华尔街深度研究：DeepSeek真能击败美国AI界吗？_老虎社区_美港股上老虎

华尔街深度研究：DeepSeek真能击败美国AI界吗？

硬AI2025-01-29

春节期间，DeepSeek新一代开源模型以惊人的低成本和高性能引发热议，在全球投资界引发剧震。市场上甚至出现了DeepSeek"仅用500万美元就复制OpenAI"的说法，认为这将给整个AI基础设施产业带来“末日”。对此，华尔街知名投行伯恩斯坦在详细研究DeepSeek技术文档后发布报告称，这种市场恐慌情绪明显过度，DeepSeek用“500万美元复制OpenAI”是市场误读。另外，该行认为，虽然...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

Fred_6810
·2025-01-29
生产效率的提升，如果导致价值缩水，这个行业必将终结啊😦
回复
点赞
举报

热议股票

7x24

全部

{"i18n":{"language":"zh_CN"},"data":{"share":"https://www.laohu8.com/m/news/1129375603?lang=zh_CN&edition=full","thumbnail":"https://static.tigerbbs.com/0c4e1ff8a8f3ef9b71959d07d4048d2e","is_english":false,"pubTime":"2025-01-29 23:21","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"1129375603","market":"us","top_or_hot":-1,"title":"华尔街深度研究：DeepSeek真能击败美国AI界吗？","media":"硬AI","content":"<div>\n<p>春节期间，DeepSeek新一代开源模型以惊人的低成本和高性能引发热议，在全球投资界引发剧震。市场上甚至出现了DeepSeek\"仅用500万美元就复制OpenAI\"的说法，认为这将给整个AI基础设施产业带来“末日”。对此，华尔街知名投行伯恩斯坦在详细研究DeepSeek技术文档后发布报告称，这种市场恐慌情绪明显过度，DeepSeek用“500万美元复制OpenAI”是市场误读。另外，该行认为，虽然...</p>\n\n<a href=\"https://wallstreetcn.com/articles/3740193\">网页链接</a>\n\n</div>\n","source":"lsy1690508328926","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>华尔街深度研究：DeepSeek真能击败美国AI界吗？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n华尔街深度研究：DeepSeek真能击败美国AI界吗？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-01-29 23:21 北京时间&nbsp;&nbsp;&nbsp;<a href=https://wallstreetcn.com/articles/3740193><strong>硬AI</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>春节期间，DeepSeek新一代开源模型以惊人的低成本和高性能引发热议，在全球投资界引发剧震。市场上甚至出现了DeepSeek\"仅用500万美元就复制OpenAI\"的说法，认为这将给整个AI基础设施产业带来“末日”。对此，华尔街知名投行伯恩斯坦在详细研究DeepSeek技术文档后发布报告称，这种市场恐慌情绪明显过度，DeepSeek用“500万美元复制OpenAI”是市场误读。另外，该行认为，虽然...</p>\n\n<a href=\"https://wallstreetcn.com/articles/3740193\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"NVDA","symbol_name":"英伟达","start_time":0,"source_url":"https://wallstreetcn.com/articles/3740193","article_id":"1129375603","we_media_id":null,"thumbnails":["https://static.tigerbbs.com/0c4e1ff8a8f3ef9b71959d07d4048d2e"],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=1129375603","pubTimestamp":1738164070,"columns":[],"sourceInfo":{"source_id":"lsy1690508328926","name":"硬AI"},"weMediaInfo":null,"summary":"“500万美元复制OpenAI”是误读。","collect":0,"end_time":0,"defaultTopTitle":"wallstreetcn.