论文核心成果 - DeepSeek联合北大、清华发布论文，研究方向为提升大模型在实际应用中的推理速度，旨在为复杂的AI智能体提供高效的底层系统解决方案[3] - 论文介绍了一个名为DualPath的创新推理系统，专门针对智能体工作负载下的大模型推理性能进行优化[3] - 该系统通过引入“双路径读取KV-Cache”机制，重新分配存储网络负载，将离线推理吞吐量最高提升1.87倍，在线服务的每秒智能体运行数平均提升1.96倍[3] 技术背景与问题 - 大模型正从单轮对话机器人和独立推理模型，快速演进为能够自主规划、调用工具并通过多轮交互解决实际任务的智能体系统[3] - 应用范式的转变推动大模型推理工作负载发生重大变革：从传统的人类-大模型交互，转向人类-大模型-环境交互，交互轮次可达数十甚至数百轮[3] - 在智能体任务中，上下文会跨轮次累积，最终长度可能达到极值，此时模型需要频繁从硬盘读取历史上下文的KV-Cache[3] - 现有系统中，负责预处理的引擎网卡带宽被占满，而负责生成内容的解码引擎网卡带宽基本闲置，导致整个系统速度受限[3] 解决方案与价值 - DualPath系统针对智能体工作负载重新设计KV-Cache加载逻辑，解决大模型做智能体任务时速度被“数据读取”拖慢的核心问题[4] - 该方案的核心是把闲置的带宽资源利用起来，相当于给数据读取“多开了一条高速路”，从而实现速度的大幅提升[4] - 这一论文成果延续了DeepSeek一贯的风格，在工程化层面将性能优化推向极致[5] 市场传闻与产品动态 - 关于DeepSeek V4的发布时间，市场传闻从最初传闻的2月春节前后，到外媒最新报道的“最快下周”，再到业内人士预测的3月前后[5] - 外网有网友爆料称，DeepSeek正在测试V4 Lite模型，代号为“Sealion-lite”，上下文窗口为100万tokens，并原生支持多模态推理[5] - 有消息提及，DeepSeek已在近期将重大更新版本V4向华为等国内厂商提供提前访问权，以支持其优化处理器软件，确保模型在硬件上高效运行，但英伟达等厂商尚未获得类似权限[5] - 2月12日晚，多名用户反馈DeepSeek在网页端和APP端进行了版本更新，支持最高1M（百万）Token的上下文长度，而去年8月发布的DeepSeek V3.1上下文长度拓展至128K[6] 用户反馈与市场环境 - DeepSeek被大量用户吐槽风格突变，“变冷淡”，从原本细腻共情变为不称昵称、文风生硬，共情能力下降，相关话题于2月12日晚登上微博热搜[6] - 作为较早入局国内大模型赛道的玩家，DeepSeek凭借早期技术积累和差异化定位，曾在AI助手市场占据先发优势[6] - 随着字节跳动豆包、百度文心一言、阿里通义千问等巨头产品加速迭代，以及ChatGPT、Claude等海外强敌持续施压，国内AI助手赛道已进入白热化竞争阶段[6]

公司技术进展 - DeepSeek团队联合北京大学、清华大学于2月27日发布了一篇聚焦于推理速度的学术论文 [1] - 论文介绍了一个名为DualPath的创新推理系统，专门针对智能体工作负载下的大语言模型推理性能进行优化 [1] - 该系统通过引入“双路径读取KV-Cache”机制，重新分配存储网络负载 [1] - 该技术将离线推理吞吐量最高提升1.87倍 [1] - 该技术使在线服务的每秒智能体运行数平均提升1.96倍 [1] 行业技术趋势 - 大语言模型推理性能，特别是在智能体工作负载下的优化，是当前重要的研究方向 [1] - 通过优化KV-Cache等底层机制来提升系统效率是行业内的关键技术路径之一 [1]

