研究突破与学术认可 - DeepSeek-R1推理模型研究论文登上Nature封面 成为中国大模型研究首次获此认可 也是全球首个经过完整同行评审并发表于权威期刊的主流大语言模型研究 [1] - Nature社论评价该研究打破主流大模型缺乏独立同行评审的局面 强调其公开性和透明性价值 [1][2] - 论文历经半年评审周期 8位外部专家参与质询数据来源、训练方法及安全性 全文64页包含训练成本披露和技术细节更新 [2] 技术创新与成本优势 - R1模型使用512张H800 GPU训练80小时 以每GPU小时2美元租赁成本计算 总训练成本为29.4万美元（约209万元人民币） 较其他推理模型千万级成本显著降低 [3] - 团队澄清未使用专有模型蒸馏技术 训练数据全部来自互联网 包含GPT-4生成内容属非故意行为 并提供数据污染防控流程 [3] - DeepSeek-V3.1采用混合推理架构 支持思考与非思考双模式 通过后训练优化提升工具使用与智能体任务表现 [4] 硬件生态与产业协同 - V3.1版本采用UE8M0 FP8 Scale参数精度 专为下一代国产芯片设计 预示未来训练与推理将更多应用国产AI芯片 [4][5] - 通过FP8精度降低算力需求 使国产ASIC芯片在12-28nm成熟制程接近英伟达GPU算力精度 形成"软硬协同"技术壁垒 [5] - 该技术路径带动国产芯片算力股股价飙升 可能成为行业新技术趋势 通过软硬件协同实现数量级性能提升 [5]

中国大模型，首登Nature封面。 9月17日，在最新一期的国际权威期刊Nature（自然）中，DeepSeek-R1推理模型研究论文登上了封面。 该论文由DeepSeek团队共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发大模型推 理能力的重要研究成果。这是中国大模型研究首次登上Nature封面，也是全球首个经过完整同行评审并 发表于权威期刊的主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认可。 Nature在其社论中评价道："几乎所有主流的大模型都还没有经过独立同行评审，这一空白终于被 DeepSeek打破。" 中国AI大模型的"Nature时刻" 自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终缺乏一个权威的"科学认证"机制。 OpenAI、谷歌等巨头虽屡有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。 DeepSeek以其公开性和透明性打破了这一局面。DeepSeek-R1模型的研究论文最早于今年年初发布在预 印本平台arXiv上。自今年2月14日向Nature投递论文至今，历经半年，8位外部专家参与了同行评审， DeepSeek-R1推理模型研究论文终 ...

文章核心观点 - DeepSeek-R1推理模型研究论文登上Nature封面 成为中国首个登上该期刊封面的大模型研究 标志着中国AI技术在国际科学界获得最高认可 [1] - DeepSeek通过独立同行评审打破行业空白 其公开透明的模式受到Nature高度评价 为AI模型提供更高的透明度和可重复性标准 [1][2][3] - DeepSeek-R1以仅29.4万美元的训练成本实现显著降本 相比其他推理模型动辄上千万美元的花费具有显著成本优势 [3] - DeepSeek-V3.1的发布采用针对国产芯片设计的UE8M0 FP8参数精度 推动软硬协同生态建设 带动国产算力芯片发展 [6][7] 技术突破与学术认可 - DeepSeek-R1是全球首个经过完整同行评审并发表于Nature的主流大语言模型研究 历时半年通过8位外部专家评审 [1][2] - 论文全文64页 首次披露训练成本和技术细节 包括数据来源 训练方法及安全性评估 并对"蒸馏"质疑作出正面回应 [3][4] - 训练成本仅29.4万美元（约209万元人民币） 使用512张H800 GPU训练80小时 以每GPU小时2美元租赁价格计算 [3] - Nature社论强调该研究填补主流大模型缺乏独立同行评审的空白 Hugging Face专家评价其为行业建立公开分享研发过程的先例 [1][3] 产品演进与算力生态 - DeepSeek-V3.1采用混合推理架构 提升思考效率和智能体能力 通过后训练优化在工具使用与智能体任务中表现提升 [6] - V3.1使用UE8M0 FP8参数精度 针对下一代国产芯片设计 表明未来训练与推理将更多应用国产AI芯片 [6][7] - FP8参数精度使国产ASIC芯片在成熟制程（12-28nm）接近英伟达GPU算力精度 软硬协同成为AI新范式 [7] - 国产大模型拥抱FP8算力精度成为技术趋势 通过软硬件协同实现数量级性能提升 推动国产算力芯片变革 [7] 行业影响与市场反应 - DeepSeek从预印本到Nature封面的"学术跃迁" 为AI模型建立透明度和可重复性标准 [2] - 国产芯片算力股因DeepSeek支持国产AI芯片的表态出现股价飙升 [6] - R2研发进程可能受算力限制影响 但V3.1升级引发对R2发布的猜测 [5][6]

