DeepSeek V4发布及其对中国AI模型、云与数据中心的影响分析

摘要： 本报告分析了 DeepSeek V4 模型的发布及其对中国 AI 生态系统的影响。DeepSeek V4 通过架构升级实现了显著的计算效率提升，尤其是大幅降低了长上下文窗口所需的内存和 KV 缓存，有望降低 AI 智能体应用的成本并促进普及。

行业主线：

1. 计算效率突破：V4 模型在支持百万 token 上下文的同时，推理 FLOPs 和 KV 缓存占用较 V3.2 大幅下降，核心在于引入了混合注意力架构（CSA+HCA）、mHC 和 Muon 优化器。
2. 模型竞争加剧：国产 AI 模型发布节奏加快（如 Kimi、Qwen、混元等），未来的核心竞争差异化将体现在编码能力、任务成功率及多模态能力上。
3. 基础设施需求增长：AI token 需求的持续增长以及云定价能力的改善，使得云和数据中心成为行业内偏好度最高的子行业。

关键变化与分歧：

1. 成本与普及：计算成本效率的提高为 AI 应用的广泛采用提供了空间，尤其是随着华为昇腾 950 等国产芯片的量产，Pro 模型价格有望进一步下调。
2. 能力路径分歧：DeepSeek 专注于基础文本模型，而互联网巨头和独立模型公司（如 MiniMax）更倾向于多模态/全模态路径以追求 AGI。

受益方向与风险：

1. 受益方向：重点关注云服务和数据中心厂商（如万国数据、世纪互联、阿里巴巴、金山云），以及具备高效模型设计和推理能力的独立玩家。
2. 核心风险：模型定价能力受竞争影响而下降、国产芯片量产节奏不及预期、企业级 AI 应用落地速度低于预期。