一、美國銀行 BofA:Deepseek--更快的AI模型推動AI應用加速落地

DeepSeek近期發佈的Deepseek-R1 和 DeepSeek-V3樘型，使用功耗較低的NVIDIAH800芯片，相比其他大規模語言模型(LLMS)，訓練成本更低，API輸入/輸出價格更具競爭力。該模型的推理能力接近OpenAI模型這可能對整個AI供應鏈帶來深遠影響。核心影響如下——

軟件行業:DeepSeek的開源特性使得幾乎所有軟件公司都能利用其技術，將AI功能嵌入產品中，尤其是Saas企業(如金山軟件和金蝶)可能最先受益。

數據中心:短期影響有限，但長期來看，AI應用的普及將帶動數據中心需求增長，並推動計算資源從模型訓練2向推理任務轉移，

公有云:隨着AI推理需求增長，公有云市場可能迎來更大的發展機遇，尤其是"模型即服務(Maas)“可能成爲新的增長點。

半導體行業:邊緣AI設備(如AI眼鏡、AI耳機、AI玩具)發展加速，國產芯片在推理任務上的競爭力提升，但整體供應仍受美國技術出口限制影響。

Deepseek的創新降低了AI應用的成本，有望推動中國AI生態發展，同時加強本土企業在軟件、雲計算和邊緣計算領域的競爭力。

不過，Deepseek對存儲市場的影響尚不明顯：

雖然部分投資者擔憂Deepseek的發展可能減少高帶寬存儲器(HBM)的需求，但目前市場數據顯示，HBM3e仍供不應求，尤其是12層HBM3e的訂單依然強勁，預計2025年SK海力士對英偉達的HBM4供應協議將在未來幾個月內確定。

三星電子(SEC)方面，該公司在2025年第一季度的HBM銷售指引較爲保守，主要原因在於12層HBM3e仍處於採樣階段，尚未實現量產，而8層HBM3e的需求正在下降。相比之下，SK海力士的HBM出貨量持續增長，尤其是面向英偉達等客戶的12層HBM3e。

存儲市場展望:HBM需求依然強勁，美國科技公司2025-2026年的資本開支大幅增長，例如Meta計劃在2025/26年投入620億美元和680億美元，遠超2023/24年的270億美元和370億美元:

DRAM和NAND存儲市場:由於三星和海力士均削減傳統存儲器(DDR5和NAND)的產能，預計2025年上半年存儲器價格將有所回升。

DRAM現貨價格:2025年1月價格穩定，但預計2-3月可能出現單位數增長，尤其是受數據中心備貨影響。Deepseek的影響尚未改變存儲行業格局，HBM市場需求仍然旺盛。三星在HBM市場的挑戰較大，而SK海力士因技術和量產優勢，HBM收入在2025年預計比三星高100%以上。

二、高盛：DeepSeek的發展可能成爲亞洲股市的“GPT時刻”

高盛的策略師Tim Moe和Alvin So發佈的一份市場洞察報告，主題是關於中國人工智能（AI）受益籃子和對沖策略的分析。報告探討了DeepSeek技術發展突破對亞洲股市的潛在影響，並提出了相應的交易策略。這份報告爲投資者提供了一個關於如何利用DeepSeek技術發展來構建投資組合和對沖風險的框架，同時也強調了在投資決策中需要考慮的風險和合規性。

DeepSeek技術突破的影響：DeepSeek的發展可能成爲亞洲股市的又一個“GPT時刻”，類似於之前大型語言模型（LLM）對市場的影響。

高盛識別出一批能夠利用LLM提升用戶體驗、提高生產力和創造新收入的公司，這些公司主要來自中國的雲計算、軟件、應用和物聯網設備領域。

報告創建了兩個籃子：一個針對在香港上市的公司（GSCBHAIT），另一個針對中國A股上市公司（GSCBCAIT），兩個籃子的日交易額均超過7億美元。

GSCBHAIT中包括騰訊、阿里巴巴、網易、京東、百度等，每家公司的權重爲7%。

GSCBCAIT籃子中包括北京金山辦公軟件、深圳傳音控股、360安全科技等，權重爲6.5%。

衍生品交易策略

（1） 互換（Swap）：建議做多GSCBHAIT，利率爲SOFR+70bps；做多GSCBCAIT，利率爲SOFR+50bps。

（2）期權（Option）：提出了零成本的期權策略，通過賣出看跌期權來資助看漲期權的購買。

高盛對DeepSeek發展可能對全球先進AI芯片需求和上游供應鏈帶來的潛在破壞保持謹慎。建議投資者通過期權結構對沖短期波動，例如通過賣出3個月108%的看漲期權來資助購買3個月95%/80%的看跌期權價差。

三、富瑞：DeepSeek引發的擔憂 —— 所有人工智能相關半導體股票遭拋售

中國的DS開發出一款開源大語言模型(LLM)，其性能與 GPT-4o 相當，但計算力消耗卻少得多，這一消息導致所有與人工智能相關的半導體股票均遭拋售。DS的架構採用專家混合(MoE)和多頭潛在注意力(MLA)技術，並進行高質量參數處理。這將促使人工智能行業重新聚焦投資回報率(ROI)。儘管深度求索的模型效率驚人，但其尚未推動任何人工智能的商業化進程。對計算力需求的重新評估，可能導致 2026 年人工智能領域的資本支出下降(或不再增長)。

對計算力需求的影響

市場自然會對計算力需求增長感到擔憂。我們一直強調對人工智能投資回報率的擔憂，因爲在 GPU 領域的鉅額投資(例如，僅英偉達 2024 年的 GPU 收入就可能達到 2000 億美元)產生的回報甚少。我們看到了模型的改進(成本高昂)，但沒有具體的人工智能商業化案例能夠證明這些投資的合理性。

我們認爲，DS的成功可能推動行業採取兩種策略：第一，繼續追求更多計算力，以推動模型更快改進;第二，重新聚焦效率和投資回報率，這意味着從 2026 年起計算力需求將降低。

在資本市場資金充裕的情況下，海外人工智能公司一直在不惜一切代價追求模型改進。但深度求索的成果可能會促使投資者對這些計算力投資提出質疑。因此，美國人工智能企業的管理層在證明 2026 年進一步提高人工智能資本支出的合理性時，可能會面臨更大壓力。人工智能供應鏈(如 GPU、服務器原始設計製造商、印刷電路板、液冷等)可能會受到負面影響，而專用集成電路(ASIC)、高帶寬內存(HBM)、電源、數據中心等則更具彈性。

對智能手機的影響

如果較小的模型能夠良好運行，這對智能手機來說可能是個積極因素。我們對人工智能智能手機持悲觀態度，因爲人工智能在消費者中並未獲得認可。要在手機上運行更大的模型，需要進行更多硬件升級(先進封裝 + 快速動態隨機存取存儲器)，這將提高成本。蘋果公司的模型實際上基於專家混合(MoE)技術，但 30 億個數據參數仍然太少，無法爲消費者提供有用的服務。因此，深度求索的成功帶來了一些希望，但對人工智能智能手機的短期前景沒有影響。

對美中科技戰的影響

由於芯片限制，中國是唯一追求大語言模型效率的市場。特朗普和馬斯克可能認識到，進一步限制的風險在於會迫使中國更快地進行創新。因此，我們認爲特朗普很可能會推行 “假幻覺” 政策(relax the AI diffusion policy)。