交易结构变更 - 控股股东申晖控股旗下申晖金婺联合浙江省国资委背景的杭州产投共同收购宝德计算32.0875%股权 打破原上市公司直接收购计划 [2][5] - 交易以宝德计算整体估值45亿元为基础 申晖金婺以现金9.94亿元收购22.0875%股份 杭州产投以现金4.5亿元收购10%股份 合计支付14.44亿元 [6] - 收购对价将全部用于清理标的公司资金占用问题 为后续上市公司资本运作扫除障碍 [2][7] 标的公司背景 - 宝德计算是国产算力领域重要参与者 为"昇腾领先级"和"鲲鹏优选级"整机硬件伙伴 2024年营收达100.08亿元 净利润2.31亿元 [2][11] - 公司曾谋划IPO但存在多项历史问题 包括经营范围重叠 对赌协议未解除及实际控制人资金占用情况 [7] - 在昇腾系列服务器细分市场排名第三 鲲鹏系列服务器细分市场排名第四 2024年中标50亿元订单 [11][12] 风险控制机制 - 设置核心管理团队稳定条款 原控股股东关联方需签署不少于四年劳动或聘用合同 [9] - 交易完成以标的股份质押及司法冻结解除 国家市场监督管理总局不予禁止决定为先决条件 [9] - 杭州产投与慧博云通实际控制人签署对赌协议 若2028年底未完成收购则触发无条件回购条款 [9] - 原控股股东承诺2025年净利润不低于评估预测值 2026-2028年扣非净利润分别不低于年度预测值 未达承诺时现金补偿上限达14.44亿元 [10] 战略协同价值 - 交易体现国产算力产业"软硬协同"趋势 软件企业通过并购布局硬件端成为行业共识 [11] - 慧博云通2024年营收17.43亿元同比增长28% 但归属净利润0.66亿元同比下降20.45% 2025年上半年净利润564.77万元同比下降78.37% [10] - 收购将补充AI硬件能力 实现软硬件综合解决方案交付 形成差异化竞争优势 [11] - 昇腾生态快速成长带动硬件业务高毛利特性 有望为公司带来可观利润 [12]

行业转型趋势 - 汽车行业正从马力与真皮转向算力与体验 从依赖品牌溢价转向追求技术溢价 [1] - 汽车产业经历由技术革命驱动的价值链重塑 智能网联 自动驾驶 三电系统等原属豪华车的先进技术正快速普及至主流市场 [3] - L2级辅助驾驶已成为标配 智能座舱覆盖10万元级别车型 激光雷达步入高性价比清单 [3] 技术发展现状 - 技术平权重构消费者对安全 功能与情绪三重价值认知 引发行业对高端汽车技术溢价可能被削弱的思考 [3] - 高端品牌需打破技术同质化 寻找差异化技术锚点 面临创新加速度竞争（技术内卷）的挑战 [3] - 技术扩散周期缩短至一至两年 高端品牌需在有限时间内将新技术转化为不可复制的价值体验 [3] 企业战略要求 - 要求企业建立敏捷研发体系 既要快速引入成熟技术 又要敢于投入高风险长周期的基础研究 [3] - 未来竞争不再是单点技术领先 而是软硬解耦 跨界融合的系统工程能力 [3] - 国际传统汽车巨头（如奔驰 宝马 大众）与博世成立软硬件联盟 并邀请英伟达 高通加入 旨在打造"芯片+操作系统"联盟构建技术壁垒 [4] 自主品牌发展路径 - 自主品牌需在芯片 算法 操作系统等核心技术上实现自主突破 发挥新型举国体制优势 打通数据壁垒 强化技术软件 协同产业链上下游 [4] - 构建科技竞争力四大途径：软硬协同构建芯片 操作系统与算法的垂直整合能力 数据驱动构建行业数字智能底座 安全升维构建生态协同的智能防御新体系 生态共建构建"人-车-路-云-星"全域协同的智能网联新生态 [4] - 通过软硬协同为根基 数据驱动打通价值闭环 安全升维筑牢信息底座 生态共建实现系统级协同 共同构成中国汽车高端化突破的战略立方体 [5] 市场定位与警示 - 自主品牌冲击高端必须摆脱"以价换量"路径依赖 转向以软硬协同驱动全链创新的高附加值模式 [1] - 中国汽车品牌在新能源与智能网联领域成功实现换道超车 涌现多家高端新能源品牌 [3] - 必须牢记汽车本质是交通工具 安全与可靠是不可逾越的底线 应避免过度宣传和误导用户 [3]

