡献了创新成果。通过对其进行标准化,这意味着大量供应链都围绕它进行标准化生产,这使得每个人的成本都更高效。我认为我们在这里看到的是,随着Llama被更广泛使用,例如,芯片供应商和其他-其他API和开发者平台更有可能针对它优化他们的工作,基本上降低使用它的成本,并推动一些我们在某些情况下也能使用的改进。所以,我认为这个策略将继续有效,是的,我仍然对此持乐观态度。我认为这有点-我认为它正在发挥作用。我也认为鉴于最近的一些新闻,来自中国的新竞争对手DeepSeek,我认为这也表明-我们正在讨论的事情之一是全球将会有一个开源标准。我认为从我们国家的优势角度来看,重要的是这是一个美国标准。所以,我们认真对待此事,我们希望构建全球人们都在使用的人工智能系统,而且我认为,如果说有什么不同的话,最近的一些新闻只会坚定我们的信念,即这是我们应该专注的•我可以先回答关于DeepSeek的问题。我认为他们做了一些新颖的事情,我们仍在研究。而且他们有一些进展,我们希望能在我们的系统中实施。这就是这类事情的本质,无论它是不是来自中国的竞争对手。我有点预计每个有新进展的新公司-每次有新发布,都会有一些新的进展,其他同行会从中学习。这就是科技行业的发展方式。我不知道-现在就对这对基础设施、资本支出等方面的轨迹意味着什么有强烈的看法可能还为时过早。这里同时发生着很多趋势。已经有关于我们正在使用的计算基础设施有多少将用于预训练,以及随着您获得更多这类推理时间模型或推理模型(通过在推理中投入更多计算来获得更高智能),我们使用计算基础设施的方式是否会朝着这个方向转变的讨论。资料来源:各公司官网、bloomberg、华泰研究SAP:DeepSeekis‘goodnews’DominikAsam表示,中国初创公司DeepSeek的AI模型实际上对公司来说是“好消息”。•CEOKlein对DeepSeek表示欢迎。他说,能源利用率更高且更平价的AI模型的前景将促进AI的普及,并推动市场对SAPAI服务的需求。“这对我们(SAP)的AI战略来说是个好消息。我们从一开始就说,我们首先在AI基础设施和大语言模型(LLM)方面进行合作。我们相信这越来越成为一种商品。”•被问及DeepSeek是否会被纳入SAP产品时,Klein表示,该集团将继续向中国客户提供中国制造的技术。•SAP的首席财务官DominikAsam说,如果满足成本、可靠性等特定的要求,SAP可以采用中国的模型,企业对企业(BtoB)环境下的AI应该可以解决问题并增加收入。“从这个角度来看,任何可以降低成本的东西都是有帮助的。”•Asam说,AI技术也需要可靠且负责,因为SAP必须遵守数据隐私相关的法律。SAP需要研究,如果将解决方案放到中国的平台上,如何确保这方面,如果中国的模型开发方可以证明对此无需担心,且能通过尽职调查,SAP也可以用中国的模型。资料来源:各公司官网、bloomberg、华泰研究NOW:看好模型成本下降后的应用放量••1.AI基础模型成本下降对ServiceNow的影响(WilliamMcDermott)•AI基础模型(如LLMs)正在快速商品化(Commoditization),其成本下降的速度甚至超出了预期。对ServiceNow而言,这是一大利好:毛利率受益:随着AI成本下降,ServiceNow的利润空间扩大。客户预算优化:企业在LLMs、硬件和基础设施上的支出减少,意味着他们•ServiceNow的核心竞争力不在AI模型本身,而在其AI平台的编排(Orchestration)和业务运营能力(Operationalization):AI只是数据分析的第一步,而ServiceNow让企业将AI洞察转化为实际可执行的业务行动。例如:自动化工作流、主动解决问题、提升企业生产力•ServiceNow对AI采用持谨慎态度,严格评估AI模型的安全性和可行性(“测量两次,计算一次”)。致力于“负责任的AI”(ResponsibleAI),确保AI解决方案符合企业合规和数据安全标准。ServiceNow正在评估DeepSeek,Amit及其团队已展开研究,但会在确保安全性和可靠性后才决定是否采用。•3.ServiceNow的AI生态布局(AmitZavery)•ServiceNow支持第三方大型语言模型(LLMs),并与多家AI供应商深度集成。