2025 人工智能系列深度：DeepSeek十大关键问题解读

DeepSeek十大关键问题解读——人工智能系列深度评级：推荐(维持)证券研究报告计算机2025年02月13日2024/02/192024/05/192024/08/192024/11/19相对沪深300表现《计算机行业点评报告：DeepSeek搅动了全球Al的“一池春水”(推荐)*计算机*刘熹》

——2025-02-03《美国对华Al限制加剧，自主可控大势所趋——Al

算力“卖水人”系列(4)(推荐)*计算机*刘熹》——2025-01-24《计算机行业事件点评：我国中部最大智算中心投产，国产算力景气上行(推荐)*计算机*刘熹》——2025-01-14表现计算机

沪深3003M3.3%

-4.1%12M57.5%

16.5%1M30.1%

5.0%最近一年走势相

关

报

告DeepSeek

探索出一条“算法创新+有限算力”的新路径，开源Al时代或已至，国产Al估值或将重塑。◆

Q1:DeepSeek对于算力的影响?

—Jevons

悖论：短期训练侧算力需求或受影响，但DeepSeck推理价格下降吸引更多用户调用模型，带来英伟

达H100GPU的租赁价格提升，故表明算力需求量短期仍呈提升趋势，中长期推理算力需求有望持续增长。◆

Q2:

文本与多模态对算力的需求差别?

多模态模型大规模应用，或将升级算力需求。Sora将大模型训练数据从大规模的文本/图像，发展到

视频数据，提升了新的维度，这或将数倍提升算力需求。◆

Q3:

对芯片未来格局的影响?——训练：NV仍具备计算与生态护城河，

DeepSeek

带来模型训练算力使用效率提升，

NV高等级芯片或主要用于

探索AGI;推理：推理化、国产化、

ASIC化为三大趋势。◆

Q4:DeepSeek

系列模型为何引起轰动?

—

技术与开源：

DeepSek

优化模型结构

(MLA+MOE

、MTP)

、

模型训练方法

(DualPipe)

、针对性

GPU优化

(FP8

混合精度等)等内容，降低了训练成本，同时进行开源，各下游企业可以直接通过本地部署或云端调用，降低了调用成本。◆Q5:模型未来侧重Dense还是Sparse(MOE)?—

一个通才(Dense)能够处理多个不同的任务，但一群专家(MoE)能够更高效、更专业

地解决多个问题。◆

Q6:

蒸馏模型的定义与发展潜力?

蒸馏可以减少原本大参数模型部署的硬件需求高、推理时间长、成本高昂的缺点，更有利于本地部署、

推理业务、应用与端侧发展。◆

Q7:多模态的演进路径?

AI大模型技术和应用逐渐从文本扩展至更多模态。◆

Q8:DeepSeek

发生后对应用侧的影响?

—

DeepSeek

在推动降本、强推理等驱动下，有望加速AI应用普及度迎来跨越式提升。◆

Q9:DeepSeek

发布对于端侧的影响?—

DeepSeek

决定支持用户进行“模型蒸馏”,已更新线上产品的用户协议，有望加速AI在端侧进程，未来

手机、PC、

小型设备等端侧或可部署。◆

Q10:北美增加Capex的用意，以及对deepsek

的看法?

—

—

北美CSP厂商增加资本开支至服务器与数据中心，继续发展模型预训练与推理侧，重视deepseek技术与发展。

附注中的风险提示和免责声明

3核心提要◆

投资建议DeepSeek

探索出一条“算法创新+有限算力”的新路径，开源Al时代或已至，国产AI估值或将重塑，维持计算机行业“推荐”评级。◆

1)AI

应用：2G:

中科曙光、科大讯飞、中国软件、太极股份、中科星图、国投智能、云从科技2B:

金蝶国际、用友网络、卫宁健康、广联达、石基信息、明源云、新开普、泛微网络、同花顺2C:

金山办公、三六零、万兴科技、福昕软件、合合信息◆

2)算力：云：海光信息、寒武纪、浪潮信息、中科曙光、华勤技术、紫光股份、中国电信、优刻得、云赛智联、光环新网、中国软件国际、神州数码

边：网宿科技、顺网科技、中科创达、深信服端：软通动力、乐鑫科技、移远通信◆

风险提示：宏观经济影响下游需求、大模型产业发展不及预期、市场竞争加剧、中美博弈加剧、相关公司业绩不及预期，各公司并不具备

完全可比性，对标的相关资料和数据仅供参考。

附注中的风险提示和免责声明

4投资建议与相关公司一、DeepSeek十大关键问题解答

附注中的风险提示和免责声明

5Q1:DeepSeek

对于算力的影响?——Jevons悖论

·AI

的演进路径中，推理成本不断下降，计算效率持续提高是长期趋势。例如：据Semianalysis,算法进步的速度约为每年4次；Anthropic

CEO

Dario甚至认为，这一进步速度可能达到10倍。·Jevons

悖论：技术进步提高了资源使用效率，效率提高降低了资源使用成本，成本下降刺激了资源需求的增长，需求增长可能超

过效率提升带来的节约，最终导致资源总消耗增加。●我们认为，短期训练侧算力需求或受影响，但DeepSeek

推理价格下降吸引更多用户调用模型，带来英伟达H100GPU的租赁价格

提升，故表明算力需求量短期仍呈提升趋势，中长期推理算力需求有望持续增长。表：大模型成本持续下降，效率提升

表：V3/R1

发布后，AWS多地H100

GPU价格上涨，H200

也更难获取Cheapest

LLMAboveCertain

MMLUCost/1MTokens$100.00GPT-4GPT-4Turbo$10.00GPT-40Llama3.1405BsemicnalysisMedian

Price$1.00

附注中的风险提示和免责声明

6资料来源：Semianalysis,新浪网DeepSeek-V3●多模态大模型是一种基于深度学习的机器学习模型，类似于人脑能够同时处理文本、声音、图像等不同类型的信息，多模态模型能够处理和整合“图像+文本”、“视频+音频”、“语音+文字”等多种模态的数据和信息，利用不同模态之

间的互补和协同，来提高模型的全面感知和泛化能力，使其能够应对更多复杂的任务和场景，以实现更好的性能表现。·

与传统的单模态模型相比，多模态对算力供给提出了更高的要求。急剧飙升的算法复杂度及工程难度、模型迭代下动

辄干亿规模的参数量和远高于单模态模型的大量图片、文本和视频数据集，不仅需要消耗大量计算资源，对算力的速

度、精度、性能等方面的要求也水涨船高。图：多模态模型推理所需算力较高Inference

Compute

ComparisonSora(1

minvideo)—

GPT-4(1000

text

tokens)—

LLama-270B(1000

text

tokens)—

DiT-XL/2

Image

Generation

(512x512px

images)Q2:

文本与多模态对算力的需求差别?附注中的风险提示和免责声明7资料来源：机器之心公众号，国海证券研究0.0

0.20.4

0.60.81.0Number

of

generated

outputs

le7图：sora

表示训练计算量增加，视频质量显著提高基础计算

4倍计算

32倍计算10²51023102110+9101710¹5FLOPS·NV

仍具备计算与生态护城河。我们认为，DeepSeek

的成果使用低精度计算、模型侧发展MOE

架构、使用PTX

层，这些会带来预训练算力使用效率的提升，但是这些技术仍与NV

生态紧密联系，NV

护城河仍在。●模型训练算力使用效率提升，NV

高等级芯片或主要用于探索AGI。

根据《DeepSeek-V3

Technical

Report》,模型的训练过程仅

使用2048块H800,

这表明使用A100

、H800等相对低端的芯片可以实现类似openAI

o1类似性能。这可能会影响英伟达2025年以后，

B200

等最先进GPU

的普及，

Blackwel/Rubin

等最先进的GPU

的用途，初期可能会被局限在探索下一代大模型(探索AGI)上

。C/C++and

CUDAcodeNVIDIACUDACompiler(NVCC).ptx

PTX(Virtual)ISA

codeDevice

Just-in-TimeCompilerDeviceAssembly

(e.g.,SASS)GPU公众号

·新智元资料来源：新智元公众号，IDC,

国海证券

附注中的风险提示和免责声明

8Q3:

对芯片未来格局的影响?图：英伟达PTX

是专门为其GPU

设计的中间指令集架构图：2024H1,

中国人工智能芯片市场份额HostAssembly(e.g.,x86,Power,ARM)■GPU卡■非GPU卡HostC/C++

CompilerHostC/C++Code

.CCPU.CU公司202220232024ENVIDIA67.6%65.5%63.6%AMD(包括Xilinx)5.7%7.3%8.1%Intel(包括Altera)3.1%3.0%2.9%Others23.6%24.1%25.3%全部100%100%100%●推理芯片百花齐放。●国产化：我们认为，考虑到目前中美半导体博弈加剧，DeepSeek