公司研究：DeepSeek最新动态 - 公司团队联合北京大学、清华大学发布了一篇关于提升大模型推理速度的学术论文，而非发布备受期待的新一代旗舰模型DeepSeek V4 [2][4] - 论文提出名为DualPath的创新推理系统，通过引入“双路径读取KV-Cache”机制，重新分配存储网络负载，以优化智能体工作负载下的大模型推理性能 [4] - 该系统将离线推理吞吐量最高提升1.87倍，在线服务的每秒智能体运行数平均提升1.96倍 [4] - 该研究旨在解决大模型作为智能体执行任务时，因频繁从硬盘读取历史上下文的KV-Cache而导致速度被“数据读取”拖慢的核心问题，通过利用闲置的带宽资源来提升速度 [4][5] - 有行业观点认为，此类工程优化在降低成本、降低token费用方面具有价值，是AI走向大规模使用的关键 [6] - 关于DeepSeek V4的发布时间传闻多变，从最初传闻的2月春节前后，到外媒报道的“最快下周”，再到业内人士预测的3月前后 [6] - 近期有网络爆料称，公司正在测试代号为“Sealion-lite”的V4 Lite模型，上下文窗口为100万tokens，并原生支持多模态推理 [6] - 有消息提及，公司已在近期将重大更新版本V4向华为等国内厂商提供提前访问权，以支持其优化处理器软件，但英伟达等厂商尚未获得类似权限 [6] - 面对市场传闻，公司保持一贯沉默，未进行任何回应 [6] 行业趋势：大模型应用演进与系统优化 - 大模型正从单轮对话机器人和独立推理模型，快速演进为能够自主规划、调用工具并通过多轮交互解决实际任务的智能体系统 [4] - 应用范式的转变推动大模型推理工作负载发生重大变革：从传统的人类-大模型交互，转向人类-大模型-环境交互，交互轮次可达数十甚至数百轮 [4] - 在智能体场景下，上下文会跨轮次累积，最终长度可能达到极值，导致模型需要频繁从硬盘读取历史上下文的KV-Cache，而非进行大量计算 [4] - 现有推理系统中，负责预处理的引擎网卡带宽被占满，而负责生成内容的解码引擎网卡带宽基本闲置，导致整个系统速度受限 [4] - 部分投资机构担忧，新一代模型的发布可能如同去年版本发布时那样，引发市场的剧烈震荡 [6]

论文核心成果 - 研究核心为解决大模型在智能体应用场景下的推理速度瓶颈，通过优化底层系统提升效率 [3] - 提出名为DualPath的创新推理系统，专门针对智能体工作负载下的大模型推理性能进行优化 [3] - 系统通过引入“双路径读取KV-Cache”机制，重新分配存储网络负载，将闲置的带宽资源利用起来 [4] 性能提升数据 - DualPath系统将离线推理吞吐量最高提升1.87倍 [3] - 系统使在线服务的每秒智能体运行数平均提升1.96倍 [3] 行业应用背景与挑战 - 大模型正从单轮对话机器人快速演进为能够自主规划、调用工具并通过多轮交互解决实际任务的智能体系统 [3] - 应用范式转变推动推理负载从传统人机交互转向人类-大模型-环境交互，交互轮次可达数十甚至数百轮 [3] - 智能体场景下上下文跨轮次累积，长度可达极值，导致系统频繁从硬盘读取历史上下文的KV-Cache [3] - 现有系统瓶颈在于负责预处理引擎的网卡带宽被占满，而负责生成内容的解码引擎网卡带宽闲置 [3] 技术方案价值 - 解决大模型执行智能体任务时速度被“数据读取”拖慢的核心问题 [4] - 工程化层面的极致性能优化，有助于降低AI使用成本，推动AI走向大规模应用 [5] 市场动态与传闻 - 外界更关注DeepSeek新一代旗舰模型DeepSeek V4的发布，市场传闻发布时间几经更迭，从2月春节前后到“最快下周”，再到3月前后 [5] - 有外网爆料称DeepSeek正在测试代号为“Sealion-lite”的V4 Lite模型，上下文窗口为100万tokens，并原生支持多模态推理 [5] - 有消息提及DeepSeek已在近期将重大更新版本V4向华为等国内厂商提供提前访问权，以支持其优化处理器软件，但英伟达等厂商尚未获得类似权限 [5] - 面对传闻，公司保持一贯沉默，未进行任何回应 [6] - 市场已进入“严阵以待”状态，部分投资机构担忧新一代模型发布可能引发市场剧烈震荡 [6]

