投资要点：
　　我们在2024年11月30日外发的《计算机行业年度策略：国产化形势持续向好，重点关注推理、AI应用和液冷需求》中提出了“o1的问世”“让Agent也步入了发展的快车道，AI在应用软件层的发展潜力亟待释放”。DeepSeek - R1发布后，大模型成本显著下降，开源阵营在性能上实现超越。至此，AI应用集齐全面落地的三大关键要素，这一阶段具有里程碑式意义。
　　要素一：逻辑推理能力提升。OpenAI的o1开启了大模型逻辑推理能力的提升路径，DeepSeek首次公开验证了强化学习对于大模型推理能力提升的有效性。
　　要素二：推理成本下降。DeepSeek作为大模型领域的“拼多多”，开启了大模型的低成本训练路径。DeepSeek通过MLA和DeepSeek MoE架构减少了模型架构方面的算力消耗，同时在训练架构上展现出了强大的软硬协同优化能力，实现了FP8混合精度训练框架、DualPipe算法、跨节点All-to-All通信内核等一系列创新。在API调用成本仅为o11/30的基础上，DeepSeek推理服务理论毛利率水平高达到84.5%。在带宽和显存落后的H800上，较英伟达H200实现了151%的性能超越
　　要素三：开源阵营的性能超越。DeepSeek的R1和V3模型不光追平了最先进的闭源模型的能力，同时在成本上形成了明显的优势，代表了更先进的模型发展方向，让开源大模型在先进性上首次超越了闭源大模型。DeepSeek的开源条款更加开放，同时将核心代码悉数开源，极大地促进了应用的落地和技术的推广。开源生态的发展，弥补了中国企业上云（特别是公有云）比例偏低的劣势，国内B端大模型应用的也可以通过私有化部署加速展开。
　　随着AI应用进入爆发期，企业级部署需求呼之欲出，医疗、政务、Manus等应用落地都成为了市场关注的焦点，腾讯、阿里、字节、小米等科技大厂也在加速AI投入，实现向下个时代的布局。虽然大模型推理成本在下降，但是由此带来的应用爆发有望带来更多的应用需求，成为下一阶段拉动算力增长的主要驱动力。考虑到中国有互联网应用的领先优势、在数据端的长期积累和庞大的工程师团队，在底层模型能力实现突破以后，我们在AI应用的发展有望实现全球领先。
　　风险提示：国际局势的不确定性；下游企业削减开支。