ServiceNow的技术架构允许灵活集成AI领域的新创新,确保客户始终能获得最佳AI解决方案。AI+工作流+数据的结合才是ServiceNow的核心竞争力,公司会采用任何能为客户创造价值的技•DeepSeek只是ServiceNow评估的众多AI选项之一,目前已有团队在研究其潜在应用,未来可能会根据需求进行集成。资料来源:各公司官网、bloomberg、华泰研究3全球视角:性价比模型有望加速应用放量2025预期:AI应用从商业化到规模化商业化商业化产品化规模化产品化规模化MicrosoftCMetaMicrosoftQMicrosoftCMetaservicenawcansa资料来源:各公司官网、bloomberg、华泰研究2025预期:AI应用从商业化到规模化一级分类二级分类公司产品打磨试点前期商业导入商业模式成熟科技巨头公有云MicrosoftAmazon社交应用龙头数据工具数据库数据中台数据工具数据工具ElasticAI应用2B平台应用PalantirServiceNow2B垂直应用AppLovinShopifyAdobe2C应用Reddit资料来源:各公司官网、bloomberg、华泰研究2025预期:AI应用从商业化到规模化AI驱动订单20%的交易都包含高级AI用例;客户有明确的计划,要在RISE和GROW转型云订单中约有30%是包含AI用例的交易;云订单中有50%是包括AI用例的交易Joule能力与NVIDIA一起,我们还通过Joule(面向顾问)和Joule(面向开发人员)将AI功能带入我们的RISE。例如,借助后者,用户可以生成、理解和测试现代云代码,并将编码效率提高多达30%我们现在有了Joule的第一个用例,即人力资源、财务和供应链领域;已经为Joule添加了500多项技能,我们Joule很快就能协调多个AI代理,端到端地执行这些复杂的流程。我们总共集成了1,300项技能,使其能够在有超过30,000名客户使用SAP我们将在2025年再次加倍投资AI,所有30,000多名开发人员都致力于增强我们的AI基础并构建新的用例。关键目标是2025年底将工具用户效率提高30%。Joule商业化Q2新客户:印度汽车领导者Mahindra有数百名客户获得了Joule的许可从签约到第一个AI用例上线,会有约3个月的延迟,然后收入开始释放。AI用例自23Q4以来,SAP的云产品组合中发布了30多个新的AI场景,2024年将已经发布了60多个genAI用例,并有望和制造方面,我认为这些领域是嵌入式AIGenAI用例,超过了我们的计划。数据价值上下文、具有元数据、具有语义,然发布了SAP知识图谱;知识图谱收集了数十年的业务流程知识,使GenAI能够SAP和非SAP数据,并始终使用相关语义。通过这种方式,我们将使AI代理更Unleashed活动中,更多介绍。生态合作BusinessAI产品,超过60个客户使用BTP上的GenAI来构建自定义AI场景,BTP目前有超过90个合作伙伴用例正在进行共同创新;一个例子是安永开发的智化方面取得重大进展,使用BTP上的genAIhub方面:我们的合作伙伴的消费量从第二季度到第三季度增长了两倍多,资料来源:各公司官网、bloomberg、华泰研究资料来源:公司官网202025预期:AI应用从商业化到规模化••企业AI从概念验证阶段转向全企业范围部署•最初的一批席位主要用于那些更关注即时生产力的团队,比如销售团队、财务部门或供应链领域,其中经常需要使用SharePoint进行数据整合,并将其与Web数据结合,以便生成有价值的结果。•但随后,我们观察到的趋势,实际上与过去几代生产力工具的演变非常相似——人们开始跨职能、跨角色进行协作。例如,在我的日常工作习惯中,我会进入聊天界面,使用工作选项卡(worktab),获取结果,然后立即与同事共享页面。我把这种模式称为“与AI共同思考、与人共同工作”。而这种使用习惯的形成,最终会推动企业将Copilot作为一个标准化工具,全面部署到整个企业环境中。这正是我们当前看到•最初可能只是从部门级别开始,但协作网络效应很快会促使企业级别的广泛扩展。你可以按用户群逐步推广,并随着时间推移扩大覆盖范围。我们观察到,许多企业客户会从CopilotChat开始,然后逐步扩展到更广泛的应用场景。