美股龙头业绩催化与A股板块联动 - 美股软件龙头赛富时（Salesforce）在发布业绩后股价上涨超过4% [1] - 受此积极情绪带动，A股软件板块在2月27日强势反弹，软件ETF汇添富（159590）当日大涨超过2%，盘中成交额超过5000万元 [1] 软件ETF成分股表现强劲 - 软件ETF汇添富（159590）标的指数的热门成分股多数上涨，其中顺网科技涨幅超过11%，拓维信息涨停，润和软件涨幅超过6%，东方国信、深信服、拓尔思涨幅均超过4% [3] - 根据成分股涨跌幅数据，拓维信息（估算权重4.08%）涨停（涨10.00%），润和软件（估算权重3.84%）上涨6.35%，顺网科技（估算权重1.27%）上涨11.24% [4] 机构观点：行业跌势过度，反弹有望持续 - 多家机构认为软件行业近期跌势过度，后续或将持续反弹 [5] - Main Street Research首席投资官James Demmert认为软件行业近期跌势过度 [5] - 对冲基金GCQ Funds Management宣布软件股的抛售潮已经触底 [5] - 高盛大宗经纪业务部门表示，尽管避险基金对软件与IT服务板块的做空规模已达历史高点，但近期反弹行情仍有望延续 [5] AI发展对软件行业构成支撑而非威胁 - 英伟达黄仁勋表示，市场误判了AI对软件公司的威胁，AI助手不会取代软件工具，而是会反过来使用它们，大批软件公司将使用AI助手来开发软件并提高效率 [5] - 汇丰银行发布报告《软件将吞噬AI》，明确指出软件不仅不会走向消亡，反而是全球最大型企业用来“可控地利用AI的关键途径” [7] - 汇丰认为，企业软件不会受到AI的威胁，相反，AI将被嵌入到软件平台之中，企业真正需要的是可控、可审计、可重复运行的系统能力，而这正是软件平台的强项 [7] - 汇丰指出，像Salesforce、甲骨文（Oracle）、ServiceNow和微软这样的传统软件巨头，拥有深厚的领域专业知识、稳固的销售渠道和客户信任，更有可能编写最好的AI软件 [7] 中国AI模型调用量爆发式增长 - 2月，中国AI模型的调用量爆发式增长，首次超过美国 [5] - 根据OpenRouter数据，在2月9日至15日当周，中国模型调用量为4.12万亿Token，首次超过同期美国模型的2.94万亿Token [5] - 在2月16日至22日当周，中国模型的周调用量进一步冲高至5.16万亿Token，三周内大涨127%，而同期美国模型调用量跌至2.7万亿Token [6] - 全球调用量排名前五的模型中，中国模型占据四席，显示中国AI厂商集群式崛起 [6] 技术进展与新产品发布 - DeepSeek联合北大、清华研究团队提出全新的大模型推理系统DualPath，通过“双路径KV-Cache加载”机制，将Agentic大模型负载的离线推理吞吐量最高提升1.87倍，在线服务吞吐量平均提升1.96倍 [6] - 2月26日，科技大厂云码道公测版正式发布，主要为开发者和企业提供具备工程化能力的智能编码解决方案，覆盖代码生成、研发知识问答、单元测试用例生成等多种AI Coding技术 [6] 行业展望：2026年或成软件变现元年 - 汇丰指出，2026年有望成为软件变现的启动点，这也是全球最大型企业消费AI的主要机制，将带动AI推理需求呈现指数级增长 [8] - 汇丰认为，尽管硬件和半导体行业表现一直很好，但软件行业将会更好，因为企业购买的是解决业务问题的方案，而这些方案只能来自无限灵活的软件技术栈 [8] - 软件行业的总潜在市场（TAM）正处于长达5-10年大规模扩张周期的前夜，但市场认知错位导致软件板块的估值目前处于历史低位，汇丰提示现在是建立或扩大软件板块仓位的适宜时机 [8] AI应用展望与行业“K型”分化 - 中邮证券展望2026年AI应用，认为to B端，AI