平安证券研报指出，DeepSeek凭借低成本、高性能、开源特性，有望成为推理场景爆发的关键契机。DeepSeek仅用7天完成1亿用户增长，训练成本仅557.6万美元（2048块H800、278.8万小时），API定价较OpenAI o1低约96%。2027年中国AI服务器推理工作负载占比预计达72.6%，推理算力需求潜力远超训练端。本文从模型特性、成本优势、推理需求三方面拆解DeepSeek推理算力逻辑。
DeepSeek现象：7天1亿用户，低成本高性能引爆市场
2024年12月26日，DeepSeek-V3发布（671B参数，性能与GPT-4o不分伯仲）；2025年1月20日，DeepSeek-R1发布（性能对齐OpenAI o1正式版）。DeepSeek设计轻量化，训练成本大幅降低——V3使用2048块H800 GPU集群训练，训练时长278.8万小时，假设H800每小时租金2美元，总训练成本仅557.6万美元。API服务定价方面，DeepSeek-R1为每百万输出Tokens 16元，而o1为438元，成本优势明显。DeepSeek仅用7天完成1亿用户增长，APP发布20天全球日活DAU突破2000万，达ChatGPT的40%。DeepSeek爆火反映出市场对低成本推理大模型的迫切需求。
表：DeepSeek核心数据对比| 指标 | DeepSeek-V3/R1 | 竞品（GPT-4o/o1） | 优势 |
|---|
| 训练成本 | 557.6万美元 | 数千万至数亿美元 | 大幅降低 |
| API定价（输出） | 16元/百万Tokens | 438元/百万Tokens | 约96%更低 |
| 用户增长（1亿） | 7天 | ChatGPT 2个月 | 最快纪录 |
推理端算力需求：2027年占比将达72.6%
AIGC通常需要训练和推理两个环节。大模型训练是阶段性需求，在发展早期是主要的算力需求端。根据IDC数据，2023年由于各类大模型层出不穷，中国AI服务器工作负载中训练端算力占比58.7%。随着大模型逐渐成熟以及推理成本下降（DeepSeek大幅降低了推理门槛），大模型应用场景逐渐打开，对推理算力的需求将持续扩大，预计2027年推理端算力需求占比将大幅增长到72.6%。长期看，推理算力的需求潜力远超训练端。DeepSeek的开源属性（V3和R1均开源，蒸馏6个小模型）将大力推动各类推理应用场景的爆发。AI大模型一体机（如DeepSeek一体机）通过“开箱即用”的设计大幅降低了AI应用门槛，在政务、金融、医疗、教育、物流等行业快速落地。DeepSeek一体机供应端已呈现“百机大战”格局（100多家厂商推出），需求端全国规模化落地已超500台。
推理场景爆发的投资机会：AI服务器与一体机
DeepSeek驱动的推理需求爆发将带来多重投资机会。AI服务器方面，2024年全球AI服务器市场规模1251亿美元，预计2028年达2227亿美元（CAGR 15.5%）；中国AI服务器2024年190亿美元，预计2028年达552亿美元（CAGR 30.6%），推理端将成为AI服务器工作负载的主力需求。AI一体机方面，DeepSeek一体机大幅降低本地部署门槛——DeepSeek R1 671B满血版最小规模仅需1台8卡H20服务器或2台8卡昇腾910B即可部署。蒸馏后的小模型（32B/70B）性能对标OpenAI o1-mini，硬件部署成本更低。科技巨头资本支出维持高位（2025Q1美国四大巨头766亿美元同比+64%，国内腾讯+阿里521亿元同比+104%），为推理算力基础设施建设提供充足资金。