这使得企业客户可以更灵活地部署Copilot,使2025预期:AI应用从商业化到规模化••首批用例11月推出以来,目前已获得1,000家企业客户(客户总量8,400家)。•AgenticAI的用量显著高于传统Assist产品,Agent产品后续将采取订阅+用量的混合定价模式。AgenticAI的使用量将远高于标准NowAssist查询的消耗量。这一方法不仅确保客户能够尽可能快速且无缝地访问我们的AI功能,同时简化销售流程。这项技术是过去数十年来最具颠覆性的创新,我们正在巩固自身作为企业业务转型AI平台的领导地位。•关键战略行业:公共部门正迎来重大现代化变革,这一趋势预计将在2025年及未来几年持续深化。•仅美国政府每年在IT领域的支出就高达1,250亿美元,其中大量资金流向了无法审计、未分类、且缺乏使用跟踪的系统。这也是为什么我们如此看好特朗普总统提出的新“政府效率部门”(DepartmentofGovernmentEfficiency)计划。如果回顾ServiceNow在美国联邦政府客户中的成功案例,我们已通过提高运营效率和自动化冗余工作,帮助政府节省了数百万美元的成本,并减少了数百万小时的人工操作时间。•AgenticAI:让公司变为真正的数据公司。20252024.112025采购AIAgent人力采购AIAgent人力AIAgent开发AIAgentITSMAIAgent客服AIAgent语音视频语音视频多Agent多Agent协作单一Agent资料来源:各公司官网、bloomberg、华泰研究模型性价比:应用放量的重要前提后后企业承担自研模型 数据安全数据权限先企业承担自研模型成本 私有化成本闭源模型 结构化数据闭源模型结构化结构化数据AI应用模型数据AI应用模型开源微调非结构化数据开源微调非结构化数据安全一体化安全一体化闭源安全防护跨业务数据跨端云数据开源私有化闭源安全防护跨业务数据跨端云数据开源私有化资料来源:公司官网232024重心:闭源模型压制下的数据挖掘••数据价值成为海外软件共识,云厂商、数据工具商、应用厂商纷纷发力数据中台产品。•1)云厂商:微软23年5月推出MicrosoftFabric功能,打造全新的、综合性的统一数据分析平台。•2)数据工具商:Snowflake24年6月推出SnowflakeCortex功能,为用户提供了直接在其数据平台内进行AI应用开发的能力。•3)应用厂商:Palantir的Ontology、Salesforce的Datacloud、ServiceNow的RaptorDB的功能定位均为企业数据中台,旨在整合全面的企业应用数据,构建AI应用的底层数据基础。•面向AI的数据中台产品具有三大特征:全量企业数据聚合、高质量企业数据治理、面向AI应用开发的工程环境。2022推出DataCloud2024.09推出基于DataCloud2022推出DataCloud2024.09推出基于DataCloud2023.05推出2024.09推出2016年推出Ontology目前AIP产品基于成熟的Ontology模块2024.06推出产品成熟度资料来源:各公司官网、bloomberg、华泰研究2024重心:闭源模型压制下的数据挖掘••ServiceNow在一个统一的平台上,规模化整合了AI代理(AIAgents)、工作流(Workflows)、工作流数据结构(WorkflowDataFabric)、RaptorDB以及集成枢纽(IntegrationHub)。比之下,大多数企业软件供应商仍在**苦苦应对众所周知的集成挑战**,在某些情况下,他们甚至夸大了自身的技术进展,而实际上只是零散的增量改进。•即使我们正在拓展新的买方群体,例如首席数据官(ChiefDataOfficer,CDO)和首席AI官(ChiefAIOfficer,CAIO),ServiceNow仍然是CIO的核心控制平台(ControlPlane),这正是企业AI发展的终极方向。•WorkflowDataFabric:我们始终致力于为客户提供更全面的ServiceNow发展蓝图。例如,我们推出的WorkflowDataFabric进一步扩大了ServiceNow的可服务市场(TAM)。与此同时,代理AI的持续增长也提升了市度,本季度NTT等新客户已正式采用该产品。