大摩在前几天发布60+页深度报告：DeepSeek对科技和更广泛的经济意味着什么？讨论了半导体、互联网、软件、能源、硬件之间的影响，同时以华尔街视角审视对金融市场影响，是一份非常棒的研究AI和deepseek背后原理的深度学习材料。 以下是核心观点总结： 【DeepSeek模型发布带来的影响】 - 模型优势及潜在影响：DeepSeek发布的模型在训练成本和推理性能上表现突出，其训练成本显著低于同类模型，这为生成式人工智能（GenAI）产品的创新、推广和应用带来新契机，有望推动行业发展并提高经济生产力。 . 【对不同行业的影响】 - 科技行业：降低美国科技巨头的训练成本，提升投资回报率；减少软件供应商的AI输入成本，促进企业软件开发和应用。 . - 半导体行业：短期内不会改变投资计划，从长期看，成本降低可能加速推理应用的普及，增加对芯片的需求。 . - 能源行业：尽管DeepSeek可能降低训练成本，但美国AI电力基础设施的投资预计仍将持续，数据中心建设对能源的需求庞大，相关能源股存在投资机会。 【利好行业】 - 互联网行业：DeepSeek使训练和推理成本下降，利好互联网公司开发新模型和LLM - enabled产品，提升GenAI资本回报率。像谷歌、Meta和亚马逊等大市值公司，从成本降低中受益。DeepSeek若推动模型进一步商品化，AWS作为聚合器将从中获利。 - 能源行业（主要涉及AI电力基础设施相关领域）：美国AI电力基础设施投资预计持续。计算成本预计未来6年下降约90%，引发“杰文斯悖论”，即AI采用率增长将使AI计算需求快速上升。 - 硬件行业（部分企业）：部分硬件企业因自身优势被看好。例如苹果（AAPL），其AI野心聚焦于小型、功能特定的设备端，年度资本支出规模小，资本回报率更高。 【不利行业】 - 半导体行业：如英伟达等芯片制造商的市值受损。DeepSeek的成本优势引发对未来芯片需求的担忧。其他如台积电、博通、超微半导体等也受到冲击。 - 数据中心和云基础设施：DeepSeek模型的低成本训练可能使未来AI系统对计算能力和基础设施的需求低于预期，影响相关公司的增长前景。