中金 | AI进化论(6):DeepSeek横空出世,各行业智能化发展展望 - 深度分析报告解构
一、元数据与报告概览
- 报告标题:AI进化论(6):DeepSeek横空出世,各行业智能化发展展望
- 作者:陈昊、于新彦等,中金公司研究部(分析师多名,均有SAC执证编号)
- 发布时间:2025年3月17日
- 发布机构:中金公司研究部
- 主题:AI大模型技术进步,重点围绕DeepSeek开源大模型技术的推出及其带来的行业智能化影响,结合中国制造业、高数字化行业和中美数字经济对AI应用的支撑能力,展望AI产业化应用趋势。
核心论点:
- DeepSeek(尤其是DeepSeek-V3及R1模型)引发了全球AI大模型技术的“鲶鱼效应”,推进了大模型的开源与平权,降低了行业应用门槛。
- AI大模型在数字化程度较高的行业(如制造业、互联网、金融服务等)有望实现快速普及和应用,为企业降本增效带来显著助力。
- 中国制造业规模全球领先且数字化进程加速,结合DeepSeek技术平权,未来中国有望成为全球AI+制造业的引领者。
- 中美两国数字经济成熟,是AI大模型产业落地应用的先行者,分别在不同产业链形成优势,有望共同推动AI产业化。
评级与目标价:
- 报告以研究视角为主,未明确给出具体投资评级和目标价,而是以行业及技术趋势展望为核心。
二、逐节深度解读
1. 摘要与行业展望
- 关键论点:DeepSeek大模型技术的开源与成本优势,推动AI大模型行业平权,带动数字化行业(尤其高数字化制造业)裂变式应用落地。
- 论据:
- DeepSeek通过混合专家模型(MoE)、FP8低精度训练等技术大幅降低训练和推理成本。
- 中国制造业规模巨大且数字化基础扎实,有望成为AI+制造业全球领头羊。
- AI大模型在理解、分析、生成多模态数据的能力,使其高度契合数字化产业需求。
- 数据亮点:
- 2024年中国工业增加值达40.5万亿元,制造业总规模连续15年全球第一。
- 预测2030年中国制造业全球产值占比升至45%。
- 百度2025年6月起计划开源文心系列大模型,OpenAI调整GPT-5产品战略,体现行业动作加速,1]
2. AI大模型技术演进与应用趋势
- 技术迭代:
- 历史回顾从统计语言模型(n-gram),神经语言模型(RNN-LM),预训练语言模型(BERT等)到大语言模型(GPT-4、DeepSeek-V3)。
- 大模型实现跨模态升级(文本生成、代码编写、多模态融合)。
- 应用多元化:
- 行业大模型(教育、金融、政务等)占比不断增加,2024年行业模型占比超过69%,新备案模型中行业模型占比高达83%。
- 行业大模型通过个性化方案满足专业需求,技术突破驱动行业占比升高。
- 图表说明:
- 图2展现了大语言模型的演进路线和能力提升。
- 图3则展示了中国备案大模型的种类及发布时间,覆盖通用与行业型深度开源模型。
- 逻辑:大模型技术累积和开源促进普及,应用场景多元化,行业模型成为趋势,3]
3. AI大模型助力数字经济与企业数据价值释放
- 价值链制度:
- 数据价值分为三次:企业业务贯通、数智化决策、数据流通赋能社会。
- 数据+算力+算法共同释放价值。
- 数字化程度影响应用效益:
- 数字化企业拥有结构化高质量数据和先进IT技术(ERP、CRM兼容)。
- AI推动沟通、流程自动化、决策支持和创新能力提升。
- 行业领先表现:
- 软件与平台、高科技制造、通讯媒体、新零售等数字化程度高的行业对Advanced AI应用率先拥抱且快速提升。
- 以高科技制造业为例,数字化工具和数控率均有显著提升,AI应用拥抱度达75%(2024)且快速增长。
- 其他领军行业如汽车、金融展现不同阶段数字化和智能化跃进特征。
- 规模意义:
- 金融行业AI投资预计从2024年的196.94亿元增长至2027年的415.48亿元,年复合增长率约111%。