文章核心观点 - AI巨头自研芯片的深层战略考量正改变产业估值逻辑和权力格局 远超解决芯片短缺和降低成本的表面动机 [9][10] - 推理成本将超越训练成本成为AI商业化最大瓶颈 自研芯片首先瞄准推理环节 [25] - 2026年晶圆产能争夺战将决定AI算力竞争胜负 考验供应链管理和资本实力 [27] 巨头自研芯片战略动机 - 摆脱性能枷锁：通过软硬协同实现极致性能功耗比 在数据中心节省数亿至数十亿美元电费和运营成本 [11][13] - 重构经济模型：将不可控运营成本转化为可控资本开支 改变长期成本结构并构建财务护城河 [14][16] - 构筑数据壁垒：芯片架构成为AI战略的物理化身 形成"数据-模型-芯片"正向飞轮固化竞争优势 [17] 半导体产业链格局变化 - 台积电成为AI时代产能分配核心：3nm工艺产能被苹果及Google Meta 亚马逊 微软等AI巨头瓜分 [19][21] - 英伟达面临围城之势：CUDA生态优势在封闭场景下被削弱 但迁移成本仍构成护城河 [22][24] - 博通成为隐形赢家：为巨头提供定制化ASIC芯片设计服务 深度绑定多家AI领军企业 [26] AI商业化趋势与产能竞争 - 推理成本占比将达80%-90%：AI应用生命周期总成本中推理成为持续性海量消耗 [25] - 2026年产能决战：台积电3nm/2nm产线将汇集苹果 英特尔 英伟达及AI巨头自研芯片 [27] - 供应链能力成为关键：产能绑定协议和预付款规模将决定算力落地能力 [27]

公司动态 - 华为于9月4日发布新款三折叠手机Mate XTs非凡大师 起售价17999元 搭载麒麟9020芯片 整机性能提升36% [1] - 新机展开屏幕尺寸10.2英寸 最薄处3.6毫米 采用天工铰链系统 配备复合超韧叠层结构和322cm² UTG玻璃提升耐用性 [4] - 搭载HarmonyOS 5.1系统 支持PC版WIND金融终端和WPS全量编辑功能 覆盖90%金融机构从业者 实现跨设备无缝切换 [5] - 支持应用窗口自由调节 多应用并行运行 文件跨应用拖拽 小艺知识库支持全局知识管理 [6] - 华为折叠屏累计出货量突破1000万台 成为首个达成该里程碑的中国品牌 [1] 市场表现 - 2025年上半年中国折叠屏手机出货量498万台 同比增长12.6% 华为以374万台出货量占据75%市场份额创新高 [1] - 华为第二季度重夺中国手机市场榜首位置 [3] - 全球首款三折叠产品上半年出货量逼近50万台 成为高端市场标杆产品 [6] 行业趋势 - 2025年全球折叠屏手机预计出货1983万台 同比增长6% 中国市场预计出货947万台 同比增长3.3% [7] - 中国自2023年起成为全球最大折叠屏市场 未来五年占比将稳定在40%以上 [7] - 硬件创新聚焦形态迭代 三折叠与阔折叠形态吸引更多厂商跟进 [1][6] - 行业竞争焦点转向软件生态和跨平台协同 大屏适配、办公场景拓展和AI融合成为新增长点 [8] - 折叠屏行业进入"形态创新与生态破壁"新阶段 未来将呈现"软件定义硬件"特征 [7][8]