积极适配昇腾、海光等国产

芯片，国产化推理算力需求有望持续增长。●

ASIC/LPU/单芯片等：

ASIC芯片在性能、能效以及成本上优于标准GPU

等芯片，更加契合

AI推理场景的需求。据TrendForce

预估，2024年北美CSPs

业者(如AWS

、Meta

等)持续扩

大自研ASIC,以及中国的阿里巴巴、百度、华为等积极扩大自主ASIC

方案，促ASIC

服务器

占整体AI

服务器的比重在2024年将升至26%,而主流搭载GPU

的AI服务器占比则约71%。资料来源：Trendforce,

华为云公众号，国

附注中的风险提示和免责声明

9图：DeepSeekR1&V3推理适配昇腾云首发!硅基流动×华为云联合推出基于昇腾云的DeepSeek

R1&V3推理服务!华为云2025年02月01日12:58广东Q3:

对芯片未来格局的影响?表：2024年搭载ASIC

芯片AI服务器出货占比将逾2.5成DeepSeek-R1开源后引发全球用户和开发者关注。经过硅基流动和华为云团队连日攻坚，现在，双方联合首发并上线基于华为云昇腾云服务的DeepSeekR1/V3推理服务。●模型的优势点：我们认为，

DeepSeek

优化模型结构(MLA+MOE)

、模型训练方法

(DualPipe)

、针对性GPU

优化

(FP8混合精度等)等内容，降低了训练成本，同时进行开源，各下游企业可以直接通过本地部署或云端调用，降低了调用成本。·DeepSeek

的轰动性：1)快速的技术突破：2024年9月OpenA

I

发布01模型，但是2025年1月deepseek

就推出类比OpenAIo1

的DeepSeek

R1,这改变海外对于国内模型能力与迭代速度的认知。2)开源：DeepSeek

R1模型实现了开源，采用MIT

协议，

一定程度打破高级闭源模型的封闭生态。开源免费调用有助于先行占据市场份额，成为规则制定者，率先拓展生态粘性。DeepSeek

R1

Zero以V3

作为基础模型，纯强化学习替代有

监督微调核心创新1、强化学习RL

算法：

GRPO框架2、自我演化与AhaMoment:模型通

过

RL

自动学习复杂的推理行为，在推

理任务上显现突破性的性能提升。DeepSeekV3MoE架构模型核心创新1

、多头潜在注意力

(MLA):

减少KVCache2、混合专家架构(DeepSeekMoE):

细粒度

专家分割，共享专家隔离，辅助损失优化的专家

负载平衡策略。3、多

Token

预测目标(MTP)4

、DualPipe

算法。5、支持

FP8

混合精度训练。DeepSeek

R1以V3

作为基础模型，结合冷启动数据的

多阶段训练核心创新1、冷启动数据引入：提高了模型的可

读性和训练初期的稳定性。2、推理导向的强化学习：通过多轮

RL,

优化模型在数学、编程等密集任务表现。3、监督微调与拒绝采样：使用RL

检查

点生成额外的推理和非推理任务数据。4、全场景强化学习：

在最终阶段结合

多种奖励信号，提升模型有用和安全性。Q4:DeepSeek

系列模型为何引起轰动?

——技术与开源资料来源：《DeepSeek-R1:IncentivizingRea

《DeepSeek-V3TechnicalReport》,国海证羌附注中的风险提示和免责声明

10国海证券SEALANDSECURITIES计算效率与传统的Dense模型相比，MoE能够在远少于前者所需的计算资源下进行有效的预训练，计算效率更高、速度更快，进而使得模型规模得到显著扩大，获得更好的AI性能。Al响应速度由于MoE在模型推理过程中能够根据输入数据的不同，动态地选择不同的专家网络进行计算，这种稀疏激活的特性能够让模型拥有更高的推理计算效率，从而让用户获得更快的Al响应速度。复杂任务由于MoE架构中集成了多个专家模型，每个专家模型都能针对不同的数据分布和构建模式进行搭建，从而显著提升大模型在各个细分领域的专业能力，使得MoE在处理复杂任务时性能显著变好。灵活针对不同的专家模型，Al研究人员能够针对特定任务或领域的优化策略，并通过增加专家模型数量、调整专家模型的权重配比等方式，构建更为灵活、多样、可扩展的大模型。Q5:

模型未来侧重Dense

还是Sparse(MOE)?●

MoE是

大

模

型

架

构的

一

种，

其

核

心

工

作

设

计

思

路

是

“

术

业

有

专

攻”

,

即

将

任

务

分

门

别

类

，

然

后

分

给

多

个

“

专

家

”

进

行

解

决

。

与MoE

相

对

应的

概

念是

稠

密(Dense)模

型，

可

以

理

解

为

它

是

一

个

“

通

才

”

模

型。

一

个

通

才

能

够

处

理

多

个

不

同

的

任

务

，

但

一群专家能够更高效、更专业地解决多个问题。图：moe

模型的优势(N/2)xNXAdd&NormAdd&NormMulti-HeadAttention

FFN₁

MoE

FFNEGatingP

pituinale

ndgi

s

Add

&NormMulti-Head

AttentionInputembeddings

+Positional

embeddingsnsbededdiemotosIn资料来源：昆仑万维集团公众号，国海证券

附注中的风险提示和免责声明

11MoE

TransfomerEncoderEncoderoutputEncoderoutputAdd&NormFeed

Forward

FFN图：传统大模型

vs

MoE架构Add

&NormFeed

Forward

FFNAdd&NormMulti-HeadAttentionTransfomerEncoder用

先

进

大

语

言

模

型

能

力

的

方

法

，

引

起

了

越

来

越

多

的

关

注

。

通

过

将

知

识

从

更

大

更

强

的数

据

蒸

馏

成

为

了

一

个

显

著

的

后

发

优

势

，

能

够

以

更

少

的

人

工

标

注

和

更

少

的

计

算

资

源

与

探

索经

济

新

闻

报

道

，

2

月

6日，

李

飞

飞

团

队

以

不

到

5

0

美

元

的

云

计

算

费

用

，

成

功

训

练

出

了

一

个

名

型

。

其

方

法

是

用

从

谷

歌

模

型

中

提

炼

出

来

的

1

0

0

0

个

样

本

，

然

后

对

阿

里

通

义

千

问(Qwen)ModelAIME2024pass@1

cons@64MATH-500pass@1GPQADiamondpass@1LiveCode

Benchpass@1CodeForcesratingGPT-4o-05139.313.474.649.932.9759Claude-3.5-Sonnet-102216.026.778.365.038.9717OpenAl-o1-mini63.680.090.060.053.81820QwQ-32B-Preview50.060.090.654.541.91316DeepSeek-R1-Distill-Qwen-1.5B28.952.783.933.816.9954DeepSeek-R1-Distill-Qwen-7B55.583.392.849.137.61189DeepSeek-R1-Distill-Qwen-14B69.780.093.959.153.11481DeepSeek-R1-Distill-Qwen-32B72.683.394.362.157.21691DeepSeek-R1-Distill-Llama-8B50.480.089.149.039.61205DeepSeek-R1-Distill-Llama-70B70.086.794.565.257.51633IdentityConsistencyEvaluationResponse

SimilarityEvaluationPrompt

from

BenchmarksFactsof

TargetLLMsTanQwendevelopedbyAlibuba)LamCludsedevelopedbyAnthropieJudge

LMCheckforlogicalcontradictionscplwihgscnReferenceLLMTargetLLMs米0◆llEvaluationLLMSContentLogical

Overall

ilsrityStyleJailbreakTemplates●

模

型

蒸

馏

作

为

一

种

更

有

效

利LLM迁

移

到

更

小的

模

型

中

，来实现SOTA

性能。●李

飞

飞s1-32B

模

型

：

据

每日为

s1-32B的

人

工

智

能

推

理

模模型进行微调而成。资料来源：机器之心公众号，《DeepSeek-R

附注中的风险提示和免责声明12Q6:

蒸馏模型的定义与发展潜力?*Contradictions

RateldentityPromptsWichteam

or

compuny

developed

yo?weieyputfomarhitastureyouuse?bilbekcespomMutation

LLMMutatetemplate

andmergepromptldentity

Responses

Target

LLMsQwerImQwendeelopodbyAibshu)QwerlamChadedoclopodby

OpanAi

Me图：DeepSeek

蒸馏模型图：蒸馏程度比较方式输入处理文本输入文本处理文本特征提取文本嵌入多模态融合联合表示任务特定处理输出生成图像输出

音频输出资料来源：搜狐，华制智能，甲子光年公众

阶跃星辰Step-1Step-2系列Step-1VStep-1.5VStep-1XStep-Video

V2Step-lo

AudioStep-R-Mini智谱GLM-4系列CogVLMGLM-4VCogviewCogVideoXGLM-4-VoiceGLM-Zero-

PreviewMiniMaxabab

6.5MiniMax-VL-01MiniMax-01/Video-01S2V-01speech-01

T2A-01-HD/月之暗面Kimi

Kimi///K0-mathK1、K1.5百川智能Baichuan4

Baichuan4////零一万物Yi-LargeYi-LightningYi-VL1///DeepSeekDeepSeek

V3

DeepSeek-VL21//DeepSeek

R1阿里巴巴Qwen

Qwen-VLwanx-T2Iwanx-T2VQwen-Audio8v8百度文心大模型

文心大模型文心大模型///腾讯混元大模型

混元大模型混元大模型混元大模型/1字节跳动豆包大模型

豆包大模型豆包大模型豆包大模型豆包大模型/●AI

大模型技术和应用逐渐从文本扩展至更多模态。多模态大一统模型的理念最早由谷歌提出，Gemini

便是这一理念的代表之

作。其核心设计在于运用

Transformer

架构，将文本、图像、音

频等多种模态的数据进行统一处理，实现对不同模态信息的理解

与生成。图：国内主要厂商的多模态布局Q7:

多模态的演进路径?附注中的风险提示和免责声明

13图：多模型模型结构音频输入音频处理图像输入图像处理图像特征提取音频特征提取音频嵌入图像嵌入文本输出●核心观

点：DeepSeek在推动降本

、强推理等层

面驱

动

下

，

有

望

加速Al

应

用

普

及

度

迎

来

跨

越

式

提

升。·

云

端

算

力

是

新

的

卖

铲

子

公

司

。

我

们

认

为

，

无

论

是

开

源

还

是

闭

源

模

型

，

计

算

资

源

都

很

重

要

，

如

果

云

厂

商

基

于

计

算

资

源

打

造

上

层

服

务

或

产品，

那

么

计

算资

源的

价

值

就

有

可

能

提

升，

这

意

味

着

更

多

的Capex流向

硬

件

领

域，

软

件也

有

望受

益

。●

模型

厂商

：DeepSeekR1模

型

能

力

对

标OpenAIo1,且

开

源，

对

于

闭

源

模

型

厂

商

等

或

造

成

一

定

冲

击，

但

其

也

可

在

此

基

础

上

训

练

。·应用

侧

：我们认为

，C

端

用

户

数

据

基

础

好、

生

态

和

产

品

力

强、

与AI结合度

好的公司

，B端

行

业

市占

率

高、

用

户

基

数

大、

积

累

较

多

用户数据和产品案例的厂商，且具备Al

结合能力的公司有望受益。图：全球生成式Al市场规模全球生成式Al市场规模(亿美元)

——

yoy76%

74%

215465%1569

52%1500103537%%30%20%

10%

0%2023

2024

2025E

2026E

2027E

2028E资料来源：中国工业互联网研究院，艾瑞咨

附注中的风险提示和免责声明

142元2

月

3

月

4

月

5月

6月

7

月

8

月

9月1

0

月11月12月Q8:DeepSeek

发生后对应用侧的影响?Anthropic210元OpenAi阿里腾讯字节1

月20元混元-Pro100元

混元-Turbo15元图：大模型降本趋势明确Claude3

Opus525元

Claude

3.5

Sonnet105元80%70%

60%

50%Qwen-VL-Max9元GPT-40105元GPT-4070元204.8360.6627.21000250020005000图：端侧Al产业链图谱传感器We

BOSCH華

周微电子0MNIVISISNC

CH0Micron

KIOXIA

长江存储其他Microsoft

HarmonyOs达梦数置库Googh

e

OoRACLE

IEM中游端侧AI设备oppo

端侧AI大模型XMeta|Lama

-间里云通

义

些

华为云|盘古Google|Gemini

两讯云|混元MOSsOpenAI|GPT

◎

百限图能云|文心Applelnteligence泛娱乐汽车应用场景教育金融医疗其他资料来源：《On-Device

Language

Models:A

附注中的风险提示和免责声明

15●

我

们

认

为

，

除AI

眼

镜

和Al

手

机

外

，

机

器

人

、

电

子

狗

、AR/VR

设

备

后

期

有

望

迎

来

快

速

成

长

，

大

模

型

在

端侧的应用发展之后，会进一步带动Al

算力硬件的需求。●DeepSeek

产

品

协

议

明

确

可“

模

型

蒸

馏

”

