上周五 DeepSeek 4.1 版本进行了更新，虽然只是一次版本之内的 “小更新”，但实际性能提升明显。叠加同一天爆出的 DS 计划用昇腾做下一代预训练以及美国国土安全部发布禁令的影响，DS 的近期事件对行业以及产业链的影响都不小。

核心结论整理：

1. 模型本身如何？

V4.1-Flash-1017 不是 “国产超越 Opus” 的故事，而是一次成本领先＋编程 Agent 专精的强化。它最直接冲击的是国内同档的 Flash 模型，以及海外轻量模型（Haiku 5.5、GPT-6 Luna）。

2. 国产算力替代？

The Information 援引消息人士话称，DS 年底会用昇腾预训练前沿模型，难点不在单卡，而在万卡规模下的通信和稳定性。

DeepSeek 自己也说这是 “最大一场豪赌”。赌赢了，中国前沿训练才有望真正与英伟达脱钩。但兑现的时点至少要到 2027 年之后，全部交付、看到整体效果则要到 2028 年。

3. 中美政策夹击影响？

受影响的主要是 “第三方云托管＋授权分成” 这条中间渠道。DeepSeek 靠的是自有 API 和 MIT 开源，后续需要保持前沿领先才能守住稀缺性估值溢价，其中昇腾能否支撑好 DeepSeek 的下一代模型预训练开发影响不小。

而原先把出海空间押在 AWS 分销、超 2 万亿参数大模型上的同行，因政策受到的估值情绪压力更大。

以下为详细分析

一、DeepSeek 开启新一轮 “性价比” 基模的中美对抗

1. V4.1 Flash-1017：版本小更新，性能大提升

（1）V4.1-Flash 底层架构：

它是一个 5520 亿参数的混合专家（MoE）模型，但每次只 “叫醒” 一小部分专家：读输入时只激活约 80 亿参数，写输出时约 160 亿。

再加上把 “记忆”（KV Cache）压到每个 token 约 890 字节，读一整个代码仓库也不会挤爆显存。所以它天生适合 “读得多、写得少” 的编程 Agent 场景。

V4.1-Flash 9 月 10 日首发，这次 10 月 17 日更新为 1017 版本。虽然只是对同一代模型的小更新，但实际能力提升幅度非常可观，同时关键的缓存价格保持不变，妥妥的 “加量不加价”。

从基准指标跑分和实测来看，V4.1 Flash-1017 重新回到帕累托最优区间（下图绿色区间），以 Max 版本为例，在 0.2 美元-0.3 美元的单任务成本区间，DS 竞争力比较突出。

以相似定位的同行模型对比来看，Max 版本综合性价比甚至略优于 Claude Haiku 5.5 的 Max 版本。

（2）综合性能提升路径

具体能力上，1017 版本沿用 9 月 10 日首发的底层架构（Causal encoder-decoder 搭配 MoE），依靠定向能力优化来实现效果提升。

这套架构本身就可以削减 Attention 阶段的计算量，压缩 KV cache 资源消耗，叠加推理侧工程优化，提高缓存命中率（接近 100%），然后大量调用流量走低价缓存通道。

最终实现路径简单来说就是：

1）减少大模型的自由发挥，更聚焦用户指定要求来 “干活”。同时减少参数、格式等错误，提高返回结构的稳定性；

2）让大模型记住关键信息、多轮对话中别跑偏，而非迷失在长上下文中，压缩 KV Cache。

3）输出更短、步骤更省：减少大模型输出废话、重试、长分析的情况，高缓存命中率、调用 token 走便宜通道，最终让 Agent 跑完任务更便宜（单任务成本从 3.3 元下降至 1.3 元）

4）重点优化软件工程/终端/自动化任务，让 DeepSeek 的 Coding Agent 能力定向提升（DeepSWE 从 74.2% → 77.0%）

5）对特定的生态平台做适配：此前海豚君提到，不同的大模型和特定 Harness 之间并非完全适配，最佳的情况肯定是大模型和 Harness 属于同一家，这样后训练过程才可以利用全量使用轨迹数据进行一致性优化。

这次 V4.1 的更新专门针对 DeepSeek Harness、CodeBuddy、WorkBuddy、Claude Code 等 Harness 平台做了适配优化。

（3）最优应用场景——Coding（轻量开发）、Agent 自动化（高频重复业务）、多模态视觉（3D 模型设计）

在实用性上，1017 版本因为 Coding 和图像理解相关的能力突破，所以在视觉编程（2D 建模、网页生成）、三维设计能力、游戏开发类的 3D 任务处理能力上有明显提升。