公司动态 - 华为于9月4日发布新款三折叠手机Mate XTs非凡大师，起售价17999元，搭载麒麟9020芯片，整机性能提升36% [1][3] - 华为折叠屏产品在硬件设计上展开屏幕尺寸达10.2英寸，最薄处厚度仅3.6毫米，采用复合超韧叠层结构和322cm² UTG玻璃提升耐用性 [7] - 软件层面搭载HarmonyOS 5.1，支持PC级应用交互（如WIND金融终端、WPS）、多窗口自由调节及跨应用拖拽传输，并集成AI功能增强智能交互 [8] 市场表现 - 2025年上半年中国折叠屏手机出货量达498万台，同比增长12.6%，华为以374万台出货量占据75%市场份额 [3] - 华为自2019年以来累计折叠屏出货量突破1000万台，为国内首个达成该成就的品牌 [4] - 2025年全球折叠屏手机预计出货1983万台（同比增6.0%），中国市场预计出货947万台（同比增3.3%），华为以75%份额持续领先 [10] 行业趋势 - 折叠屏创新焦点从硬件轻薄化转向形态多元化，三折叠与阔折叠成为新方向，全球首款三折叠产品上半年出货量逼近50万台 [5][9] - 中国自2023年起成为全球最大折叠屏市场，未来五年占比将稳定在40%以上 [10] - 行业竞争从硬件迭代转向软件生态建设，大屏应用适配、AI融合及跨平台协同成为新增长点 [11] 技术演进 - 华为通过天工铰链系统实现铰链厚度优化，采用非牛顿流体材料提升屏幕可靠性 [7] - 鸿蒙系统通过分布式技术和AI驱动提升多端协同效率，支持金融、办公等生产力场景深度适配 [8][9] - 头部厂商聚焦铰链、屏幕、轻薄化及软件交互创新，推动行业进入"形态创新与生态破壁"阶段 [10][11]

财务业绩表现 - 2025年上半年营业收入15.67亿元，同比增长67.6%，创历史新高 [1] - 毛利润10.24亿元，综合毛利率65.4%，保持行业领先水平 [1] - 现金储备161亿元，为技术研发和市场拓展提供充足资金支持 [1] - 产品及解决方案业务收入7.78亿元，同比增长3.5倍 [3] - 软件及授权服务业务收入7.38亿元，同比增长6.9% [5] - 研发支出23亿元，同比增长62%，主要用于云服务资源和城区智能驾驶系统开发 [6] 业务运营数据 - 产品及解决方案出货量198万套，同比翻倍增长 [3] - 中高阶产品解决方案出货量98万套，激增6倍，占总出货量49.5% [3] - 中高阶产品贡献产品及解决方案业务超过80%的收入 [3] - 单车价值量大幅提升至去年同期1.7倍 [3] - 征程系列芯片累计出货量突破1000万套，成为国内首个跨过该里程碑的智能驾驶计算方案提供商 [9] - 产品解决方案已获得27家OEM（42个OEM品牌）采用，前十大中国OEM均为客户 [10] - 累计斩获近400项车型定点，其中具备高速公路辅助驾驶及以上功能的定点超过100款 [10] 市场地位与行业趋势 - 在中国自主品牌辅助驾驶计算方案市场份额攀升至32.4% [10] - ADAS前视一体机市场份额达到45.8%，蝉联双市场份额榜首 [10] - 2025年上半年中国乘用车市场辅助驾驶渗透率首次突破60% [1] - 自主品牌车企市场份额占据中国乘用车市场63%以上 [5] - 自主品牌辅助驾驶渗透率从2024年底51%上升至2025年上半年59% [5] - 搭载中高阶辅助驾驶功能的车辆占所有智能汽车销量比重从2024年底20%上升至2025年上半年32% [5] 技术发展与产品创新 - 新一代产品征程6系列量产推动中高阶产品解决方案出货量大幅增长 [3] - HSD系统以征程6P为硬件基座，算力高达560TOPS，采用一段式端到端架构 [7] - HSD系统实现从视觉感知到车辆控制的超低延时处理，提升实时响应能力与行车安全 [7] - 通过强化学习机制，HSD在复杂城区场景中表现出优秀决策能力和驾驶拟人性 [7] - HSD系统已确定全球首发搭载于星途E05车型，进入量产准备阶段 [9] - 获得多家车企10+款车型定点，进一步夯实智驾领域标杆地位 [9] 全球化进展与合作伙伴 - 与大众汽车集团、日本头部汽车集团等全球巨头达成深度合作，获得30个合资车型定点 [10] - 基于征程6B的解决方案获得两家国际车企海外车型定点，预计全生命周期交付量达750万辆 [10] - 与博世、电装、大陆等国际供应商巨头达成战略合作，构建面向全球的智驾产业生态 [12] - 中国智能驾驶技术正式获得全球主流市场认可 [10] 市场前景与增长预期 - 城市高阶智能驾驶（NOA）市场规模2025年有望接近550亿元，2027年或将破千亿元 [5] - 中国10万元以上乘用车市场占整体销量约80%，规模接近2000万辆，为智能驾驶系统提供广阔渗透空间 [9] - 未来2到3年内，HSD系统年出货量有望达到数百万套级别 [9] - 高阶智能驾驶系统将在未来2到3年内逐渐成为市场标配，10万至15万元价位主力车型将全面标配城市工况NOA [3]