•为进一步增强数据架构能力,ServiceNow宣布与Oracle和GoogleCloud的全新集成,进一步提升DataFabric解决方案的广度与深度。•RaptorDBPro高性能数据库:我们在RaptorDBPro产品上也取得了卓越的早期市场反响。自2024年9月发布以来,该产品已成功吸引5家年度合同价值(ACV)超过100万美元的客户。其中,一家领先的跨国科技公司于2024年第四季度采用RaptorDBPro,并已实现超出预期的性能提升。该客户的数据库响应时间提升最高达3.5倍,同时数据库体积减少超过30%,从而带来了显著的成本节约。资料来源:各公司官网、bloomberg、华泰研究2024重心:闭源模型压制下的数据挖掘••企业在数据和分析上的支出高达50%IT预算。尽管进行了大量投资,许多企业仍未能充分挖掘数据的潜力。数据往往被锁定在信息孤岛之中,缺乏业务背景。企业因此无法获得完整的业务视图,而在缺乏高质量数据的情况下,AI代理的能力也远未发挥到极致,正如“垃圾输入,垃圾输出”的原则所示。我们将通过SAP史上最重要的创新之一,来解决数据和AI领域的挑战。•SAP将统一结构化和非结构化数据,整合SAP及非SAP数据,并始终保持相关的语义信息。借此,我们将大幅提升AI代理的能力。Joule将成为这些AI代理的超级编排者(superorchestrator),能够自主执行端到端的完整任务,并承担大量人工工作。在2月13日的“BusinessUnleashed”大会上,我们将深入探讨这一创新。资料来源:各公司官网、bloomberg、华泰研究2025重心:数据优化后的模型升级带来的双击••哪些海外应用厂商会更加受益?•1)业务流程Agent类应用商。算力消耗量大,对于模型成本敏感。•2)已尝试用量付费模式的应用商。模型成本快速下降后,对于此类厂商的产品业绩释放会显著提升。•3)拥有中国区业务的软件商。目前来看,海外厂商更倾向于在中国地区应用DS模型,国内功能有望迎来上线。公司业务环节数据中台Agent应用商业模式PalantirOntology(2016)AIP服务器节点数SalesforceCRM、MAS、SFA、OADataCloud(2022)Agentforce用量ServiceNowITSM、ITOM、HCM、CRMRaptorDB(2024)AgenticAI订阅+用量SAPERP、CRM、ITSMHANACloud(2020)Joule’sAgent订阅WorkdayDataHub(2018)WorkdayIlluminateC3.AIC3PaaS(2018)C3GenerativeAIMicrosoftCRM、ERP、OAFabric(2023)CopilotAgent订阅+用量资料来源:各公司官网、bloomberg、华泰研究2025预期:AI应用从商业化到规模化商业化商业化产品化规模化产品化规模化MicrosoftCMetaMicrosoftQMicrosoftCMetaservicenawcansa资料来源:各公司官网、bloomberg、华泰研究4中国视角:模型优化下的快速追赶2025预期:中国AI应用进展较缓2C增效智能终端2B2C增效智能终端2B降本MicrosoftQpalantir国ws和yCMetaTencen广腾讯lllByteDancelllByteDanceTencen广腾讯资料来源:各公司官网、Wind、华泰研究模型突围:AI应用阻力减少,缓解数据质量较低问题先先企业承担自研模型 数据安全数据权限后企业承担自研模型成本 私有化成本闭源模型 结构化数据闭源模型 结构化数据数据结构化 非结构化数据模型开源微调AI应用模型开源微调AI应用安全闭源安全防护开源私有化一体化安全闭源安全防护开源私有化一体化跨端云数据跨业务数据跨端云数据跨业务数据资料来源:公司官网31DeepSeek直接相关分类公司市值推荐理由25E净利润25E营收浙江东方华金资本每日互动幻方量化第二大股东,为DeepSeek提供海量用户行为语料数据等中科曙光5浪潮信息1卓创资讯并行科技与Deepseek初步接触,之前合作智谱4当虹科技与Deepseek初步接触,业务落地方向仍在探讨,自研端侧视频模型通过国家备案7拓尔思资料来源:各公司官网、Wind、华泰研究Agent应用厂商对比Agent分类公司市值推荐理由