但在通识性推理上，HLE（人类最后考试）没有明显提高。侧面说明这次的提升是定向的：资源集中投向编程、Agent 和视觉工具任务，通识与基础推理没有跃迁。

官方喊出了 “许愿式编程” 的产品卖点——只需要更少的提示词，就能搭建完整项目工程，依靠更长的思维链去处理复杂 Coding 任务（但解码速度够快，所以任务耗时仍然不长）。

整体而言，V4.1-Flash-1017 更加适配轻量、初级的 Coding 场景，部分性能可以对标 GPT-6 Extra 和 Luna。但不适合拿该 Flash 版本来承担高质量公文、深度文学创作以及对幻觉率要求较高的强事实核实等任务，这类用旗舰模型效果更好。

（4）商业化新触点——搜索 API 开始收费

开放自研的 Search/Fetch 接口，每千次成功请求 5 元。通过 DeepSeek Harness、Claude Code、Codex 走服务端工具调用的部分暂时免费，11 月 1 日起按次收费。

2. 中美性价比基模的追逐

9-10 月，海外密集更新了高性价比风格的产品，部分轻量模型已经在标价上甚至跑赢大部分中国大模型。这也在验证海豚君此次财报中所说的，在算力预备充分的情况下，海外顶模厂开始自己蒸馏低价模型，与中国的性价比模型竞争，从而压低中国模型的生存空间。

海豚君 10 月 8 日点评 Haiku 5.5 时指出，北美模型第一次在轻量档性价比上跑赢了大多数同性能的中国模型。

这次 DS V4.1 Flash 的更新，并没有继续降低纸面价格，但通过优化缓存命中，将实际 Agent 场景任务成本压缩更多——在 Agent 场景，同一段上下文会被反复调用，绝大部分 token 走的是缓存档。

DeepSeek 闲时缓存命中价是 0.02 元/百万 token，而海外厂商大多不公开实际命中率。因此就算纸面单价接近，真实账单可以差出一个数量级。

从年中 K3 实现突破性追赶，中间 2-3 个月期间中国大模型在有意义的迭代上，节奏似乎慢了下来。部分业内说法是，思维链隐藏等反蒸馏手段的实施，拖慢了中国大模型的追赶速度，将 K3 打出的 3 个月代际差，又重新拉回到 6-12 个月。

但这里的代际差只是预训练部分。据智谱介绍，中国大模型目前已经越来越依赖后训练来实现性能提升。这个阶段对数据质量（有上下文环境、有真实反馈）的要求更高，而非数据规模大小。随着 AI Coding 等生产力场景的采用率提升，可用于后训练的高质量用户轨迹数据也在增加。

不过，随着海外前沿模型的预训练参数量上升到 5-10 万亿级别，中国大模型在预训练阶段的提升还有空间，目前已发布的中国大模型总参数量大多在万亿以下，在研模型中面向 3 万亿及以上参数量规模的正在增多。

中美大模型竞争，我们将 DS 1017 版本视作中方在 “性价比” 比拼中的新一轮回击起点（非最前沿模型）。据业内调研统计，10 月至 11 月将有多家中国大模型迎来重要的版本更新，除了昨天发布的 Minimax M3.1 外，GLM 5.5、Kimi K3.1、Qwen 4.0、HY-4 Pro 将在这 1-2 个月中陆续发布。

二、中国国产算力替代提上日程？仍要看万卡规模下的通信稳定性

昨天 The Information 报道， DeepSeek 正与华为合作设计未来的 AI 芯片，计划最早在 2026 年底开始用昇腾 950DT 做预训练。对于 DeepSeek 来说，这是 “一场豪赌”。

这也印证了此前的建产传闻：9 月 Bloomberg 报道 DeepSeek 计划在乌兰察布建吉瓦级数据中心，采购至少 16 万颗 950DT（约 25.6 亿美元）。但当时的说法是，950DT 主要用于推理，训练仍依赖英伟达，交付周期至少 18 个月。

这里面存在的口径差异，只能说明，年底预训练上昇腾暂时是计划方向，具体实施、上规模的落地和效果评估都要等到明年再说。

1. 950DT 是什么水平

按华为路线图规格：FP8 算力 1 PFLOPS、FP4 2 PFLOPS、144GB 自研 HBM（HiZQ 2.0）、4TB/s 显存带宽、2TB/s 片间互联，大约在 H20 与 B200 之间。

