DeepSeek V3技术突破 - 核心观点：通过"软硬一体"协同设计实现极致降本增效，仅使用2048块英伟达H800 GPU即达到行业领先水平 [2] - 关键技术1：采用"多头隐注意力机制"(MLA)压缩KV Cache，显著降低长文本处理的显存占用 [2] - 关键技术2：优化混合专家模型(MoE)架构，通过动态激活专家提升运算效率并控制有效规模 [3] - 关键技术3：引入FP8混合精度训练，在非敏感环节降低计算量和内存占用，速度提升30%且不影响最终性能 [3] - 关键技术4：设计多平面网络拓扑结构，优化GPU集群数据传输路径减少通信瓶颈 [4] DeepSeek Prover V2进展 - 参数规模从7B跃升至671B，实现数量级突破 [5] - 聚焦数学等科学发现领域，挑战人类智力极限的高壁垒场景 [5] 行业竞争格局 - 头部厂商在参数规模、多模态、应用生态展开全方位竞争，技术迭代加速 [6] - 算力成本攀升和商业化路径模糊成为行业普遍挑战 [6] - 未来竞争关键将转向资源利用效率和垂直场景深度挖掘 [6][7] 公司战略定位 - 通过工程优化实现"非顶级硬件配置下的领先性能"，为行业提供可行性路径 [4] - 技术路线强调成本效益与特定高价值场景的结合，区别于单纯追求规模扩张 [6][7] - 系列动作预示R2模型将带来性能突破和行业新思路 [7]