报告行业投资评级 未提及 报告的核心观点 - DeepSeek作为中国AI初创公司，其开源大语言模型R1引发美国科技股调整和中国股市上涨，挑战了AI市场共识，证明中国私营部门创新和竞争力，长期对中国市场有积极影响，但短期市场乐观情绪可能过度，中国市场仍面临政策、地缘政治和宏观数据等短期负面因素[1][2][3] - DeepSeek面临诸多不确定性，引发硬件与软件、开源与闭源、ASIC与GPU等方面的争论，但能丰富AI生态系统，分析师指出大中华区存在SaaS软件、AI边缘设备和智能手机供应链、中国半导体供应链、台湾半导体、中国互联网（BAT）、数据中心和电动汽车等投资机会[4] 根据相关目录分别进行总结 《The "BABA IPO moment" for the market?》 - 中国正经历经济再平衡，旧经济增长动力减弱，新动力待兴，经济增长和股市表现面临挑战，2014 - 2016年中国市场好转得益于货币宽松、结构改革和技术突破及新经济股票IPO，当前政策已加大刺激力度，但技术突破是中长期经济增长关键[11][12][13] - 十年前移动互联网技术和智能手机普及推动社交媒体和电商发展，吸引全球资本，创造就业和收入乐观预期，当前中国在半导体、先进计算和AI领域的突破能增强投资者对中国增长前景的信心，DeepSeek成功展示了中国AI发展能力[13][15] - 中国AI发展关键是“足够好”以支持大规模应用和经济增长，中国具备AI应用的优势，AI有望成为中国经济增长新动力[17][18] 《Near-term challenges for the China market》 - 尽管长期看好中国市场，但短期市场乐观情绪可能过度，10年前阿里巴巴IPO后市场仍经历大幅调整，当前需关注两会政策、高频数据和盈利情况、地缘政治紧张局势等短期因素[19][24] 《DeepSeek – the AI disrupter》 - DeepSeek开源R1模型引发AI世界震动，超越ChatGPT在美国应用商店受欢迎，多家云服务提供商集成其模型，引发美国科技股调整和中国市场积极响应，但也面临诸多质疑和调查，美国科技行业对其态度存在争议[25][26][29] 《Stock implications》 - 分析师列出受DeepSeek影响的香港/中国股票，涵盖软件、数据中心、互联网、边缘设备、组件、半导体、电动汽车等多个领域，并给出各股票市值、市盈率、每股收益增长等指标及表现[32] - 多数台湾科技股在DeepSeek消息后表现逊于中国科技股，报告列出相关股票的估值和表现情况[34] - A股AI相关股票自1月24日以来表现强劲，半导体相关股票表现不一，报告给出各股票的估值和表现数据[36][38] 《China software》 - DeepSeek是中国AI公司，2023年成立，发布多款模型，2025年1月推出的R1模型开源、成本低、计算能力要求低，在多个基准测试中表现与OpenAI-o1相当，API定价远低于对手，其AI助手应用在美国应用商店受欢迎且下载量高[40][41][42] - DeepSeek-V3训练成本低，采用Mixture-of-Experts设计、FP8混合精度训练、强化学习和DualPipe框架等技术，提高效率和性能[50][51][52] - 开源和闭源大语言模型各有优劣，未来可能共存互补，行业可能会经历洗牌[55][56][57] - DeepSeek降低大语言模型训练成本和门槛，促进垂直大语言模型发展，其低价API推动AI应用和货币化，SaaS业务模式的软件公司受益更多[58][59][60] - 软件行业多家公司采用DeepSeek模型，SaaS业务模式的软件公司尤其是办公软件和ERP公司受益更大，推荐金山软件和恒生电子[62][63][64] - 数据中心公司短期基本面受影响有限，长期来看，DeepSeek的推出将提升模型训练和推理需求，对数据中心需求前景持乐观态度[66] 《Tech Hardware》 - 短期内对云资本支出放缓的担忧过度，关键美国云服务提供商上调2025年资本支出计划，虽英伟达GB200推出可能延迟，但预计下半年供应链出货将回升，ASIC解决方案将为硬件供应链带来上行空间[68][69][70] - 长期来看，DeepSeek不会使硬件供应链市场萎缩，反而会引发“杰文斯悖论”，带来更多应用创新，增加硬件需求，支持资本支出上升周期[73][75] - DeepSeek可能引发中美AI军备竞赛，美国可能加强对中国芯片进口限制，中国将更专注软件创新，国内服务器供应链有望加速增长[79][80] - 大中华区硬件领域，关注边缘设备机会，如AI PC、智能手机和AI/AR/VR眼镜，智能手机厂商和供应商将受益[81] 《Taiwan semiconductor》 - AI发展推动GPU和ASIC需求增长，GPU灵活适用于多种计算任务，在AI训练中至关重要，但功耗高；ASIC针对特定任务优化，性能和效率高，成本低，适用于特定AI模型[83][84][85] - 云服务提供商对AI投资的坚定承诺将缓解对AI资本支出的担忧，AI ASIC将与GPU在加速器市场共存，甚至可能获得更多份额，3/2nm工艺时代对互连芯片和解决方案的需求增加[88][89][90]