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"NVDA":"英伟达","MSFT":"微软","META":"Meta Platforms, Inc.","GOOG":"谷歌"},"translate_title":"In-depth research on Wall Street: Can DeepSeek really beat the US AI industry?","themeId":"94963ec1cffa857d8be2c3eb5caf4369","isJumpTheme":false,"ttsUrl":"https://static.tigerbbs.com/92af3fbe3b1237e0bd653186d7981251","symbols_score_info":{"META":1.1,"MSFT":1.1,"NVDA":1.1,"GOOG":1.1},"content_text":"春节期间，DeepSeek新一代开源模型以惊人的低成本和高性能引发热议，在全球投资界引发剧震。市场上甚至出现了DeepSeek\"仅用500万美元就复制OpenAI\"的说法，认为这将给整个AI基础设施产业带来“末日”。对此，华尔街知名投行伯恩斯坦在详细研究DeepSeek技术文档后发布报告称，这种市场恐慌情绪明显过度，DeepSeek用“500万美元复制OpenAI”是市场误读。另外，该行认为，虽然DeepSeek的效率提升显著，但从技术角度看，并非奇迹。而且，即便DeepSeek确实实现了10倍的效率提升，这也仅相当于当前AI模型每年的成本增长幅度。该行还表示，目前AI计算需求远未触及天花板，新增算力很可能会被不断增长的使用需求吸收，因此对AI板块保持乐观。“500万美元复制OpenAI”是误读对于“500万美元复制OpenAI”的说法，伯恩斯坦认为，实际上是对DeepSeek V3模型训练成本的片面解读，简单将GPU租用成本计算等同于了总投入：这500万美元仅仅是基于每GPU小时2美元的租赁价格估算的V3模型训练成本，并未包括前期研发投入、数据成本以及其他相关费用。技术创新：效率大幅提升但非颠覆性突破接着，伯恩斯坦在报告中详细分析了DeepSeek发布的两大模型V3、R1详细技术特点。（1）V3模型的效率革命该行表示，V3模型采用专家混合架构，用2048块NVIDIA H800 GPU、约270万GPU小时就达到了可与主流大模型媲美的性能。具体而言，V3模型采用了混合专家（MoE）架构，这一架构本身就旨在降低训练和运行成本。在此基础上，V3还结合了多头潜在注意力（MHLA）技术，显著降低了缓存大小和内存使用。同时，FP8混合精度训练的运用进一步优化了性能表现。这些技术的综合运用，使得V3模型在训练时仅需同等规模开源模型约9%的算力，便能达到甚至超越其性能。例如，V3预训练仅需约270万GPU小时，而同样规模的开源LLaMA模型则需要约3000万GPU小时。MoE架构: 每次只激活部分参数，减少计算量。MHLA技术: 降低内存占用，提升效率。FP8混合精度训练: 在保证性能的同时，进一步提升计算效率。谈及V3模型带来的效率提升，伯恩斯坦认为，与业界3-7倍的常见效率提升相比并非颠覆性突破：MoE架构的重点是显著降低训练和运行的成本，因为在任何一次只有一部分参数集是活动的（例如，当训练V3时，只有671B个参数中的37B为任何一个令牌更新，而密集模型中所有参数都被更新）。对其他MoE比较的调查表明，典型的效率是3-7倍，而类似大小的密度模型具有类似的性能；V3看起来甚至比这个更好（10倍以上），可能考虑到该公司在模型中带来的其他一些创新，但认为这是完全革命性的想法似乎有点夸张，并且不值得歇斯底里。（2）R1模型的推理能力与“蒸馏”策略DeepSeek的R1模型则在V3的基础上，通过强化学习（RL）等创新技术，显著提升了推理能力，使其能够与OpenAI的o1模型相媲美。值得一提的是，DeepSeek还采用了“模型蒸馏”策略，利用R1模型作为“教师”，生成数据来微调更小的模型，这些小模型在性能上可以与OpenAI的o1-mini等竞争模型相媲美。这种策略不仅降低了成本，也为AI技术的普及提供了新的思路。强化学习（RL）： 提升模型推理能力。模型蒸馏: 利用大模型训练小模型，降低成本。对AI板块保持乐观伯恩斯坦认为，即便DeepSeek确实实现了10倍的效率提升，这也仅相当于当前AI模型每年的成本增长幅度。事实上，在“模型规模定律”不断推动成本上升的背景下，像MoE、模型蒸馏、混合精度计算等创新对AI发展至关重要。根据杰文斯悖论，效率提升通常会带来更大的需求，而非削减开支。该行认为，目前AI计算需求远未触及天花板，新增算力很可能会被不断增长的使用需求吸收。基于以上分析，伯恩斯坦对AI板块保持乐观。","kind":"news","is_publish_news":true,"is_publish_highlight":true,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"movement","news_rank":0,"symbols":[],"gpt_button":0,"need_auth":false,"code":"91000000","status":"200"},"commentList":[{"id":397896773931632,"gmtCreate":1738165339968,"gmtModify":1738165341367,"author":{"id":"3563140991934227","authorId":"3563140991934227","name":