计算机行业跟踪：从Deepseek-V2定价看大模型降本新风向

（以下内容从华福证券《计算机行业跟踪：从Deepseek-V2定价看大模型降本新风向》研报附件原文摘录）
投资要点：
幻方发布第二代MoE模型DeepSeek-V2，综合性能位列第一梯队。
2024年5月6日，幻方发布第二代MoE模型DeepSeek-V2。在AlignBench、MT-Bench、MMLU等多个benchmark上表现出色，其中AlignBench在开源模型中居首位，与GPT-4-Turbo，文心4.0比肩。MT-Bench超过最强MoE开源模型Mixtral8x22B。
DeepSeek-V2定价降至冰点，大模型价格战拉开序幕。
DeepSeek-V2（32k）每百万tokens输入/输出价格分别为1/2元，而GPT-4-Turbo-1106分别为72/217元，DeepSeek-V2性价比显著。相对于Claude3Haiku，DeepSeek-V2每百万tokens输入/输出价格也仅为其50%/22.2%。除此之外，同为32k上下文版本的moonshot-v1、SenseChat-32K、Qwen1.572B每百万tokens输入/输出价格分别为24/24、36/36、20/20元。此次DeepSeek-V2定价发布有望掀起新一轮大模型价格战，api定价有望持续走低。
大模型定价下降的背后离不开成本的优化。
目前，众多大模型已经通过多种方式降低成本。从模型压缩的方向看，可以通过量化的形式将浮点表征为低位宽模型来压缩模型存储空间，加速模型推理；从模型架构的方向看，MoE架构由于其内部的专家模型能够分配到不同设备，并可以执行并行计算，其计算效率较稠密模型显著提升，进而带来更低的成本。从tokens量的方向来看，可以通过prompt压缩等方式直接降低输入端tokens，进而降低成本。除此之外，多种新的方案已出现在相关论文中，未来多种成本优化方案的融合将进一步加速模型成本的下降。
我们认为，大模型成本优化与算力需求并不是直接的此长彼消，而是互相搭台、相互成就。定价的持续走低有望带来更快的商业化落地，进而会衍生出更多的微调及推理等需求，将逐步盘活国内AI应用及国产算力发展。
建议关注：
AI算力：寒武纪、海光信息、浪潮信息、中科曙光等。
AI应用：金山办公、科大讯飞、福昕软件、云从科技、商汤、出门问问等。
风险提示
大模型优化不及预期的风险；商业落地不及预期的风险等。