Agent是大模型重要的商业落地形式，已在客服、代码开发、营销等多场景实现落地，并加速向垂直领域专业化发展 [9] - to C端，依托互联网生态快速获客，例如豆包大模型日均使用量已突破50万亿tokens，排名中国第一、全球第三 [9] - 东方证券表示，市场担忧“模型吞噬软件”有一定合理性，但未来行业将呈现“K”型分化 [10] - 缺乏独有数据资源或深度行业Know-How、未形成网络效应的横向软件将面临模型更大的威胁，而拥有独家数据资源、容错率较低或具备监管锁定特征的纵向核心系统则风险较小，更容易依托自身系统叠加AI Agent来满足客户需求 [10] 软件ETF产品特征 - 软件ETF汇添富（159590）标的指数“AI应用”含量为35.22%，“智能体”含量为39.3%，在全市场软件赛道中占比较高 [10] - 该ETF紧跟中证全指软件指数，指数精选50只成分股，全面覆盖基础软件、应用软件、软件服务 [10]

核心观点 - 北京大学、清华大学等机构的研究人员发布了一种名为DualPath的全新智能体推理框架，旨在解决大模型长文本推理中的I/O瓶颈问题，通过创新的双路径加载和全局资源池化技术，显著提升了推理性能[1][3] 技术原理与架构创新 - DualPath的核心洞见是打破传统的单一路径模式，即KV-Cache的加载不必以预填充引擎为中心，可以绕道解码引擎[6][7] - 该框架改变了传统的“存储至预填充”单路径加载模式，引入了“存储至解码”的第二条路径，通过利用解码引擎闲置的存储网卡带宽，并配合高速计算网络传输至预填充引擎，实现了集群存储带宽的全局池化与动态负载均衡[3][13] - 在架构组成上，系统包含预填充引擎、解码引擎、流量管理器和中央调度器，中央调度器实时决策每条请求的路径以实现全局带宽最大化利用[18] 性能提升与实验结果 - 在660B规模的生产级模型实测中，DualPath表现惊人：离线推理吞吐量提高了1.87倍，在线服务吞吐量平均提升1.96倍[3][14] - 在高负载下，首字延迟大幅优化，而Token间的生成速度几乎不受任何干扰[5] - 在DeepSeek-V3、Qwen等模型上的测试表明，该框架显著降低了首字延迟，并保持了极其稳定的Token间延迟[14] 解决的问题与行业背景 - 该框架旨在解决当前智能体应用中，因对话轮数多、上下文长导致KV-Cache命中率高达95%以上时，推理性能瓶颈从“计算”转移到数据“搬运”的问题[7] - 在现有的预填充-解码分离架构中，所有加载任务拥挤在预填充引擎的存储网卡上导致带宽饱和，而解码引擎的存储网卡闲置，造成资源错配[9] - 当前GPU算力的增长远快于网络带宽和HBM容量的增长，加剧了I/O限制，印证了“计算是免费的，但数据移动是昂贵的”行业观点[11] 关键优化方案 - 采用以计算网卡为中心的流量管理，强制所有流量通过配对的CNIC走GPUDirect RDMA路径，并利用虚拟层技术为推理通信预留99%带宽，确保缓存搬运与计算通信互不干扰[13] - 设计了自适应请求调度器，监控每个节点的磁盘队列长度和Token数，优先将任务分配给I/O压力小且计算负载轻的节点，从根本上避免单点拥塞[14] - 通过层级流式处理，在预填充引擎和解码引擎上分配少量DRAM缓冲区，并设计了精细的数据流，以降低GPU显存占用并优化延迟[13][19] 研究团队与行业联系 - 论文第一作者吴永彤是北京大学博士生，师从金鑫教授，研究方向聚焦于系统软件与大模型基础设施，尤其是推理系统的工程优化与规模化部署[15][16] - 该研究者目前任职于DeepSeek系统组，参与下一代模型的推理基础设施建设，负责大规模软件系统在多硬件平台上的性能优化[21] - 其过往经历包括在腾讯WXG参与为DeepSeek-R1等SOTA大语言模型构建推理系统，该系统服务于十亿级用户，并与VLLM等开源社区紧密合作贡献工业级优化[22]