25E净利润模型合作汉得信息合作字节跳动,在大消费领域成功落地多个Agent标杆项目,单个智能体在50-200万之间能科科技合作华为,在工业领域连续落地两个Agent项目,累计合同价值约2.7亿泛微网络合作腾讯,打造“市场、销售、合同”等10多种场景Agent,合作新华三推出办公大模型一体机金山办公2024H2,WPSAI2.0新增AI写作助手、AI阅读助手、AI数据助手、AI设计助手等功能合合信息具备较强的非结构化多源异构数据处理能力,有望进一步拓展企业信息管理、合同管理等Agent/新致软件面向保险客户提供新致新知2.0平台,提供智能客户助手、数据查询助手、报告生成助手等Agent鼎捷数智基于鼎捷雅典娜平台,推出智驱工作台、ChatFile、高管AI数智助理等Agent功能ifind全新上线AI财经智汇功能,构建了同花顺AI开放平台,为客户提供Agent构建基座用友网络基于YonGPT2.0打造了100多项智能应用,落地徐工集团、云南白药、中核四川环保等多家企业Agent分类公司市值推荐理由25E收入福昕软件2024年发布了面向海外PDF编辑器AI助手功能,定价为4.99美元/月,49.99美元/年8三六零发布纳米搜索AI搜索产品,24年12月访问量3.59亿,目前已上线鸿蒙原生版8星环科技24年推出SophonLLMOps大模型运营平台,打造企业Agent应用搭建的数据基座6/普元信息24年升级低代码开发平台与数据中台产品,助力金融、军事、能源等行业客户加速Agent开发4/资料来源:各公司官网、Wind、华泰研究方向1:Agent应用提供商•区别于海外2B应用,国内2B软件具有更强的行业属性,因此我们判断国内Agent将沿两类方向演进。•一是,平台型软件复制海外路径,业务功能可能更偏向于后台业务效率提升。代表:用友网络、金蝶国际、泛微网络、博睿数据;•二是,垂类行业应用加速迭代,业务功能可能更偏向于前台业务效率提升。代表:金山办公(办公)、鼎捷数智(工业)、新致软件(保险)、华宇软件(法律)、同花顺(金融);公司主营业务AI变化模型合作商用友网络覆盖企业资源规划(ERP)、云服务、财务管理、供应链管理、发布YonGPT2.0,并基于此打造了100多项智能应用金蝶国际覆盖企业云、ERP、行业解决方案、小微企AI优先战略,金蝶云·苍穹重构为新一代企业级AI平台,包括大模型能力平台、CosmicStudioAI原生应用开发平百度、华为泛微网络腾讯博睿数据提供应用性能监测、数字体验监测、网络性能新致软件面向保险客户提供新致新知2.0平台:智能客户助手、数据查询助手、智谱华宇软件发布法律行业垂类大模型“华宇万象”,并推出了系列创新应用产品,推出了HithinkGPT大模型,并针对消费者智能投资顾问产品——问财iFinD金融终端推出行业解读、AI财经智汇等AI功能,应用AI功能集合鼎捷数智积极推进鼎捷雅典娜平台的研发升级,推出了娜娜家族、智驱工作台、OpenAI(海外)、百度金山办公2024下半年,WPSAI2.0上线,新增AI写作助手、AI阅读助手、AI数据助手、AI设计助手等功能;推出带有AI搜索的应用灵犀,实现搜索/总结/整理/创作等,从实现的功能上,类似于豆包/Kimi等Chatbot。MiniMax、智谱、自研资料来源:各公司官网、华泰研究方向2:大模型厂商实施商实施商实施商公司主营业务AI变化模型合作商汉得信息覆盖智能制造、数字营销、智能供应链等业务,覆盖前中后台多业务环节,提供海外ERP产品的实施服务2023年8月推出“融合AIGC平台H-COPILOT”,24H1实现约2500万元营收,推出基于S/4HANA的AIGC智能体解决方案,携手火山引擎,在大消费领域成功落地多个标杆项目字节跳动能科科技签订总金额约1.45亿元的“大模型场景化应用合同”,子公司能科瑞元将为客户提供全国产化算力集群,部署L0层大模型以及大模型开发资料来源:各公司官网、华泰研究方向3:数据中台价值重估••数据中台的价值逐步提升Γ国内本地化数据治理难度高于海外,且大厂数据中台产品多聚焦多云数据聚合,本地化数据中台产品有望成为独立品类释放价值」,看好后续业务空间拓展。面向AI的数据中台产品具有三大特征:全量企业数据聚合(数据聚合)、高质量企业数据治理(数据清洗)、面向AI应用开发的工程环境(开发生态)。