DeepSeek与AI投资20250410

Deep Seek与与AI投资投资20250410_导读导读 2025年04月11日00:09 关键词关键词 AI大模型国产算力OpenAI GPT5.0华泰证券博时基金谢春生车宏源肖达AI应用算力芯片英伟达大模型一体机AI算力AI端测云计算国产化适配数据中心资本支出算力需求 全文摘要全文摘要 在探讨AI行业投资机遇与挑战的对话中，着重分析了DeepSeek在AI大模型、算力、终端和应用四个关键领域的影响力。肖瑞瑾指出，Deep Seek的低成本与高效率促使全球投资者重新审视海外算力投资的必要性。同时，讨论了中国AI大模型的发展趋势，强调在资源有限条件下追赶美国的能力，以及国产算力芯片与大模型适配的进展。 Deep Seek与与AI投资投资20250410_导读导读 2025年04月11日00:09 关键词关键词 AI大模型国产算力OpenAI GPT5.0华泰证券博时基金谢春生车宏源肖达AI应用算力芯片英伟达大模型一体机AI算力AI端测云计算国产化适配数据中心资本支出算力需求 全文摘要全文摘要 在探讨AI行业投资机遇与挑战的对话中，着重分析了DeepSeek在AI大模型、算力、终端和应用四个关键领域的影响力。肖瑞瑾指出，Deep Seek的低成本与高效率促使全球投资者重新审视海外算力投资的必要性。同时，讨论了中国AI大模型的发展趋势，强调在资源有限条件下追赶美国的能力，以及国产算力芯片与大模型适配的进展。此外，强调了AI应用领域的创新，特别是AI Agent的快速进步及端侧AI带来的新机遇与挑战。肖瑞瑾表达了对国产算力发展和AI原生应用时代到来的乐观态度，凸显了对AI技术及其投资市场潜在影响的深刻理解。 章节速览章节速览 ● 00:00 Deep Take对对AI行业投资机遇与挑战的圆桌讨论行业投资机遇与挑战的圆桌讨论Deep TakeAI 四位专家就引发的大模型、算力、端测和应用领域的市场影响进行深入探讨。特别关注中国大模型厂商在全球资源受限情况下追赶美国的可能性，OpenAI的GPT5.0发布计划及规模法则的有效性，以及国产AI大模型市场是否呈现赢者通吃格局。 ● 02:46中国大模型技术追赶及未来中国大模型技术追赶及未来AI产业进展产业进展 在过去的时期里，中国在大模型技术上的进展显著，特别是在模型迭代能力方面，已接近美国主流模型的能力。这在有限的算力资源条件下实现，显示出中国AI产业的快速进步。未来，中国正努力实现模型训练与英伟达GPU的解耦，预示着可能使用本土AI芯片和工具进行模型开发，从而形成完整的大模型生态链。全球大模型的发展趋势正从预训练转向后训练，预示着模型演化的方向变化。同时，大模型厂商在互联网流量吸引方面表现出色，但通用大模型与垂直大模型在各自领域并行发展，核心竞争力在于用户、数据和生态构建。近期，国内大模型厂商的快速迭代吸引了全球投资者的关注，成为推动中国科技行业估值的重要力量。 ● 08:41国产算力芯片的发展现状与未来展望国产算力芯片的发展现状与未来展望 投资者高度关注国产算力芯片的发展进展，尽管国产厂商取得了一定进展，但尚未成为主流市场供应商。针对国产算力芯片与大模型适配情况，当前Deep Stick与国产芯片适配良好，但由于先进半导体制程和应用生态的差距，国产芯片竞争力尚不及海外芯片。随着技术突破和应用生态的丰富，国产算力芯片有望逐步追赶。此外，国内运营商和互联网厂商增加资本支出建设数据中心，以满足未来推理需求的快速增长，但与美国相比，资本支出规模仍有较大差距，表明国内AI推理流量增长周期刚起步，适度超前的算力投入是必要的。尽管短期国产算力芯片难以与海外芯片对标，长期随着技术瓶颈的解决，国产算力芯片将迎来商机，并在需求快速增长中获得发展机会。 ● 14:47企业部署企业部署AI技术的现状与未来展望技术的现状与未来展望 对话主要围绕企业部署AI技术的当前阶段、算力需求及未来面临的算力瓶颈问题展开。