计算机行业专题报告：DeepSeekR1，强化学习+知识蒸馏，比肩O1

DeepSeek-R1模型发布及核心特点

DeepSeek于1月20日发布DeepSeek-R1系列模型，包括DeepSeek-R1-Zero、DeepSeek-R1和DeepSeek-R1-Distill系列，旨在对标OpenAI o1正式版，并在推理能力上实现突破。

1. 大规模强化学习技术

• DeepSeek-R1-Zero：首次完全摒弃监督微调（SFT），仅通过强化学习（RL）训练，在AIME 2024上取得71.0%的pass@1得分，与OpenAI o1-0912相当，展现纯RL训练的潜力，但存在可读性差和语言混用问题。
• DeepSeek-R1：在R1-Zero基础上引入冷启动数据和多阶段训练（推理导向RL、拒绝采样、SFT、全场景RL），提升应用能力，但在非中英语言处理和软件工程任务上仍有不足。

2. 知识蒸馏技术

• DeepSeek-R1-Distill系列：将R1的推理能力蒸馏至小模型（1.5B-70B参数），结果显示蒸馏效果显著优于直接RL训练，例如R1-Distill-Qwen-32B在AIME 2024上取得72.6%的pass@1得分，远超直接RL训练的模型。
• 结论：蒸馏技术能有效传递大模型的推理能力，为小模型发展提供新方向。

3. API定价及商业化潜力

• DeepSeek-R1 API定价远低于OpenAI同类产品（输入tokens 1元/4元，输出tokens 16元），有助于开发者加速功能迭代，但存在语言混合、提示敏感等问题，需进一步优化。

4. 投资建议

• 重点关注基础设施领域公司（如英伟达、海光信息等），同时关注全球模型厂商和学界进展。

5. 风险提示

• 技术迭代、商业化落地、政策支持及宏观经济风险。

核心结论

• 强化学习可激发大模型推理潜能，减少对标注数据的依赖。
• 知识蒸馏技术能有效提升小模型的推理能力，推动小模型发展。
• DeepSeek-R1的高性价比API定价具有商业化潜力，但需解决语言混合和提示敏感等问题。