3月4日，中泰证券发布计算机行业报告。3月1日，DeepSeek在知乎上发表《DeepSeek-V3 / R1推理系统概览》文章，表明其理论上一天的成本利润率可达545%。

最大程度优化推理系统，理论成本利润率高达545%。据该文章介绍，DeepSeek-V3/R1推理系统的优化目标是更大的吞吐、更低的延迟。为了实现这两个目标，DeepSeek使用了大规模跨节点专家并行（ExpertParallelism/EP）的方法，并通过一系列技术策略如规模化跨节点专家并行、双批次重叠策略、最优负载均衡等方式，最大化资源利用率，最大程度地优化了大模型推理系统，实现了较高的性能和效率。通过时间上的成本控制，DeepSeek表示DeepSeekV3和R1推理服务占用节点上峰值占用为278个节点，平均占用226.75个节点（每个节点为8个H800GPU）。假定GPU租赁成本为2美元/小时，且所有tokens全部按照DeepSeekR1的定价计算，理论上一天的总收入为562027美元/天，成本利润率为545%。当然实际情况较理论计算盈利能力会有差距，因为V3定价更低，且收费服务目前仅占一部分，另外夜间也会有折扣。

对算力端影响：长期仍利好算力，头部云厂商持续受益。本次DeepSeek的系列发布活动，充分展示出DeepSeek在有限算力内最大程度利用了GPU的资源，实现了推理效率的大幅提升。通过模型和技术能力充分利用算力的资源，不代表所需算力的天花板降低，长期来看，模型能力仍走在“价格成本下降，能力提升”的发展趋势上，模型使用成本的下降、模型性能的提升，都将促使更多场景落地AI应用，这一过程反而将催生更多的算力需求。因此长期来看，算力端需求仍将持续高景气。具体而言：对于公有云：拥有较多云计算资源的头部厂商如互联网大厂，将具备更强的竞争优势，他们可通过错峰调配的方式提高算力资源的利用率，获取更多的收益；对于私有云：从数据与过程的安全性角度出发，AI模型的本地化部署需求仍为相当一部分用户的刚性需求，因此私有云产业同样具备一定的投资价值。

对应用端：有望进一步加速推动AI应用落地。DeepSeek模型及对应技术能力的开源，降低了AI模型能力的落地成本，从而有望真正推动更多的AI应用规模化落地场景，如企业管理端、政务处理端、工艺流管理等，都有望在未来一段时间内出现商业化较好的AI应用。