报告行业投资评级 未提及 报告的核心观点 - DeepSeek的成功体现规模经济，得益于中国大国规模提供的外部规模经济，AI领域竞争是国家间的体系化竞争 [18] - 规模定律对应AI领域后发优势，规模效应对应先发优势，中美在AI领域各有规模优势，美国限制中国算力或促使中国强化算法领域比较优势 [24][26] - DeepSeek开源模式降低应用层商业壁垒，加速“人工智能 +”进程，实现规模经济效应，推动经济增长并平衡创新经济收益分配 [27][33] - 中国要实现科技创新与产业创新融合发展，需摆脱重供给轻需求、重资产轻人才的路径依赖，重视人才激励 [38][39] - 资本市场主导的金融模式与创新生态契合，应协调金融科技与监管框架关系，发挥金融科技积极作用 [44][45] 根据相关目录分别进行总结 AI经济学：规模定律还是规模效应？ - DeepSeek打破人们对AI研发主体和模式的固有认知，其开源模式利于创新生态形成，也让人们重新评估中美AI能力差距 [3][4] - 规模定律指在模型训练阶段增加投入要素AI性能提升，但边际性能提升幅度递减，经济上不一定最优或可持续 [7] - 规模效应分内部和外部规模效应，前者使单个组织成本降低、效率提升，后者使整个行业或区域成本降低、效率提升 [8][9] - 引入AI生产函数分析，算法框架重要，DeepSeek通过算法优化提升算力边际产出，获得相近或更优AI模型性能 [10] - 算法框架迭代可使算力等投入要素边际收益递增，打破规模定律边际递减，算法创新依赖规模经济构建的创新生态 [12][15] AI经济学：后发优势还是先发优势？ - 规模定律为后发者提供追赶空间，规模效应暗示AI研发有“赢者通吃”特性，中美在AI领域规模优势显著 [19] - 美国算力资源多，中国人才基数大、应用场景多，两国规模优势不同导致发展路径差异，美国聚焦算力，中国聚焦算法 [21] - 美国限制中国算力或促使中国强化算法领域比较优势，AI竞争是规模优势与技术创新交织的博弈 [23][26] AI经济学：开源促进外部规模经济 - 中国在AI应用方面有规模优势，但原有技术路线和闭源商业模式制约大模型应用层推广，DeepSeek缓解了这一约束 [27] - 开源与闭源实现规模经济效应方式不同，开源系统商业壁垒低，更利于推广应用，DeepSeek有望给应用层带来更多可能 [30] - DeepSeek的技术进步和开源模式在需求侧和供给侧促进经济产出增加，实现规模经济效应，平衡创新经济收益分配 [33] 创新发展：从“重视供给与资产”到“重视需求与人才” - 科技创新分基础研究和应用研究，产业创新分试验开发和大规模生产，大模型创新更可能由企业而非高校科研院所完成 [34][35] - 过去中美G2合作促进科技创新与产业创新融合发展，如今中国需摆脱路径依赖，重视需求和人才激励 [35][38] - 大企业擅长渐进式创新，小企业有颠覆式创新活力，CVC可实现两者优势互补，中国需重视知识产权保护和个人破产制度 [39][41] 创新发展：从金融科技到科技金融 - 幻方作为金融领域公司在AI大模型方面的突破反映出对金融与科技关系的认知偏差，资本市场主导的金融模式支持创新生态 [42][44] - 金融科技展示金融在需求侧对创新的推动作用，应协调金融科技与监管框架关系，发挥金融科技积极作用 [44][45]