"Fred_6810","avatar":"https://static.tigerbbs.com/fbe236f23155302a4dcecbf04d2e9040","vip":1,"crmLevel":8,"crmLevelSwitch":0,"idStr":"3563140991934227","authorIdStr":"3563140991934227"},"htmlText":"生产效率的提升，如果导致价值缩水，这个行业必将终结啊😦","listText":"生产效率的提升，如果导致价值缩水，这个行业必将终结啊😦","text":"生产效率的提升，如果导致价值缩水，这个行业必将终结啊😦","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/397896773931632","repostId":1129375603,"repostType":2,"repost":{"id":"1129375603","kind":"news","pubTimestamp":1738164070,"share":"https://www.laohu8.com/m/news/1129375603?lang=zh_CN&edition=full","pubTime":"2025-01-29 23:21","market":"us","language":"zh","title":"华尔街深度研究：DeepSeek真能击败美国AI界吗？","url":"https://stock-news.laohu8.com/highlight/detail?id=1129375603","media":"硬AI","summary":"“500万美元复制OpenAI”是误读。","content":"<html><head></head><body><p>春节期间，DeepSeek新一代开源模型以惊人的低成本和高性能引发热议，在全球投资界引发剧震。</p><p style=\"text-align: justify;\">市场上甚至出现了DeepSeek&#34;仅用500万美元就复制OpenAI&#34;的说法，认为这将给整个AI基础设施产业带来“末日”。</p><p style=\"text-align: justify;\">对此，华尔街知名投行伯恩斯坦在详细研究DeepSeek技术文档后发布报告称，<strong>这种市场恐慌情绪明显过度，DeepSeek用“500万美元复制OpenAI”是市场误读。</strong></p><p style=\"text-align: justify;\">另外，该行认为，虽然DeepSeek的效率提升显著，但从技术角度看，并非奇迹。而且，即便DeepSeek确实实现了10倍的效率提升，这也仅相当于当前AI模型每年的成本增长幅度。</p><p style=\"text-align: justify;\">该行还表示，目前AI计算需求远未触及天花板，新增算力很可能会被不断增长的使用需求吸收，因此对AI板块保持乐观。</p><h2 id=\"id_3058056930\" style=\"text-align: start;\">“500万美元复制OpenAI”是误读</h2><p style=\"text-align: justify;\">对于“500万美元复制OpenAI”的说法，伯恩斯坦认为，实际上是对DeepSeek V3模型训练成本的片面解读，简单将GPU租用成本计算等同于了总投入：</p><blockquote><p style=\"text-align: justify;\"><strong>这500万美元仅仅是基于每GPU小时2美元的租赁价格估算的V3模型训练成本，并未包括前期研发投入、数据成本以及其他相关费用</strong>。</p></blockquote><h2 id=\"id_1352850676\" style=\"text-align: start;\">技术创新：效率大幅提升但非颠覆性突破</h2><p style=\"text-align: justify;\">接着，伯恩斯坦在报告中详细分析了DeepSeek发布的两大模型V3、R1详细技术特点。</p><p style=\"text-align: justify;\"><strong>（1）V3模型的效率革命</strong></p><p style=\"text-align: justify;\">该行表示，V3模型采用专家混合架构，用2048块NVIDIA H800 GPU、约270万GPU小时就达到了可与主流大模型媲美的性能。</p><p style=\"text-align: justify;\">具体而言，V3模型采用了<strong>混合专家（MoE）架构</strong>，这一架构本身就旨在降低训练和运行成本。在此基础上，V3还结合了<strong>多头潜在注意力（MHLA）技术</strong>，显著降低了缓存大小和内存使用。</p><p style=\"text-align: justify;\">同时，<strong>FP8混合精度训练</strong>的运用进一步优化了性能表现。这些技术的综合运用，使得V3模型在训练时仅需同等规模开源模型约9%的算力，便能达到甚至超越其性能。</p><p style=\"text-align: justify;\">例如，V3预训练仅需约270万GPU小时，而同样规模的开源LLaMA模型则需要约3000万GPU小时。