【中原计算机】人工智能专题：后R1时代，DeepSeek发展的三大阶段
DeepSeek在年初发布了R1以后，受到了各界普遍关注。后续来看，DeepSeek并没有如期发布更先进的模型R2，而是在进行更多小版本的更新换代。结合每个阶段的发展重点，我们将其划分为3个主要的发展阶段。
阶段一：性能提升。DeepSeek在3月推出的V3-0324和5月推出的R1-0528，通过后训练实现了模型能力的提升，弥补了和头部模型之间的差距。
阶段二：实现混合推理架构、Agent能力提升、与国产芯片协同优化。从8月以后，DeepSeek也顺应了海外混合推理架构和Agent能力提升的大趋势，推出了V3.1和V3.1-Terminus，Agent能力有了较大提升，思考效率也有提升。V3.1采用UE8M0 FP8缩放格式训练，针对即将发布的下一代国产芯片设计，实现国产大模型和国产芯片协同设计的优化，对国产化芯片的应用起到积极的推动作用。
阶段三：提效降价，国产适配加速。9月发布的V3.2-Exp，基于V3.1-Terminus构建，引入了新的注意力机制DSA，在保持模型性能的稳定的同时，在训练推理效率方面有了较大的提升，带来了模型较大幅度的降价。考虑到当前大模型之间能力差距在缩小，成本的下降意味着模型具有更好的性价比和可推广性，也将促进应用端实现更多功能的落地。DeepSeek新兴AI编程语言选用TileLang这个新兴AI编程语言，可以实现对不同硬件平台的支撑，极大地改善了国产卡目前所面对的CUDA带来的生态壁垒问题，为国产大模型软硬件生态建立起到了极大的推动作用。发布的当天，国产芯片华为昇腾和寒武纪同步宣布完成对V3.2-Exp的零日适配，成为国产AI产业从“单点突破”迈向“系统协同”的又一个标志性事件。
DeepSeek在年初发布了R1以后，受到了各界普遍关注。后续来看，DeepSeek并没有如期发布更先进的模型R2，而是在进行更多小版本的更新换代。结合每个阶段的发展重点，我们将其划分为3个主要的发展阶段。
DeepSeek在3月推出的V3-0324和5月推出的R1-0528，还是以基础模型DeepSeek-V3-Base为基座，通过后训练实现了模型能力的提升，弥补了和头部模型之间的差距。
8月21日，Deep在发布V3.1的同时，也宣布了在国产芯片适配方面的新进展。V3.1采用UE8M0 FP8缩放格式训练，为对即将发布的下一代国产芯片设计。
此前，国内芯片企业仅有较少支持了FP8数据格式，多数芯片仅能支持FP16格式。FP8虽然可以提升计算速度和降低存储需求，但是由于计算精度不高，容易损失数据信息，所以V3以前的大模型训练中多会选用BF16或FP32/TF32精度进行数据计算和存储。DeepSeek是首个在开源超大规模大模型中成功落地FP8混合精度训练的公司，推动了FP8技术的规模化应用，也极大地提升了市场对H20等支持FP8格式芯片的需求。
UE8M0 FP8是对FP8格式的深度优化。该格式仅表示非负数（U代表Unisigned，无符号），尾数位为0（M0，尾数位为0）deepseek，8个比特全部用来表示指数（E8，指数位占8位），Scale通过对数据进行分块缩放，保持其能够在FP8表示的范围内。UE8M0 FP8作为FP8格式的变体，通过减少数据存储和传输的损耗，能最大限度利用硬件计算能力，弥补国产芯片在HBM等高速内存带宽方面的不足，从而实现国产大模型和国产芯片协同设计的优化，对于国产化芯片的应用起到积极的推动作用。
9月发布的V3.2-Exp，基于V3.1-Terminus构建，引入了新的注意力机制DSA，在保持模型性能的稳定的同时，在训练推理效率方面有了较大的提升，带来了模型较大幅度的降价。
对比R1来看，V3.2-Exp的输入缓存命中时价格为R1的20%（0.2元/百万Tokens），输入缓存未命中时价格为R1的50%（2元/百万Tokens），输出价格为R1的19%（3元/百万Tokens），降幅最为明显。
考虑到当前大模型之间能力差距在缩小，成本的下降意味着模型具有更好的性价比和可推广性，也将促进应用端实现更多功能的落地。
在国产适配方面进度明显加快。在V3.2-Exp发布的当天，国产芯片华为昇腾和寒武纪同步宣布完成对V3.2-Exp的零日适配。这是继V3.1采用UE8M0 FP8实现国产大模型和芯片协同设计的优化以后，国产AI产业从“单点突破”迈向“系统协同”的又一个标志性事件。
同时值得注意的是DeepSeek还同时开源TileLang和CUDA两个版本的算子。TileLang是一种采用类Python语法的领域专用语言（DSL），于2025年1月由北大计算机学院杨智团队开源，旨在实现硬件调度与开发者算法逻辑的解耦，从而降低GPU编程的技术门槛，同时通过分层设计来实现不同技术背景开发者，从简单上手到深度优化的不同需求。由于TileLang可以实现对不同硬件平台的支撑，极大地改善了国产卡目前所面对的CUDA带来的生态壁垒问题。
DeepSeek选用TileLang这个新兴AI编程语言，再次体现了其强大的创新精神，同时为国产大模型软硬件生态建立起到了极大的推动作用。
本报告署名分析师具有中国证券业协会授予的证券分析师执业资格，本人任职符合监管机构相关合规要求。本人基于认真审慎的职业态度、专业严谨的研究方法与分析逻辑，独立、客观的制作本报告。本报告准确的反映了本人的研究观点，本人对报告内容和观点负责，保证报告信息来源合法合规。原文出处：【中原计算机】人工智能专题：后R1时代，DeepSeek发展的三大阶段，感谢原作者，侵权必删！
