核心观点与关键数据
DeepSeek Ingram模块创新
DeepSeek通过Ingram模块实现存储与计算分离，显著降低对高带宽内存（HBM）依赖，仅需少量DRAM即可实现高效推理。核心创新在于将静态知识与动态计算分离，减少AI计算瓶颈，降低基础设施成本。下一代模型继续利用n-gram架构提升编码及逻辑推理能力。
AI架构创新趋势
中国AI公司通过稀疏混合专家模型、优化训练与推理流程、长上下文注意力机制及数据筛选等手段，在硬件资源有限条件下实现效率驱动创新，缩小与国际顶尖模型的差距。Ingram架构通过条件内存设计，将复杂计算转化为内存存储，例如100n-gram模型仅需2000B系统内存即可运行。
技术对比与优势
Ingram技术将模型参数存储在普通DRAM中，减少对HBM需求，提升Transformer架构效率。其分层内存设计（CPU/主存DRAM）成本更低、扩展性更好，区别于全GPU方式。与RAG、KV Cache相比，Ingram的O1 lookup和持久化embedding更适合静态知识密集型任务。
中国AI模型性能对比
中国主流AI模型（DeepSeek V3.2、QN3等）在上下文长度（128K-256K）、多模态支持及开源性上表现优异，MMLU、GPQA和编码测试中达到较高水平（MMLU超90%，GPQA/Coding 88%以上），但在任务覆盖面广方面ChatGPT 5.2仍有优势。
估值分析与预期
- NA Technology Group：采用可见增长率模型，WACC 10.1%，中期增长率14%，永续增长率5%。超预期因素包括半导体资本支出强劲、研发快速抢占市场份额；低于预期风险涉及投资降温、市场份额下滑或芯片过剩。
- JCET Group：剩余收入模型，权益成本8.6%，股权风险溢价5.5%，中期增长率12.5%，永续增长率4%。超预期因素包括下游需求旺盛、先进封装技术提前应用；低于预期风险涉及需求疲软、技术滞后。
- AMEC：股权成本6.2%，中期增长率14%，永续增长率4%。超预期因素包括行业景气度提升、新产品开发加速；低于预期风险包括市场需求疲软、价格战。
研究结论
Ingram技术推动中国AI生态向高效务实方向进化，通过软件创新绕开硬件瓶颈，提升全球竞争力。产业链（IDM、模块制造商、DRAM厂商等）迎来新机遇，中国AI在硬件受限条件下实现追赶美国战略目标。