核心观点 - 寒武纪股价因DeepSeek发布适配国产芯片的FP8技术标准而暴涨 市值突破5800亿元并超越中芯国际 但公司基本面与估值存在显著落差 市盈率达4010倍 盈利可持续性及生态建设面临挑战 [1][3][5][15] 市场表现与估值 - 2025年8月22日寒武纪股价单日涨幅20%达1243.2元 总市值突破5200亿元 8月25日再度大涨11.4%至1384.93元 市值逼近5800亿元 [1] - 公司滚动市盈率达4010倍 远超行业平均水平 高盛采用2030年盈利预测的远期估值折现法将目标价上调至1835元 [5] - 国产算力概念股集体暴涨 包括海光信息和中科曙光 市场将事件解读为产业链结构性利好 [4] 技术突破与产业意义 - DeepSeek于2025年8月21日发布V3.1大模型 提出UE8M0 FP8参数精度技术 专为下一代国产芯片设计 [1] - FP8为8位浮点数格式 相比FP16或BF16可减半内存占用与带宽需求 提升计算速度与能效 [2] - UE8M0格式牺牲尾数精度以扩大数值表示范围 适配国产芯片硬件逻辑 是软硬协同的优化方案 [2] - 标志AI产业从硬件追赶软件转向软件定义硬件 上游算法厂商主动定义国产硬件标准 可能打破英伟达CUDA生态壁垒 [3][4] 财务基本面 - 2025年Q1营业收入11.11亿元 同比增长4230.22% 归母净利润3.55亿元 实现扭亏为盈 [7] - 净利润中约7600万元为政府补助 1.2亿元为信用减值损失转回 核心业务经营利润约2.76亿元 [7] - 2020至2023年公司持续净亏损 自我造血能力仍处构建阶段 [8] - 前五大客户收入占比达85%至92% 客户高度集中 [9] - 经营活动现金流量净额为负 存货27.55亿元 预付款项9.73亿元 现金流承压 [10] 行业竞争与生态挑战 - 国内AI芯片厂商分为GPGPU路线（海光信息、沐曦等追求CUDA兼容）和自研架构路线（寒武纪、华为昇腾构建自主生态） [12] - 寒武纪云端产品思元590性能对标英伟达A100 软件栈包括NeuWare、MagicMind和BANG C [12] - 英伟达CUDA生态拥有全球数百万开发者及超80%市场份额 软件工具链成熟度远超国产MLU生态 [13] - UE8M0 FP8标准仅为生态建设起点 全面抗衡CUDA仍需长期突破 [14]