华泰证券：预计DeepEP开源将释放推理需求 注重应用和计算能力

　　华泰证券认为，华泰通过优化推理成本，证券重DeepSeek有望加速LLM的预计用和陕西天气预报一周15天商业应用。基于此，开源云制造商有望从推理需求的将释计算释放中受益，推动IaaS服务提供商的放推增加。其次，理需考虑到R1可以提高模型能力，求注实现低成本部署，华泰预计将加速人工智能应用程序的证券重渗透。最后，预计用和尽管Depep仍然需要在Hopper CUDA 在NVLink的开源陕西天气预报一周15天框架下实现，但从中长期来看，将释计算随着国内卡的放推适应和跟进，预计该技术将转移到更多的理需国内生态系统，国内人工智能计算能力部门预计将迎来增长机会。

　　全文如下。

　　。华泰 | 计算机：DeepSeek - EP降本，注重应用和计算能力。

　　2025年3月1日，Deepseek发布《One More Thing, DeepSeek-V3/R1 Inference System Overview》，其中，DeepSeeek通过大型跨节点专家并行，实现了$87、072/天的低成本推理，有效计算能力显著提高。我们认为，随着国内计算能力硬件逐渐适应DeepEP系统，DeepSeek模型或通过性价比优势推动推理需求释放，预计国内计算能力将加速增长。

　　。核心观点。

　　核心亮点:推理成本大幅降低，理想状态下15%的付费率可以平衡盈亏。

　　根据Deepseek，V3和R1推理服务占据节点总和，峰值占278个节点，平均占226.75个节点。Deepseek假设GPU租赁成本为2美元/小时，总成本为$87072/天。另外，2025/02/27 12:00 PM至2025/02/28 12:00 PM，Token消耗V3和R1模型推理 776B（输入608B 输出168B)，Token的平均处理成本为0.11美元。如果所有Tokens都按照DeepSeekr1的定价计算，理论上一天的总收入为$562，027，成本利润率为545%。但考虑到Deepseek目前只通过API收费，我们计算，如果按R1收费定价，支付Token占Token总额的15%，推理过程中的盈亏平衡就可以实现。

　　核心技术：通过EP实现更高的吞吐量和更低的延迟。

　　DeepSeek-V3 / R1 推理系统的优化目标是：吞吐量更大，延迟更低。为了实现这两个目标，DeepSeek的方案是使用大型跨节点专家并行（Expert Parallelism/EP），并开源了DeepEP代码。具体来说，核心能力包括：1）大型跨节点专家并行：采用预填充-解码分解架构，多位专家在不同阶段并行计算；2）计算/通信重叠：将GPU中的SM（流多处理器）分为计算和通信两部分，同时执行相应的工作负载，减少延迟等待时间；3）负载平衡：通过预填充负载平衡、解码负载平衡和专家并行负载平衡，尽可能为每个人提供 GPU 计算负载和通信负载分配均衡。

　　核心原因：推理定价/成本的差异或外部计算能力供应有限的结果。

　　相比之下，OpenAI等海外模型 o3-mini在推理定价方面比deepseek更贵，比如每百万token输入的价格是$0.55(缓存命中)，而R1是$0.14。在我们看来，API定价的很大一部分差异可能来自于推理成本的差异。DeepSeek可以通过EP等更极端的软硬件优化来节省推理成本。在我们看来，这一现象的背后，反映了国内外计算能力供应和产业方向的差异。在计算能力供应有限的背景下，国内大型模型制造商通过技术优化不断挤压硬件性能，在计算能力有限的情况下达到最佳模型效果。在此基础上，我们认为国内模型有望推动下游商业应用，凭借性价比优势提升全球市场份额。

　　核心效益:DeepEP开源有望释放推理需求，注重应用和计算能力。

　　通过优化推理成本，我们认为DeepSeek有望加速LLM的商业应用。基于此，我们乐观地认为，推理需求的释放将推动IaaS服务提供商的增加，云制造商有望受益。其次，考虑到R1可以提高模型能力，实现低成本部署，预计将加速人工智能应用程序的渗透。最后，尽管目前DeepEP仍需要Hopper CUDA 在NVLink的框架下实现，但从中长期来看，随着国内卡的适应和跟进，预计该技术将转移到更多的国内生态系统，国内人工智能计算能力部门预计将迎来增长机会。

　　风险提示：人工智能技术迭代低于预期；人工智能商业化低于预期；本报告基于客观信息，不构成投资建议。

(文章来源:证券时报)。

最新评论