Deepseek之後，美股AI半導體投資的再思考
Deepseek在模型訓練成本降低方面的最佳實踐，料將刺激科技巨頭採用更爲經濟的方式加速前沿模型的探索和研究，並不斷逼近AGI，同時對OpenAI O1模型推理能力的復現將使得大量AI應用得以解鎖和落地。算法訓練帶來的規模報酬遞增效應以及單位算力成本降低對應的傑文斯悖論等，均意味着中短期維度，科技巨頭繼續在AI算力領域進行持續、規模投入仍將是高確定性事件，未來12月，我們繼續樂觀看待美股AI算力產業鏈的投資，但需要投資者適度容忍市場高波動性，商用GPU、ASIC、以太網、HBM、先進制程、光通信等將繼續爲我們的核心投資關鍵詞。
▍報告緣起：Deepseek快速出圈，引發市場對於AI算法、美股AI半導體的分歧。
1月20日DeepSeek-R1 正式發布。性能表現上：在2024年AIME測試中分別取得了72.6%和79.8%的成績，與OpenAI o1的79.2%水平相當。用戶表現上，DeepSeek日活躍用戶數（DAU）迅速增長，Sensor Tower 數據顯示Deepseek DAU超千萬，目前約有3000萬。市場關注點主要集中在：AI算法迭代、AI Capex方向、對後續半導體投資策略。
▍AI算法：
1）Scaling Law仍然有效。Deepseek在AI算力有限的情形下實現了極低的訓練成本，但該成本並未包括期探索、數據處理、數據&架構消融實驗等系列成本。我們判斷：硬件系統的進步、算法研發學習曲线的存在等都在推動相同效果下算法訓練成本持續降低，而Deepseek的开創性工作無疑加速了行業成本下移的進程。AI算法技術路线开始多頭並進，這些都將不斷刺激算力端需求。
2）Deepseek對於AI產業的突出貢獻在於對OpenAI O1模型推理能力的復現。過去兩年，約束AI模型在應用領域廣泛落地的一大約束便是模型復雜推理能力的欠缺，Deepseek R1完整开源了如何利用規則驅動的大規模強化學習，以及SFT+強化學習實現了模型推理能力的獲得。
3）我們認爲：Deepseek在模型訓練成本降低方面的最佳實踐將刺激科技巨頭採用更爲經濟的方式加速前沿模型的探索和研究，並不斷逼近AGI，同時對OpenAI O1模型推理能力的復現將使得大量AI應用得以解鎖和落地，另外开源對於閉源的逼近&追平並不意味着算法模型的commodity化，算法最終的智能水平將是決定算法、應用之間價值分配的最核心變量。AGI模型的加速研發、應用端的解鎖等均意味着算力需求的持續增長。
▍AI算力需求總量繼續保持高景氣度。
1）傑文斯悖論表明，效率的提高往往會導致總體消耗增加。我們認爲，隨着人工智能變得更加普及和高效，它有可能大幅增加對計算能力的需求。雖然更高效的模型格局在短期內意味着資本支出和數據中心建設放緩，但參考過去服務器虛擬化、雲計算行業的發展，長久來看，我們認爲：人工智能應用的潛在加速將在一定程度上抵消這些假設。
2）根據英偉達財報數據，北美科技巨頭是AI算力支出的主力，近年全球佔比近50%，他們的AI策略、支出行爲&結構等基本主導着全球市場的發展，過去兩周，美股主要科技巨頭的四季報基本披露完畢。整體而言，北美TOP 4雲廠商2025的CAPEX指引明顯高於市場一致預期。我們預計2025年四大CSP合計資本开支將繼續保持30%以上增長；2026年大概率正增長，同時結構上進一步向數據中心AI硬件傾斜。
3）結合美股TOP 4雲廠商短期Capex指引和傑文斯悖論來看，我們認爲：算法訓練帶來的規模報酬遞增效應以及單位算力成本降低對應的傑文斯悖論等均意味着中短期維度，科技巨頭繼續在AI算力領域進行持續、規模投入將是高確定性事件。
▍算力結構潛在變化：
1）我們判斷，LLM模型時代，算力負載從訓練向推理端的遷移並不意味着計算芯片門檻的大幅降低，面對復雜、多元的推理端場景需求，我們需要在單芯片算力、內存容量、內存帶寬、互聯帶寬、I/O帶寬、靈活性等多個指標上面不斷謀求平衡，這就意味着：商用GPU仍將是市場的首選，高端ASIC則將是有效的補充。
2）網絡存儲等重要性亦在持續提升。AI算力投入（數據中心、端側AI等），將對HBM、大宗DRAM等構成持續的拉動，同時亦將拉動企業端存儲設備的需求，AI網絡持續scale up、scale out，以及前端網絡升級等將是未來數年數據中心網絡設備、接口芯片&模塊主要成長性的來源。產業核心關鍵詞包括：以太網、光連接、HBM、Retimer等
▍風險因素：
AI核心技術發展不及預期風險、科技領域政策監管持續收緊風險、私有數據相關的政策監管風險、全球宏觀經濟復蘇不及預期風險、宏觀經濟波動導致歐美企業IT支出（尤其是AI支出）不及預期風險、AI潛在倫理、道德、用戶隱私風險、企業數據泄露、信息安全風險、行業競爭持續加劇風險等。
▍投資策略：
Deepseek在模型訓練成本降低方面的最佳實踐，料將刺激科技巨頭採用更爲經濟的方式加速前沿模型的探索和研究，並不斷逼近AGI，同時對OpenAI O1模型推理能力的復現將使得大量AI應用得以解鎖和落地。算法訓練帶來的規模報酬遞增效應、以及單位算力成本降低對應的傑文斯悖論等均意味着中短期維度，科技巨頭繼續在AI算力領域進行持續、規模投入仍將是高確定性事件。我們繼續樂觀看待未來12月美股AI算力產業鏈的投資，但投資者需要容忍高波動性，商用GPU、ASIC、以太網、HBM、光通信等將繼續爲我們的核心關鍵詞。
注：本文節選自中信證券研究部已於2025年2月14日發布的《前瞻研究行業美股半導體專題報告—Deepseek之後美股AI半導體投資的再思考 》報告，分析師：陳俊雲 S1010517080001、高飛翔 S1010523080003
標題：Deepseek之後，美股AI半導體投資的再思考
地址：https://www.iknowplus.com/post/193919.html
