人工智能专题：后R1时代，DeepSeek发展的三大阶段

DeepSeek 在年初发布 R1 模型后，并未立即推出更先进的 R2 模型，而是进行了多版本更新换代，发展历程可分为三个主要阶段：

阶段一：性能提升

• 2025年3月推出 V3-0324 和5月推出 R1-0528，通过后训练提升模型能力，弥补与头部模型的差距。

阶段二：混合推理架构、Agent 能力提升及国产芯片协同优化

• 2025年8月推出 V3.1 和 V3.1-Terminus，Agent 能力显著提升，思考效率提高。
• V3.1 采用 UE8M0 FP8 缩放格式训练，针对即将发布的国产芯片设计，推动国产大模型与芯片协同优化。
• DeepSeek 成为首个在开源超大规模大模型中成功落地 FP8 混合精度训练的公司，推动 FP8 技术规模化应用。

阶段三：提效降价，国产适配加速

• 2025年9月推出 V3.2-Exp，引入新的注意力机制 DSA，提升训练推理效率，模型价格大幅下降。
• V3.2-Exp 输入缓存命中时价格降至 R1 的 20%，输入缓存未命中时降至 50%，输出价格降至 19%。
• 国产芯片华为昇腾和寒武纪同步完成 V3.2-Exp 的零日适配，推动国产 AI 产业从“单点突破”迈向“系统协同”。
• DeepSeek 开源 TileLang 和 CUDA 版本的算子，TileLang 改善国产卡生态壁垒问题，推动国产大模型软硬件生态建设。

核心观点与结论

• DeepSeek 通过多版本迭代提升模型性能，顺应海外混合推理架构和 Agent 能力提升趋势。
• 模型成本大幅下降，提升性价比和可推广性，促进应用端功能落地。
• 国产适配加速，推动国产 AI 产业系统协同，TileLang 开源进一步改善国产卡生态问题。

风险提示 国际形势变化。