•国内相关公司包括:星环科技、普元信息、第四范式等。公司数据聚合数据治理开发环境星环科技TDH大数据基础平台TDS大数据开发工具SophonLLMOps大模型运营平台普元信息数据中台数据中台低代码开发平台第四范式义插件拓展资料来源:各公司官网、华泰研究5CapEx视角:金额扩大与来源分散大规模算力投资依然意义重大•算力需求继续乐观。•DeepSeek的成功,使得有限卡情况下的模型训练效率和效果达到新的高度,1)DeepSeek-R1论文中表示:虽然蒸馏策略既经济又有效,但要超越智能的边界,可能仍然需要更强大的基础模型和更大规模的强化学习。2)大厂依然会在此种效率下,保持高CapEx,以探索更强的模型性能。3)小厂则能够在有限算力下享用到开源的RL模型,实现模型平权,有利于推理侧的扩展。4)海外云厂CapEx除了训练模型,还要云推理服务+传统业务改造,模型进步依然对云推理和传统业务有很大贡献。5)整个大模型行业看,DeepSeek算法进步必然带动更多的研究,有利于Transformer+ScalingLaw范式持续推陈出新,模型训练和推理效率也将持续提升。6)国产芯片适配或进展顺利。Therefore,wecandrawtwocon首先,将更强大的模型蒸馏成更小的模型可以取得优异的结果,而依赖本文提到的规模化强化学习的小型模型则需要巨大的计算能力,甚至可能无法Second,whiledisti其次,虽然蒸馏策略既经济又有效,但要超越智能的边界可能仍需要更强大的基础模型和更大规模的强化学习。资料来源:DeepSeek-R1技术报告大规模算力投资依然意义重大•据SemiAnalysis数据,DeepSeekV3和R1发布以来,H100的AWSGPU价格在许多地区都有所上涨。类似的H200也更难找到。•V3推出后,H100的价格暴涨,因为GPU的货币化率开始大大提高。以更低的价格获得更多的智能意味着更多的需求。这与前几个月低迷的H100现货价格相比发生了重大转变。资料来源:SemiAnalysis大规模算力投资依然意义重大•大规模算力依然是探索大模型新路线的必须门槛。OpenAI仍然是最先公开并指导全球RL+CoT路线的厂商。•Claude3.5Sonnet的训练成本数千万美元,如果这是Anthropic所需的总成本,那么就不会从谷歌筹集数十亿美元,从亚马逊筹集数百亿美元。•算力被约束的情况下,在有限的算力下一方面迭代当世代模型,一方面探索次世代路线,较为困难。•如果《MEDEC:ABenchmarkforMedicalErrorDetectionandCorrectioninClinicalNotes》中指多的级别,而DeepSeek是671B,相当于o1参数的2x。是否说明o1还有更好的优化算法?Inference单次推理增量或维持增量增量算力需求《MEDEC:ABenchmarkforMedicalErrorDetectionandCorrectioninClinicalNotes》,2024.12.26资料来源:OpenAI官网,《MEDEC:ABenchmarkforMedicalErrorDetectionandCorrectioninClinicalNotes》,2024.12.26海外大厂:CapEx仍然维持积极指引AMZNAAMZNAAMZN资料来源:各公司官网、Wind、华泰研究海外大厂:CapEx仍然维持积极指引••MSFT:FY2025预计突破800亿美元,FY2026预计持续扩大,增速可能略有放缓。•META:预计2025年全年资本支出将在600-650亿美元(24年指引为380-400亿美元)。预计2025年资本支出增长将由支持生成式人工智能工作和核心业务的投资增加所驱动。2025年大部分资本支出将继续投向核心业务。服务器仍将是最大的增长驱动力,并且在我们的总体资本支出预算中占比最大。(亿美元)0资料来源:各公司官网、Wind、华泰研究算力来源或有更丰富的选项••海内外Infra层公司快速上线DeepSeek模型服务与硬件支持,性价比模型的底层算力支持来源有望全面拓展。