报告行业投资评级 未提及 报告的核心观点 - DeepSeek创新算法优化推理效率、降低应用成本，从成本和技术端催化垂类AI小模型，带来通信基础设施新需求，光模块需求转向推理，通信产业链存在确定性机会 [4] 根据相关目录分别进行总结 技术突破——开源大模型如何重塑AI Agent开发范式 - DeepSeek-V3训练成本仅2.788M H800 GPU小时，支持FP8混合精度训练，优化训练框架，输入输出成本较ChatGPT O1模型降96%，采用MLA和DeepSeekMoE架构提升推理速度和显存利用率 [4][11] - MLA架构降低推理KV缓存，减少内存占用和计算量，提升推理效率；MoE架构减少不必要计算，降低计算开销，提高训练推理效率且具扩展性 [13] - DeepSeek降低垂类AI Agent开发成本，刺激企业智能化需求，突破底层技术降低小模型技术门槛，开源技术可复用，压缩技术使小模型继承大模型能力并保持轻量化 [22] - DeepSeek与垂类数据形成正向循环，优化基座模型，降低开发垂类模型的数据需求和成本 [22] 因果闭环——AI Agent多点开花和边缘设备搭载ai如何倒逼通信升级 - 垂类AI Agent对低时延高带宽网络有要求，如自动驾驶需5G网络端到端时延小于20ms；大量数据处理重构算力分布，如医疗影像用边缘计算；工业数据对网络可靠性要求高，如工业质检需网络可用性达99.999% [24] - 5G增强型基站爆发，边缘计算场景下边缘AI要求网络切片能力提升300%，AAU设备支持动态算力分配；边缘DC规模化部署，预计2028年全球边缘计算支出达3780亿美元，24年单台边缘服务器功率密度突破30kW/机架，液冷渗透率未来三年从5%升至35% [28] - 网络切片即服务可按需定制虚拟网络，结合边缘计算实现资源灵活分配；算力交易平台整合边缘计算算力资源，提高利用率 [31] - DeepSeek提升垂直行业AI应用价值，如工业质检、车联网、政务、金融、能源领域应用边缘计算设备实现相应功能，已有20家券商完成DeepSeek接入或本地化部署 [34] 硬件变革——通信产业链的确定性机会 - 模型轻量化推动分布式训练和边缘计算普及，数据中心短距连接需求分散，机架内800G光模块需求或提升，边缘场景短距光模块部署比例或上升；CPO因能效比、空间压缩、降低成本等因素渗透率可能提升 [42] - 边缘与中小企业交换机市场有望爆发，带来园区和数据中心交换机需求提升，国内交换机企业有望受益；不同垂类行业可定制化需求加速软硬件解耦，利好国内交换机和上游组件厂商 [46] - AI应用下沉使企业关注边缘部署，智算中心可能扮演边缘AI训练支撑与协同角色，未来中心 - 边缘协同计算架构将更普遍 [51]