</p><ul style=\"\"><li><p><strong>MoE架构:</strong> 每次只激活部分参数，减少计算量。</p></li><li><p><strong>MHLA技术:</strong> 降低内存占用，提升效率。</p></li><li><p><strong>FP8混合精度训练:</strong> 在保证性能的同时，进一步提升计算效率。</p></li></ul><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/c4543f9f116cb4ba8201679ceafb04db\" title=\"\" tg-width=\"1024\" tg-height=\"1221\"/></p><p style=\"text-align: justify;\">谈及V3模型带来的效率提升，伯恩斯坦认为，<strong>与业界3-7倍的常见效率提升相比并非颠覆性突破：</strong></p><blockquote><p style=\"text-align: justify;\">MoE架构的重点是显著降低训练和运行的成本，因为在任何一次只有一部分参数集是活动的（例如，当训练V3时，只有671B个参数中的37B为任何一个令牌更新，而密集模型中所有参数都被更新）。</p><p style=\"text-align: justify;\">对其他MoE比较的调查表明，典型的效率是3-7倍，而类似大小的密度模型具有类似的性能；</p><p style=\"text-align: justify;\">V3看起来甚至比这个更好（10倍以上），可能考虑到该公司在模型中带来的其他一些创新，但认为这是完全革命性的想法似乎有点夸张，并且不值得歇斯底里。</p></blockquote><p style=\"text-align: justify;\"><strong>（2）R1模型的推理能力与“蒸馏”策略</strong></p><p style=\"text-align: justify;\">DeepSeek的R1模型则在V3的基础上，通过强化学习（RL）等创新技术，显著提升了推理能力，使其能够与OpenAI的o1模型相媲美。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/db8785cd3b64cf48b0d974e20351aa9c\" title=\"\" tg-width=\"1000\" tg-height=\"706\"/></p><p style=\"text-align: justify;\">值得一提的是，DeepSeek还采用了“<strong>模型蒸馏</strong>”策略，利用R1模型作为“教师”，生成数据来微调更小的模型，这些小模型在性能上可以与OpenAI的o1-mini等竞争模型相媲美。这种策略不仅降低了成本，也为AI技术的普及提供了新的思路。</p><ul style=\"\"><li><p><strong>强化学习（RL）：</strong> 提升模型推理能力。</p></li><li><p><strong>模型蒸馏:</strong> 利用大模型训练小模型，降低成本。</p></li></ul><h2 id=\"id_1334363986\" style=\"text-align: start;\">对AI板块保持乐观</h2><p style=\"text-align: justify;\">伯恩斯坦认为，<strong>即便DeepSeek确实实现了10倍的效率提升，这也仅相当于当前AI模型每年的成本增长幅度。</strong></p><p style=\"text-align: justify;\">事实上，<strong>在“模型规模定律”不断推动成本上升的背景下，像MoE、模型蒸馏、混合精度计算等创新对AI发展至关重要。</strong></p><p style=\"text-align: justify;\">根据杰文斯悖论，效率提升通常会带来更大的需求，而非削减开支。<strong>该行认为，目前AI计算需求远未触及天花板，新增算力很可能会被不断增长的使用需求吸收。</strong></p><p style=\"text-align: justify;\">基于以上分析，伯恩斯坦对AI板块保持乐观。</p></body></html>","source":"lsy1690508328926","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>华尔街深度研究：DeepSeek真能击败美国AI界吗？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n华尔街深度研究：DeepSeek真能击败美国AI界吗？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-01-29 23:21 北京时间&nbsp;&nbsp;&nbsp;<a href=https://wallstreetcn.com/articles/3740193><strong>硬AI</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>春节期间，DeepSeek新一代开源模型以惊人的低成本和高性能引发热议，在全球投资界引发剧震。市场上甚至出现了DeepSeek\"仅用500万美元就复制OpenAI\"的说法，认为这将给整个AI基础设施产业带来“末日”。