一、美国银行 BofA:Deepseek--更快的AI模型推动AI应用加速落地

DeepSeek近期发布的Deepseek-R1 和 DeepSeek-V3樘型，使用功耗较低的NVIDIAH800芯片，相比其他大规模语言模型(LLMS)，训练成本更低，API输入/输出价格更具竞争力。该模型的推理能力接近OpenAI模型这可能对整个AI供应链带来深远影响。核心影响如下——

软件行业:DeepSeek的开源特性使得几乎所有软件公司都能利用其技术，将AI功能嵌入产品中，尤其是Saas企业(如金山软件和金蝶)可能最先受益。

数据中心:短期影响有限，但长期来看，AI应用的普及将带动数据中心需求增长，并推动计算资源从模型训练2向推理任务转移，

公有云:随着AI推理需求增长，公有云市场可能迎来更大的发展机遇，尤其是"模型即服务(Maas)“可能成为新的增长点。

半导体行业:边缘AI设备(如AI眼镜、AI耳机、AI玩具)发展加速，国产芯片在推理任务上的竞争力提升，但整体供应仍受美国技术出口限制影响。

Deepseek的创新降低了AI应用的成本，有望推动中国AI生态发展，同时加强本土企业在软件、云计算和边缘计算领域的竞争力。

不过，Deepseek对存储市场的影响尚不明显：

虽然部分投资者担忧Deepseek的发展可能减少高带宽存储器(HBM)的需求，但目前市场数据显示，HBM3e仍供不应求，尤其是12层HBM3e的订单依然强劲，预计2025年SK海力士对英伟达的HBM4供应协议将在未来几个月内确定。

三星电子(SEC)方面，该公司在2025年第一季度的HBM销售指引较为保守，主要原因在于12层HBM3e仍处于采样阶段，尚未实现量产，而8层HBM3e的需求正在下降。相比之下，SK海力士的HBM出货量持续增长，尤其是面向英伟达等客户的12层HBM3e。

存储市场展望:HBM需求依然强劲，美国科技公司2025-2026年的资本开支大幅增长，例如Meta计划在2025/26年投入620亿美元和680亿美元，远超2023/24年的270亿美元和370亿美元:

DRAM和NAND存储市场:由于三星和海力士均削减传统存储器(DDR5和NAND)的产能，预计2025年上半年存储器价格将有所回升。

DRAM现货价格:2025年1月价格稳定，但预计2-3月可能出现单位数增长，尤其是受数据中心备货影响。Deepseek的影响尚未改变存储行业格局，HBM市场需求仍然旺盛。三星在HBM市场的挑战较大，而SK海力士因技术和量产优势，HBM收入在2025年预计比三星高100%以上。

二、高盛：DeepSeek的发展可能成为亚洲股市的“GPT时刻”

高盛的策略师Tim Moe和Alvin So发布的一份市场洞察报告，主题是关于中国人工智能（AI）受益篮子和对冲策略的分析。报告探讨了DeepSeek技术发展突破对亚洲股市的潜在影响，并提出了相应的交易策略。这份报告为投资者提供了一个关于如何利用DeepSeek技术发展来构建投资组合和对冲风险的框架，同时也强调了在投资决策中需要考虑的风险和合规性。

DeepSeek技术突破的影响：DeepSeek的发展可能成为亚洲股市的又一个“GPT时刻”，类似于之前大型语言模型（LLM）对市场的影响。

高盛识别出一批能够利用LLM提升用户体验、提高生产力和创造新收入的公司，这些公司主要来自中国的云计算、软件、应用和物联网设备领域。

报告创建了两个篮子：一个针对在香港上市的公司（GSCBHAIT），另一个针对中国A股上市公司（GSCBCAIT），两个篮子的日交易额均超过7亿美元。

GSCBHAIT中包括腾讯、阿里巴巴、网易、京东、百度等，每家公司的权重为7%。

GSCBCAIT篮子中包括北京金山办公软件、深圳传音控股、360安全科技等，权重为6.5%。

衍生品交易策略

（1） 互换（Swap）：建议做多GSCBHAIT，利率为SOFR+70bps；做多GSCBCAIT，利率为SOFR+50bps。

（2）期权（Option）：提出了零成本的期权策略，通过卖出看跌期权来资助看涨期权的购买。

高盛对DeepSeek发展可能对全球先进AI芯片需求和上游供应链带来的潜在破坏保持谨慎。建议投资者通过期权结构对冲短期波动，例如通过卖出3个月108%的看涨期权来资助购买3个月95%/80%的看跌期权价差。

三、富瑞：DeepSeek引发的担忧 —— 所有人工智能相关半导体股票遭抛售

中国的DS开发出一款开源大语言模型(LLM)，其性能与 GPT-4o 相当，但计算力消耗却少得多，这一消息导致所有与人工智能相关的半导体股票均遭抛售。DS的架构采用专家混合(MoE)和多头潜在注意力(MLA)技术，并进行高质量参数处理。这将促使人工智能行业重新聚焦投资回报率(ROI)。尽管深度求索的模型效率惊人，但其尚未推动任何人工智能的商业化进程。对计算力需求的重新评估，可能导致 2026 年人工智能领域的资本支出下降(或不再增长)。

对计算力需求的影响

市场自然会对计算力需求增长感到担忧。我们一直强调对人工智能投资回报率的担忧，因为在 GPU 领域的巨额投资(例如，仅英伟达 2024 年的 GPU 收入就可能达到 2000 亿美元)产生的回报甚少。我们看到了模型的改进(成本高昂)，但没有具体的人工智能商业化案例能够证明这些投资的合理性。

我们认为，DS的成功可能推动行业采取两种策略：第一，继续追求更多计算力，以推动模型更快改进;第二，重新聚焦效率和投资回报率，这意味着从 2026 年起计算力需求将降低。

在资本市场资金充裕的情况下，海外人工智能公司一直在不惜一切代价追求模型改进。但深度求索的成果可能会促使投资者对这些计算力投资提出质疑。因此，美国人工智能企业的管理层在证明 2026 年进一步提高人工智能资本支出的合理性时，可能会面临更大压力。人工智能供应链(如 GPU、服务器原始设计制造商、印刷电路板、液冷等)可能会受到负面影响，而专用集成电路(ASIC)、高带宽内存(HBM)、电源、数据中心等则更具弹性。

对智能手机的影响

如果较小的模型能够良好运行，这对智能手机来说可能是个积极因素。我们对人工智能智能手机持悲观态度，因为人工智能在消费者中并未获得认可。要在手机上运行更大的模型，需要进行更多硬件升级(先进封装 + 快速动态随机存取存储器)，这将提高成本。苹果公司的模型实际上基于专家混合(MoE)技术，但 30 亿个数据参数仍然太少，无法为消费者提供有用的服务。因此，深度求索的成功带来了一些希望，但对人工智能智能手机的短期前景没有影响。

对美中科技战的影响

由于芯片限制，中国是唯一追求大语言模型效率的市场。特朗普和马斯克可能认识到，进一步限制的风险在于会迫使中国更快地进行创新。因此，我们认为特朗普很可能会推行 “假幻觉” 政策(relax the AI diffusion policy)。