与DeepSeek适配情况时间NVIDIADeepSeek-R1NIM微服务可以在单个NVIDIAHGXH200系统上每秒交付多达3,872个token01-30AMDAMD已将DeepSeek-V3集成到InstinctMI300XGPU上可在AMDRyzenTMAI和RadeonTM上运行DeepSeekR1蒸馏式“推理”模型01-25QUALCOMM微软正在将针对NPU优化的DeepSeek-R1版本直接引入Copilot+电脑首批支持QualcommSnapdragonX处理器01-29华为云国产大模型云服务平台SiliconCloud(硅基流动),首发上线了基于华为云昇腾云服务的DeepSeek-V3、DeepSeek-R1,价格与DeepSeek官方优惠期(截至2月8日24:00)价格保持一致02-01天翼云天翼云智算成为国内最早支持DeepSeek-R1模型的云服务商之一,并结合息壤-科研助手、天翼AI云电脑等产品02-01腾讯云DeepSeek-R1大模型可一键部署至腾讯云HAI(腾讯云高性能应用服务)上,开发者仅需3分钟就能接入调用02-02资料来源:各公司官网、Wind、华泰研究免责声明分析师声明分析师,兹证明本资料所表达的观点准确地反映了分析师对标的证券或发行人的个人意见;彼以往、现在或未来并无就其资料所提供的具体建议或所表述的意见直接或间接收取任何报酬。一般声明及披露本资料由华泰证券股份有限公司(已具备中国证监会批准的证券投资咨询业务资格,以下简称“本公司”)制作。本资料所载资料是仅供接收人的严格保密资料。本资料仅供本公司及其客户和其关联机构使用。本公司不因接收人收到本资料而视其为客本资料基于本公司认为可靠的、已公开的信息编制,但本公司及其关联机构(以下统称为“华泰”)对该等信息的准确性及完整性不作任何保证。本资料所载的意见、评估及预测仅反映资料发布当日的观点和判断。在不同时期,华泰可能会发出与本资料所载意见、评估及预测不一致的研究资料。同时,本资料所指的证券或投资标的的价格、价值及投资收入可能会波动。以往表现并不能指引未来,未来回报并不能得到保证,并存在损失本金的可能。华泰不保证本资料所含信息保持在最新状态。华泰对本资料所含信息可在不发出通知的情形下做出修改,投资者应当自行关注相应的更新或修改。本公司不是FINRA的注册会员,其研究分析师亦没有注册为FINRA的研究分析师/不具有FINRA分析师的注华泰力求资料内容客观、公正,但本资料所载的观点、结论和建议仅供参考,不构成购买或出售所述证券的要约或招揽。该等观点、建议并未考虑到个别投资者的具体投资目的、财务状况以及特定需求,在任何时候均不构成对客户私人投资建议。投资者应当充分考虑自身特定状况,并完整理解和使用本资料内容,不应视本资料为做出投资决策的唯一因素。对依据或者使用本资料所造成的一切后果,华泰及作者均不承担任何法律责任。任何形式的分享证券投资收益或者分担证券投资损失的书面或口除非另行说明,本资料中所引用的关于业绩的数据代表过往表现,过往的业绩表现不应作为日后回报的预示。华泰不承诺也不保证任何预示的回报会得以实现,分析中所做的预测可能是基于相应的假设,任何假设的变化可能会显著影响所预测的回报。华泰及作者在自身所知情的范围内,与本资料所指的证券或投资标的不存在法律禁止的利害关系。在法律许可的情况下,华泰可能会持有资料中提到的公司所发行的证券头寸并进行交易,为该公司提供投资银行、财务顾问或者金融产品等相关服务或向华泰的销售人员、交易人员或其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。华泰没有将此意见及建议向资料所有接收者进行更新的义务。华泰的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本资料中的意见或建议不一致的投资决策。投资者应当考虑到华泰及/或其相关人员可能存在影响本资料观点客观性的潜在利益冲突。投资者请勿将本资料视为投资或其他决定的唯一信赖依据。有关该方面本资料并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布的机构或人员,也并非意图发送、发布给因可得到、使用本资料的行为而使华泰违反或受制于当地法律或监管规则的机构或人员。本资料版权仅为本公司所有。未经本公司书面许可,任何机构或个人不得以翻版、复制、发表、引用或再次分发他人(无论整份或部分)等任何形式侵犯本公司版权。如征得本公司同意进行