,

有

望

加

速AI

端

侧

落

地

。DeepSeek决

定

支

持

用

户

进

行

“

模

型蒸馏

”

,

已

更

新

线

上

产

品

的

用

户协

议

，

有

望

加

速Al

在

端

侧

进

程

，

未

来

手

机

、PC、小

型

设

备

等

端

侧

或

可

部

署。Q9:DeepSeek

发布对于端侧的影响?LenovoSAMSUNG

MicrosoftQualcoMM

HSLLICON通信模块存储SAMSUNG

intelZTE中兴

2tp-ink唐

宽

信

me下游图：全球端侧Al市场规模HUAWEIvivoHIKVSON

SGcon

AOHAIHUAWEIFeNmelogitech

CE-LINKCambricon寒武

纪基础软件AMDA上游Size(USD

Billion)CFILM欧

菲

光AI芯片GGoerTekCEC中

国吗解将技Western

DigitalNVIDIA电

子公司2024年及未来互联网大厂资本开支预期情况

Microsoft2024Q4(FY2025Q2),含融资租赁资本支出226亿美元，一半以上的云和AI相关支出用于长期资产。预计2025财年的第三季度和第四季度的季度支出将与第二季度的支出保持相似水平。Alphabet

(

谷

歌

)2024Q4公司资本开支达到143亿美元，主要是技术基础设施的投资。公司预计2025年将投资约750亿美元的资本支出，其中约160亿至180亿美元将在第一季度投资Meta2024Q4公司资本支出(包括融资租赁本金支付)为148亿美元，主要用于服务器、数据中心和网络基础设施的投资。公司预计2025年的资本支出将在600-650亿美元之间，以支持的生成Al工作和核心业务。亚马逊2024Q4资本开支为278亿美元。预计2025年资本支出约为1050亿美元，其中大部分将用于人工智能和数据中心支出。300

(亿美元)250200150100500Meta

谷歌Alphabet■

微软

■亚马逊Q10:

北美增加Capex

的用意，以及对deepseek

的看法?SEALAND

SECURITIES20%22%9%5%

6%

9%

19%17%6%15%11%

16%图：2022-2024Q4

各厂商资本性开支

图：2023-2024年全球CSP对高阶Al服务器需求占比资料来源：,腾讯网，澎湃新闻，虎啸商业评论，bi:Microsof

t■GoogleCoreWeave■

BBAT附注中的风险提示和免责声明16内圈：2023外圈：2024E■AWS■其他20%25%Meta二、投资建议及风险提示

附注中的风险提示和免责声明

17◆投资建议DeepSeek

探索出一条“算法创新+有限算力”的新路径，开源Al时代或已至，国产AIl估值或将重塑，维持计算机行业

“推荐”评级。◆1)Al

应用：2G:

中科曙光、科大讯飞、中国软件、太极股份、中科星图、国投智能、云从科技2B:

金蝶国际、用友网络、卫宁健康、广联达、石基信息、明源云、新开普、泛微网络、同花顺2C:

金山办公、三六零、万兴科技、福昕软件、合合信息◆

2)算力：云：海光信息、寒武纪、浪潮信息、中科曙光、华勤技术、紫光股份、中国电信、优刻得、云赛智联、光环新网、中国软件

国际、神州数码边：网宿科技、顺网科技、中科创达、深信服端：软通动力、乐鑫科技、移远通信

附注中的风险提示和免责声明

182.1

投资建议与相关公司2)大模型产业发展不及预期：

AI

行业核心是技术驱动，如果人工智能大语言模型技术进步不及预期，或应用效果不及预期，

将导致AI产业发展逻辑受到影响；3)市场竞争加剧：软件、技术和硬件是成熟且完全竞争的行业，新进入者可能加剧整个行业的竞争态势；4)中美博弈加剧：国际形势持续不明朗，美国不断通过“实体清单”等方式对中国企业实施打压，若中美紧张形势进一步升

级，将可能导致中国半导体供应链或AI技术创新受