对此，华尔街知名投行伯恩斯坦在详细研究DeepSeek技术文档后发布报告称，这种市场恐慌情绪明显过度，DeepSeek用“500万美元复制OpenAI”是市场误读。另外，该行认为，虽然...</p>\n\n<a href=\"https://wallstreetcn.com/articles/3740193\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/0c4e1ff8a8f3ef9b71959d07d4048d2e","relate_stocks":{"NVDA":"英伟达","MSFT":"微软","META":"Meta Platforms, Inc.","GOOG":"谷歌"},"source_url":"https://wallstreetcn.com/articles/3740193","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1129375603","content_text":"春节期间，DeepSeek新一代开源模型以惊人的低成本和高性能引发热议，在全球投资界引发剧震。市场上甚至出现了DeepSeek\"仅用500万美元就复制OpenAI\"的说法，认为这将给整个AI基础设施产业带来“末日”。对此，华尔街知名投行伯恩斯坦在详细研究DeepSeek技术文档后发布报告称，这种市场恐慌情绪明显过度，DeepSeek用“500万美元复制OpenAI”是市场误读。另外，该行认为，虽然DeepSeek的效率提升显著，但从技术角度看，并非奇迹。而且，即便DeepSeek确实实现了10倍的效率提升，这也仅相当于当前AI模型每年的成本增长幅度。该行还表示，目前AI计算需求远未触及天花板，新增算力很可能会被不断增长的使用需求吸收，因此对AI板块保持乐观。“500万美元复制OpenAI”是误读对于“500万美元复制OpenAI”的说法，伯恩斯坦认为，实际上是对DeepSeek V3模型训练成本的片面解读，简单将GPU租用成本计算等同于了总投入：这500万美元仅仅是基于每GPU小时2美元的租赁价格估算的V3模型训练成本，并未包括前期研发投入、数据成本以及其他相关费用。技术创新：效率大幅提升但非颠覆性突破接着，伯恩斯坦在报告中详细分析了DeepSeek发布的两大模型V3、R1详细技术特点。（1）V3模型的效率革命该行表示，V3模型采用专家混合架构，用2048块NVIDIA H800 GPU、约270万GPU小时就达到了可与主流大模型媲美的性能。具体而言，V3模型采用了混合专家（MoE）架构，这一架构本身就旨在降低训练和运行成本。在此基础上，V3还结合了多头潜在注意力（MHLA）技术，显著降低了缓存大小和内存使用。同时，FP8混合精度训练的运用进一步优化了性能表现。这些技术的综合运用，使得V3模型在训练时仅需同等规模开源模型约9%的算力，便能达到甚至超越其性能。例如，V3预训练仅需约270万GPU小时，而同样规模的开源LLaMA模型则需要约3000万GPU小时。MoE架构: 每次只激活部分参数，减少计算量。MHLA技术: 降低内存占用，提升效率。FP8混合精度训练: 在保证性能的同时，进一步提升计算效率。谈及V3模型带来的效率提升，伯恩斯坦认为，与业界3-7倍的常见效率提升相比并非颠覆性突破：MoE架构的重点是显著降低训练和运行的成本，因为在任何一次只有一部分参数集是活动的（例如，当训练V3时，只有671B个参数中的37B为任何一个令牌更新，而密集模型中所有参数都被更新）。对其他MoE比较的调查表明，典型的效率是3-7倍，而类似大小的密度模型具有类似的性能；V3看起来甚至比这个更好（10倍以上），可能考虑到该公司在模型中带来的其他一些创新，但认为这是完全革命性的想法似乎有点夸张，并且不值得歇斯底里。（2）R1模型的推理能力与“蒸馏”策略DeepSeek的R1模型则在V3的基础上，通过强化学习（RL）等创新技术，显著提升了推理能力，使其能够与OpenAI的o1模型相媲美。值得一提的是，DeepSeek还采用了“模型蒸馏”策略，利用R1模型作为“教师”，生成数据来微调更小的模型，这些小模型在性能上可以与OpenAI的o1-mini等竞争模型相媲美。这种策略不仅降低了成本，也为AI技术的普及提供了新的思路。强化学习（RL）： 提升模型推理能力。模型蒸馏: 利用大模型训练小模型，降低成本。对AI板块保持乐观伯恩斯坦认为，即便DeepSeek确实实现了10倍的效率提升，这也仅相当于当前AI模型每年的成本增长幅度。事实上，在“模型规模定律”不断推动成本上升的背景下，像MoE、模型蒸馏、混合精度计算等创新对AI发展至关重要。根据杰文斯悖论，效率提升通常会带来更大的需求，而非削减开支。该行认为，目前AI计算需求远未触及天花板，新增算力很可能会被不断增长的使用需求吸收。基于以上分析，伯恩斯坦对AI板块保持乐观。","news_type":1,"symbols_score_info":{"META":1.1,"MSFT":1.1,"NVDA":1.1,"GOOG":1.1}},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"}],"hasMoreComments":true,"newsSizeData":{"likeSize":10,"commentSize":1,"repostSize":3,"favoriteSize":5,"likeStatus":false,"favoriteStatus":false},"isCrawlerRequest":true}