- 图表6说明:
- 用例多样性与行业拥抱度定位不同行业AI应用成熟度和增长态势,气泡大小反映行业增速强弱。
- 逻辑:高数字化程度为AI应用提供数据和技术基础,驱动企业智能化转型步伐,4,5]
4. DeepSeek技术创新与大模型平权
- 技术特色与成本控制:
- DeepSeek采用MoE专家模型、FP8训练、多token预测、多并行优化(EP、双流水线),大幅降低算力投入及训练成本。
- DeepSeek-V3单次训练成本约557万美元,耗时不足两个月,成本仅为国际顶尖模型GPT-4o的1/10。
- 推理成本低至每百万tokens约1元人民币。
- 开源策略:
- DeepSeek采用MIT协议,支持企业免费商用及二次开发,开源相关推理框架与模型优化工具。
- 开源推动竞争者技术更新与价格调整,形成“鲶鱼效应”。
- B端市场表现:
- B端企业对AI模型付费意愿强,关注数据安全、私有部署、垂直领域专业性,经济效益驱动力明显。
- 根据《中国AIGC应用全景报告》,约50%B端AI产品实现商业化营收。
- 图表7解析:
- DeepSeek-R1及V3在各类专业测试中表现优异,某些任务性能优于OpenAI-o1模型。
- 图表8价格对比:
- DeepSeek-R1推理输入、输出API价格显著低于OpenAI-o1模型,体现降本优势。
- 逻辑:
- 技术平权通过降低成本,促进产业链上下游裂变增长,驱动大模型在B端的广泛落地,7,8]
5. 中美数字经济与AI产业落地优势
- 数字经济规模和结构:
- 美国2022年数字经济规模约17.2万亿美元,中国7.5万亿美元,均为全球前两名。
- 美国第三产业GDP占比高达79.4%,中国为56.7%;数字经济渗透率美国达到65%,中国42.8%。
- 美国数字化领先全球,GDI指数78.8居首,中国69.2列第八。
- 产业结构差异:
- 美国第三产业占比更高,依托发达服务业推动数字化。
- 中国产业结构中第二产业(制造业)占比较大,为AI落地提供产业基础。
- 信息技术支撑产业优势:
- 中美信息技术行业基础设施完善、人才储备充足、训练数据丰富,是AI大模型快速部署的强力支撑。
- 金融、教育、医疗等细分场景潜力大,AI应用空间广泛。
- 图表10-12说明:
- 美国和中国三大产业占比及数字经济渗透率差异体现了两国数字经济结构特征。
- 逻辑:结构差异互补,中美双轮驱动引领全球AI产业化部署,9,10]
6. 中国制造业的规模优势与数字化转型
- 制造业体量对比:
- 2024年中国工业增加值40.5万亿元,连续15年全球第一。
- 美国2023年工业增加值4.2万亿美元明显落后。
- 联合国数据显示2022年中国制造产值占全球31%,居首位。
- 产能与质量:
- 中国拥有全部联合国产业分类中的工业门类,500大工业产品中220+种全球产量第一。
- 产品质量合格率持续提升至约94%。
- 创新与产业链成熟:
- 新兴制造业创新中心33家,技术成果转化显著。
- 专精特新小巨人企业超1.46万家,产业链完备。
- 数字化转型重点:
- 汽车、家电等数字化率高,推动制造智能升级。
- 石化、钢铁等流程工业数字数据丰富、流程清晰,AI应用适配度高。
- 图表13全球制造产出占比:中国占比最高,突出规模优势。
- 逻辑:体量、技术、数字化三驾马车驱动中国制造业AI深度融合,11,12]
7. 工业大模型与应用场景
- 工业大模型架构:
- 涉及预训练、二次训练、微调与实际应用各层数据准备和训练对应,强调海量工业领域数据支持。
- 应用领域覆盖全流程:
- 决策/管理(决策辅助、数据分析)
- 设计/研发(代码生成、文档检查)
- 生产/制造(自动化协同、优化)
- 售前/售后(产品问答、销售辅助)