讨论了国内企业如何应对算力不足，以及AI技术如大模型和AI agent在提升企业经营效率方面的应用。同时，提到了AI技术在金融、教育、医疗等多个行业的初期应用及其潜在的巨大提升空间。此外，也探讨了AI agent在复杂任务规划和执行中的表现，以及其受限于底层大模型能力和存在的风险问题，强调了在使用AI agent时仍需人类的判断和决策。 ● 19:55 AI Agent与大模型的未来发展与商业模式与大模型的未来发展与商业模式ASI 对话深入探讨了人工智能尤其是超级人工智能的未来发展，强调AI agent在这一过程中的核心作用及其与人类 的协同关系。同时，分析了AI agent的商业模式，特别是大模型厂家如何通过提供AI agent工具进入市场，以及AIagent成熟所需的专业化知识能力。还讨论了AI agent的细分市场，指出不会出现一家独大的局面。最后，提到了AI在个人智能设备中的应用，以及AI专车作为AI大模型未来商业模式闭环的重要性。 ● 23:05端侧端侧AI技术的发展及其对硬件更新的影响技术的发展及其对硬件更新的影响AI 对话围绕端侧技术的发展及其应用进行了深入讨论，解答了投资者关注的三个主要问题：端侧AI的大规模普及时间、对硬件更新的影响以及中美在端侧AI领域的技术差距。讨论指出，通过模型蒸馏技术，大型AI模型的能力可以转移到参数更小的模型上，加速了端侧AI的应用落地。AI在耳机、手机、电脑等设备上的应用将实现如实时翻译、环境感知等功能，并不需时刻联网，可采用本地或云端算力。随着本地算力需求的增长，硬件更新周期将加快，为中国消费电子产业链带来机遇。此外，中国在端侧AI领域具备竞争优势，有望推动移动互联网向原生AI应用时代转型。 问答回顾问答回顾 发言人发言人问：对于第一个问题，在当前资源受限的情况下，中国的大模型厂商能否追赶美国？中国能否问：对于第一个问题，在当前资源受限的情况下，中国的大模型厂商能否追赶美国？中国能否在在AI算力芯片受限的情况下，实现模型能力的追赶？算力芯片受限的情况下，实现模型能力的追赶？ 发言人答：在过去一段时间里，中国在大模型上的进展超预期，以PPT为例，其模型迭代能力已基本追赶上美国主流模型的能力，实现了在算力资源受限条件下的技术追赶。已经可以看到在中国AI算力芯片资源受限的情况下，我们的模型能力已经能够追赶上美国一线模型的能力，并且具备自我迭代能力。 发言人发言人问：第二个问题，全球大模型训练中心是否仍以预训练为主，以及对问：第二个问题，全球大模型训练中心是否仍以预训练为主，以及对GPT5.0模型发布的预期？模型发布的预期？发言人答：全球大模型训练中心正从前训练向后训练迁移，预训练的思路开始转向post train post in。目前大家关注的是GPT5是否能如期发布，这将决定未来模型演化的方向。 发言人发言人问：第三个问题，全球大模型未来的演化方向是否会形成赢者通吃的情况？问：第三个问题，全球大模型未来的演化方向是否会形成赢者通吃的情况？ 发言人答：未来大模型厂商在流量互联网方面的受益明显，但是否出现赢者通吃的情况尚不确定。同时，大模型在医药研发等领域有广泛应用，且通用大模型和专业垂直领域大模型各有进展，核心竞争力在于用户和数据以及生态建设。 发言人发言人问：通用大模型和垂直大模型特定场景的核心竞争要素是什么？问：通用大模型和垂直大模型特定场景的核心竞争要素是什么？ 发言人答：核心竞争要素主要包括用户和数据，这两个因素对于构建通用大模型和垂直大模型来说至关重要。此外，生态也是重要的一环，由用户衍生出的数据沉淀将为后续迭代提供关键支撑。 发言人发言人问：当前问：当前deep stick与国产算力的适配情况如何？国产算力芯片能否与国产大模型有更好的适与国产算力的适配情况如何？国产算力芯片能否与国产大模型有更好的适配，以配，以减少对国外芯片的依赖？当前国产算力芯片的竞争力不如国外芯片的主要因素有哪些？