東吳證券（601555）發(fā)布研報稱，DeepSeek V4是大模型在訓練側使用國產(chǎn)算力從0到1的嘗試。此前國產(chǎn)大模型采用國產(chǎn)算力均用于推理側，而DeepSeek本次從模型內(nèi)核到訓練架構、到推理全流程均出現(xiàn)了國產(chǎn)算力的影子，是重要里程碑。因此，無論DeepSeek V4表現(xiàn)如何，戰(zhàn)略意義均十分重要，對國產(chǎn)算力的訓練適配前景才是關注的重點。
東吳證券（601555）主要觀點如下：
DeepSeek V4首次由華為昇騰芯片參與訓練
DeepSeek V4Flash是首個公開說明訓練側使用國產(chǎn)算力的通用大模型，通過三大核心設計實現(xiàn)了去英偉達（NVDA）化的技術布局。(1)引入MXFP4量化感知訓練，對MoE專家權重與索引器QK路徑實現(xiàn)FP4量化，降低了對NVIDIAFP8生態(tài)的綁定，可無縫適配華為昇騰（886058）、寒武紀（688256）等國產(chǎn)芯片;(2)采用TileLang領域專用語言開發(fā)底層算子，脫離CUDA生態(tài)強綁定，可跨硬件平臺編譯，降低向國產(chǎn)芯片的遷移成本;(3)自研MegaMoE2融合內(nèi)核，實現(xiàn)專家并行的細粒度通信計算重疊，已在華為昇騰（886058）平臺完成適配跑通，解決了國產(chǎn)硬件環(huán)境下MoE模型的通信瓶頸。
性能表現(xiàn)：整體躋身全球第一梯隊，多項核心指標比肩甚至超越國際頂級閉源模型
(1)知識儲備：DeepSeek-V4-Pro-Max在SimpleQA-Verified基準上取得57.9分，大幅領先其他主流開源模型;中文SimpleQA得分達84.4，大幅縮小與Gemini-3.1-Pro的差距，MMLU-Pro、GPQADiamond等教育知識基準均領跑開源賽道。(2)推理與代碼能力：Pro-Max版本Codeforces評分達3206，位列人類選手排行榜第23名，LiveCodeBench Pass達93.5，IMOAnswerBench得分89.8僅略遜于GPT-5.4;Flash版本Codeforces評分也達到3052，推理性能追平GPT-5.2等閉源模型。(3)Agent能力：V4Pro-Max的SWE-bench Verified任務解決分數(shù)達80.6，與Claude Opus4.6基本持平，Terminal Bench2.0、MCPAtlas Public等基準均處于開源模型第一梯隊。(4)長上下文能力：1M token場景下，MRCR、CorpusQA得分分別為83.5、62.0，超越Gemini-3.1-Pro，且128K上下文內(nèi)檢索能力保持高度穩(wěn)定。(5)中文創(chuàng)作：其功能性寫作對Gemini-3.1-Pro勝率達62.7%，創(chuàng)意寫作質(zhì)量勝率高達77.5%，僅在高難度多輪約束場景略遜于Claude Opus4.5。
模型技術架構：CSA+HCA+mHC進一步壓縮推理成本
(1)首創(chuàng)CSA+HCA交替的混合注意力架構。通過分層KV緩存壓縮與稀疏注意力結合，在1M token上下文場景下，Pro版本單token推理FLOPs僅為V3.2的27%，KV緩存占用降至10%，F(xiàn)lash版本更是分別降至10%與7%，從底層解決了超長上下文的算力瓶頸;(2)引入mHC流形約束超連接升級傳統(tǒng)殘差結構，提升了深層模型的信號傳播穩(wěn)定性與表達能力，同時采用Muon優(yōu)化器搭配預期性路由、SwiGLU鉗制技術，解決了萬億參數(shù)MoE模型訓練的Loss Spike難題;(3)采用領域專家獨立訓練+全詞表在線蒸餾的后訓練范式，規(guī)避了多能力融合的性能退化問題。
風險提示：大模型迭代節(jié)奏不及預期;國產(chǎn)算力軟硬件生態(tài)適配進度不及預期;大模型行業(yè)市場競爭持續(xù)加劇;行業(yè)政策監(jiān)管持續(xù)趨嚴