• 单卡： FP8 算力只有 B200 的约 22%，显存带宽只有一半。
• 互联： 片间互联带宽 2TB/s 反而略高于 B200 的 1.8TB/s。因此华为的思路是用互联换规模——Atlas 950 超节点官方已确认 1024 卡（1 EFLOPS FP8、256TB 全局统一内存编址含 CPU 系统内存、3 微秒时延），路线图目标是 8192 卡全互联。

但训练万亿 MoE 时，真正决定效率的是大规模专家并行下的实际通信吞吐。专家并行规模从 8 个提升到 128 个时，分给不同的专家任务处理结果在汇聚时吞吐掉了大约 20%。也就是说卡连得越多，每张卡分到的有效通信能力越弱。

不过，在超节点内，对专家的任务分发（dispatch）和合并各专家的任务结果（combine）时候，带宽已经接近 H100/H200 节点内 NVLink。

2. 技术难点：万卡互联的效果稳定性

（1）通信墙：大专家并行（EP）下的带宽衰减。 万亿参数的 MoE 模型预训练，token 要在卡与卡、节点与节点之间来回路由，跑的是 EP32 乃至更高。

• 宣传口径： DeepSeek 9 月 30 日开源昇腾版 DeepEP，实测 dispatch 375GB/s，“接近硬件上限”。但这是 EP8 档、PoC 版固件下的每卡数据，商用版可能更低。
• 实际衰减： 从 EP8 扩到 EP128，dispatch 降约 15%，combine 从 347GB/s 降到 278GB/s，降约 20%。官方说是因为结合合并时本地规约开销，以及远程内存访问与计算争抢 HBM。

也就是说，宣传口径取的是最优档，但实际工程上要按衰减后的数字做预算。

（2）稳定性墙：卡越多，故障越频繁。 据机构调研，华为给出的千卡 MTBF（平均无故障时间）是 300 小时、领先业界 25% 以上的宣传口径。

但一般而言故障率随卡数线性放大，比如以 1.6 万卡的集群来算，意味着平均每 19 小时就会出一次故障（300*1000/16000），断点续训、故障隔离和快速恢复的工程量会非常大。英伟达的万卡集群也有同样的问题，但 CUDA 生态多年积累的容错工具链，昇腾还需要补课。

（3）效率墙：算力利用率（MFU）还没有公开数据。 华为 CANN 社区公开了一份面向万亿参数 MoE 的预训练系统参考实践：用 V4-Flash（约 2840 亿参数）在 950 超节点上做了实际训练验证，再对 550B、1.6T 两个规模做了切分分析，并讨论向 10 万亿参数外推。

但实际验证的规模远小于万亿，各规模点用了多少卡、MFU 多少也都没有披露。

可参照的数据： 盘古 718B MoE 在昇腾 A2 万卡集群上 MFU 约 41%。

（4）供给墙：HBM 和产能。 华为轮值董事长的原话是 “能产多少就供多少”，瓶颈在国内工艺、存储和光模块。950DT 超节点目前还在测试，规模供货要到今年底或明年初（全部交付完毕要 18 个月）。

• 产能占用： 有调研口径称 950DT 年产量数十万颗，DS 的 16 万颗大约就要占四成。
• 成本： 业内测算，HBM 大幅涨价导致国产卡报价 “双向涨价、HBM 配置降低”，可能会进一步拉大单卡性能差距。

3. 对中美算力格局的影响

（1）对中国： 这是国产算力从 “推理够用” 迈向 “训练可用” 的关键一跳。

• 现状： 目前中国头部大模型的预训练还是用海外卡。比如 Kimi，据调研前沿预训练约 70% 放在海外租的 GB200/GB300 上，剩下 30% 中也主要是国内的英伟达卡；国产卡主要做后训练。
• 意义： 如果 DeepSeek 能在昇腾上训出前沿模型，国内前沿训练对英伟达的依赖就会从 “必须” 变成 “可选”。
• 软件栈： DeepSeek 把 GPU 平台上的 DeepGEMM、FlashMLA、DeepEP、TileLang 一一对应地移植到昇腾并开源，这降低了从 CUDA 生态迁移到昇腾的成本。
• 产能受限下的外溢： 头部客户锁单会进一步挤占昇腾的有限产能，二线模型厂商和云厂商拿卡做推理会更难，推理需求可能外溢到其他国产芯片上（寒武纪、沐曦、壁仞等）。