- 运维(故障诊断、维修指导)
- 区位优势产业带:
- 北京、长三角、粤港澳湾区因头部科技企业聚集、网络基础设施完善,有望带动IDC市场大规模增长。
- 逻辑:完善的数据支撑 + 强大产业集群 + 基础设施保障 = AI工业大模型产业环境成型,13]
8. 主要风险因素
- 技术创新不及预期:
- AI大模型技术突破若遇瓶颈,迭代进程停滞,整体产业升级和下游应用动力减弱。
- 成本下降缓慢:
- 训练与推理成本未能进一步降低,可能阻碍中小企业、大量B端客户采用,限制规模化应用发展。
- 应用落地进度慢:
- 缺乏现象级AI商业应用,产业反馈不佳,互联网大厂及开发者的投入意愿可能下降。
- 风险权衡:
- 报告未具体量化风险概率及缓解措施,但基于技术创新和成本优势,隐含驱动持续突破的重要性。
,13,14]
三、图表深度解读
图表2:大语言模型发展时间线
- 展示从1990年代统计语言模型到2022年及以后大语言模型的技术演进。
- 趋势显示任务求解能力大幅提升,模型规模显著扩大。
- 体现了各阶段技术关键点:RNN-LM解决稀疏数据问题,预训练模型提升迁移能力,大语言模型带来跨任务通用性。
- 有助于理解DeepSeek所在技术节点的先进性
图表3:中国备案大模型类型
- 列出了2019年至2024年大量大模型研发案例及其时间节点。
- 涵盖通用与行业大模型,突出行业模型占比和数量增长。
- 部分典型模型如DeepSeek-V2、文心、LLaMA等均被备案说明中国本土技术活跃度。
- 支持行业大模型崛起背景
图表4:数据要素价值创造过程
- 右侧分三个层级归纳数据价值:企业内部贯通、智能决策、数据流通赋能社会。
- 中心为企业内业务贯通由数据支撑转向数据驱动,外部通过流通创造额外价值。
- 说明数据作为生产资料的多层次增值过程,强调数字经济核心资产属性。
- 支撑AI大模型以数据驱动企业效益的理论逻辑
图表5:AI大模型改变数字产业生态
- 由供给侧、需求侧与大模型能力三个核心区域构成。
- 供给侧技术演进推动模型功能扩大,需求侧人机交互方式变化促成生态革新。
- 强调ChatGPT类产品作为新“iPhone”,催生基于大模型基础的产业空间。
- 直观说明AI技术推动产业生态变迁的内在路径
图表6:2023-2024年中国不同行业Advanced AI应用趋势
- 横轴为行业拥抱度(应用公司比例),纵轴为用例多样性(应用种类比)。
- 软件与平台、高科技制造排名最高,为先行者;能源、自然资源处于观望区。
- 气泡大小表示行业拥抱度增长幅度,显示数字化快速提升行业加速拥抱AI。
- 直观展示不同行业AI成熟度和增速,为投资和产业选择提供判别依据
图表7:DeepSeek大模型性能对比
- 多项任务中模型准确率,DeepSeek-R1和V3在大多数测试任务相当甚至优于OpenAI-o1模型。
- 显示技术创新效益,多token训练等优势带来的性能提升。
- 支撑DeepSeek在同类开源大模型中的竞争实力。
- 图表提供直观性能评测数据,强化可信度
图表8与图表9:DeepSeek与OpenAI-o1定价对比及大模型平权下需求展望
- 显示DeepSeek在输入输出API价格均远低于OpenAI-o1,特别是输出API价格高出数倍以上。
- 预示成本控制优势直接降低企业接入门槛与运营成本。
- 后继图表9则表达成本下降對需求刺激,呈现市场规模扩张的逻辑关系。
- 支撑技术创新转化为商业普及,加速应用裂变
图表10-12:中国与美国三大产业及数字经济占比
- 美国GDP中第三产业占比近80%,中国为57%,反映结构侧重点不同。
- 中国第二产业占比36%,制造业基石突出。
- 2023年中国数字经济渗透率分别为10.7%、25%、45.6%,显现不同产业数字化发展水平。
- 是理解两国AI产业应用基础及行业布局差异的重要数据