这些因素减少对国外芯片的依赖？当前国产算力芯片的竞争力不如国外芯片的主要因素有哪些？这些因素未来能否未来能否被国内科研人员突破，实现对国外算力芯片的追赶？被国内科研人员突破，实现对国外算力芯片的追赶？ 发言人答：当前deep stick与国产算力芯片的适配情况较好。由于deep stick对大模型推理算力要求相对不高，国内性能稍低一些的国产芯片更能适配，且价格合理、供应可控。同时，随着国产定制化芯片的发展，将能进一步降低对国外芯片的依赖。国产算力芯片综合竞争力不如国外芯片的主要因素包括：国内缺乏制造高端半导体制程所需的先进设备和技术，如EUV光刻机及其相关材料与工艺；以及在应用生态方面，国内算力芯片主流仍需与英伟达生态适配，算子库丰富度和实用性有待提升。但未来通过提升定制化和随着国产光刻机技术突破及应用生态丰富，国产算力芯片有望迎头赶上。 发言人发言人问：国内运营商和互联网厂商关于问：国内运营商和互联网厂商关于2025年年AI基础设施资本支出的规划情况如何？基础设施资本支出的规划情况如何？ 发言人答：国内运营商和互联网厂商2025年的AI基础设施资本支出计划相比去年增长超过50%，总金额接近5000亿人民币，但相比美国头部云厂商仍有较大差距。尽管如此，当前的人工智能推理流量增长周期刚开始，未来随着AI产品增强和应用场景拓展，推理流量将呈现非线性增长，因此适度超前投入算力是合理的，甚至可能稍显不足。 发言人发言人问：目前国内企业部署问：目前国内企业部署deep stick到了什么阶段？对算力的需求是怎样的？未来如何应对可能的到了什么阶段？对算力的需求是怎样的？未来如何应对可能的算力算力瓶颈问题？瓶颈问题？deep stick是否能提升企业的经营效率？是否能提升企业的经营效率？ 发言人答：目前国内企业正处在快速部署deep stick阶段，但已发现早期部署的算力无法满足全面使用需求，需要大量扩容。例如，博时基金等公司已大幅提升了自有的算力。预计整个金融行业算力需求将达到几十甚至上百eflops级别，整体算力需求非常高。建议通过算力资源池管理和推理加速等技术方案来应对未来可能面临的算力瓶颈问题，以实现高效运营。 发言人发言人问：问：AI应用方兴未艾，类似应用方兴未艾，类似manager的的AI agent不断成熟，不断成熟，AIA系统能否完全替代人类工作？哪系统能否完全替代人类工作？哪些工些工作适合作适合AIA去做？去做？ 发言人答：AI agent正在不断成熟，对于能否完全替代人类工作尚不确定，但确实存在一些适合AI执行的工作领域。具体来说，AI系统能够在特定场景下替代人类完成任务，而哪些工作适合AI去做，则取决于具体的工作性质和任务要求。 发言人发言人问：问：AI应用能力依赖于底层大模型，应用能力依赖于底层大模型，AI应用未来能否形成稳定的商业模式？是否存在大模型企业应用未来能否形成稳定的商业模式？是否存在大模型企业向向下游延伸产业导致赢者通吃的局面？下游延伸产业导致赢者通吃的局面？ 发言人答：AI应用能力确实依赖于底层大模型，未来AI应用能否形成稳定的商业模式是一个值得关注的问题。目前来看，随着大模型能力的提升和广泛应用，可能会出现赢家通吃的局面，尤其是在大模型企业向下游产业延伸时。然而，除了依赖大模型之外，还需要从算力资源管理和推理加速等方面寻求更多解决方案，以确保AI应用的可持续发展和商业模式的稳定性。 发言人发言人问：在企业应用方面，大模型结合业务流程深度如何提升企业的经营效率？问：在企业应用方面，大模型结合业务流程深度如何提升企业的经营效率？ 发言人答：大模型与企业内部知识库相结合，可以高效自动化输出各类文案，如宣传文案等，并提供个性化服务。例如，在人力资源部门，dipsk大模型能协助筛选简历信息，提升招聘效率。目前，金融、教育、医疗、法律等行业都在积极引入国产大模型，尽管还在初期阶段，但随着应用深入，企业的经营效率将获得持续较大提升。 发言人发言人问：