图表13:全球制造业产出国家占比
- 2022年中国占31%,领先美国16%和日本、德国各5%。
- 支撑中国制造业全产业链规模及影响力的论断。
- 制造业规模优势为AI产业融合奠定坚实基础
图表14:工业大模型训练数据规模和关键类型
- 列出视觉、语言、大分子等工业特定训练数据需求和规模。
- 强调工业数据对模型效果的关键作用及数据匹配要求。
- 体现工业大模型落地的关键技术瓶颈之一为高质量数据积累
图表15:工业大模型应用场景集合
- 展示从决策辅助到生产制造,售前售后,运维全环节的具体应用点。
- 包括知识问答、代码生成、HMI交互、故障预警等多维度功能。
- 该图形象展现工业AI生态应用的广度和深度
四、估值分析
- 本报告聚焦技术和行业展望,未涉及直接的估值模型或个股目标价。
- 文中多次提及行业投资金额(如金融AI投资196.94亿元至415.48亿元预测)但未形成估值框架。
- 结合DeepSeek技术优势和成本下降,隐含对相关厂商市占率与营收增长有利预期。
- 建议关注模型创新带来的铸价优势与应用爆发力对相关产业链企业的价值提升。
五、风险因素评估
- 技术创新风险:技术迭代停滞将影响大模型性能提升和产业升级速度。
- 成本下降风险:训练与推理成本保持高位,限制中小客户普及,抑制应用规模。
- 应用落地风险:缺乏现象级应用使大厂投入意愿和资本支持受挫,影响整体AI生态形成。
- 风险点评指出产业推动依赖持续创新和成本控制,风险均为潜在产业发展制约因素。
- 报告无具体缓解策略或风险概率指标,13,14]
六、批判性视角与细微差别
- 报告较为乐观,强调DeepSeek开源技术突破和规模化应用前景,可能低估技术迭代复杂度和市场多元竞争压力。
- 对成本优势带来的市场划分和企业采纳意愿表述积极,但实际落地仍依赖复杂的商业模式和客户教育。
- 对风险描述虽充分,但缺少对潜在监管政策、数据安全隐私风险的深入探讨。
- 中国制造业优势基于现有数据,需注意可能存在数字化水平区域差异及产业升级不均衡。
- 报告技术论述技术专业且详实,但在细节层面部分推断基于假设性演进,存在不确定性。
七、结论性综合
本报告系统解析了DeepSeek大模型技术的创新及其引发的“鲶鱼效应”,认为其推动了AI大模型的成本大幅下降和技术平权,降低了产业应用门槛,为中国及全球智能化产业快速落地奠定技术基础。AI大模型与数字化程度较高行业深度融合,尤其在制造业、金融、软件平台等领域表现出高速拥抱态势。中国制造业具有规模、品类、数字化基础等多维领先优势,有望成为全球AI+制造业的引擎。中美两国数字经济高水平发展,为产业智能化提供坚实保障。
通过技术创新带来的性能与成本优势,DeepSeek在测试性能上已可与OpenAI顶尖模型相比肩,且训练与推理成本显著低于国际水平,促进企业端大规模接入。数据作为驱动力,企业通过数据贯通、科学决策和开放流通实现多层次价值释放。图表深入揭示了大模型技术演进、行业应用成熟度分布、成本结构和产业生态演变全过程。
风险方面,技术创新放缓、成本下降滞后及应用落地缓慢仍是影响产业化进程的关键不确定因素。报告整体立场积极,建议关注技术突破带来的规模效应及数字化高度行业的应用机会,尤其制造业和信息技术密集型产业的AI应用前景。
综上,该份报告通过详尽的数据分析与技术介绍,构建了以DeepSeek技术创新为核心的AI大模型行业发展逻辑,强调了中国制造业及数字经济结构优势的协同驱动力。它为判断AI产业未来趋势、识别数字经济高潜产业和把握技术降本机遇提供了强有力的分析基础。
附:图表引用示例(Markdown格式)
(全文依据中金公司2025年《AI进化论(6):DeepSeek横空出世,各行业智能化发展展望》原文内容结构和数据编撰),1,2,3,4,5,6,7,8,9,10,11,12,13,14]