（2）对海外算力：短期影响不大。英伟达在中国高端训练卡上的份额早已被管制压到很低，这部分预期基本已经消化；美国前沿实验室仍在往 5–10 万亿参数走，对高端算力的需求仍然高于供给——如下图 SemiAnalysis 跟踪数据，近一周 B200 租赁涨幅接近 15%。

但中长期视角，DeepSeek 一路用稀疏激活、KV 压缩把单位 token 算力压低，如果再证明 “够用” 的国产算力也能训出前沿模型，美国用算力封锁换时间差的策略，边际效力会继续递减。

三、两道政策：主要被挤压的是 “第三方云托管＋授权分成”

1. 美国：DHS 禁令

DHS 第 2026-01 号排除与移除令（7 月 24 日签发，10 月 20 日刊登联邦公报）要求：

• 范围：联邦文职机构停止采购并移除 DeepSeek 产品，以及 “基于 DeepSeek 实现开发的第三方产品和服务”；国家安全系统另有授权，不在其内。
• 例外： 机构可以在 60 天内书面申请。
• 名单： Kimi、千问被点名为 “关注对象”，但不在禁令范围内。

直接的收入影响几乎为零，DeepSeek 本来就没有美国政府客户。真正的影响在 “第三方产品” 这一条：卖给联邦政府的美国 SaaS 厂商，今后不敢再把 DeepSeek 嵌进产品里。这也会让美国企业客户（尤其是有政府业务的）避开 DeepSeek。

此前纽约、田纳西、弗吉尼亚等州也有类似举措，后续值得关注的是这套逻辑会不会从政府采购延伸到商业领域。

2. 中国：技术出口目录（征求意见稿）

• 征求意见： 23 项 AI 技术拟增列，意见征求截至 11 月 15 日。
• 临时登记： 公告发布当天即生效，覆盖权属转让、对境外许可使用等情形。
• 管控对象： 大模型核心技术（权重、关键检查点、源代码、架构、训练与推理加速技术）列入限制出口；用国家核心数据训练的大模型列入禁止。
• 阈值：参数量门槛为 2 万亿，另有约 10²⁶ FLOPs 的训练算力门槛和 “全球前十” 的能力门槛（附件原文以正式稿为准）。

商务部发言人划出的边界很清楚：

• 不属于技术出口： API 调用、App/网页交互、SaaS、端侧轻量化部署。
• 纳入出口管理： 在海外本地部署受限模型；部署在海外自有云等相对可控的情形，可以走自动许可。
• 不纳入管理： 已经通过开源、发表论文等方式进入公共领域的技术。

3. 对商业模式的影响：主要限制 “授权分成” 路线

把两道政策叠在同一张表上，会发现它们影响的是同一条渠道：把权重部署到海外第三方云上做分成。

• 中国侧： 超过阈值的模型部署到海外第三方云，属于 “境外部署”，需要申报。
• 美国侧： 政府和关联企业对 “基于中国模型开发的产品” 设置采购门槛。

这条渠道恰恰是 Kimi 等同行的出海主路径。Kimi 的商业化策略是 “减少自建 API，通过 AWS 等云市场分销、由合作方做合规背书”，K3 已经上线 AWS 和 Oracle；同时修改开源协议，要求年营收超 2000 万美元的使用方分成。而 K3 有 2.8 万亿参数，正好超过 2 万亿门槛，是目录最直接覆盖的情形。

DeepSeek 存量影响较小，但压缩未来增长空间：

• 收入来源： 主要来自自有 API。前 7 个月收入约 4.75 亿元，官方口头披露的年化运行率约 10 亿美元。另一种 MIT 协议，不收分成，开源本身就是获客手段。
• 参数规模： 现役主力 V4.1-Flash 的骨干只有 5520 亿参数，V4-Pro 是 1.6 万亿，都在 2 万亿门槛以下。

所以，两道政策对 DeepSeek 现有收入的直接冲击接近于零。它真正需要面对的是三个中长期问题：

下一代模型开源要申报： 如果下一代旗舰在训练算力或 “全球前十” 上触发门槛，开源就要先走 “即报即出”，虽然不是完全禁止，但增加了摩擦，也无法避免后续的监管继续收紧，总归会影响与海外客户的合作开放度。站在国家层面，前沿大模型的权重正在被当作战略资产管理。

开源的获客价值打折： 美国禁令针对的是 “基于 DeepSeek 开发的产品”，开源下载量再大，也换不来美国政府和企业中大型客户。海外收入只能来自价格敏感的开发者和中小企业，而这又与 Haiku 5.5、GPT-6 Luna 降价争夺的人群重合。

商业模式继续往 “工具化” 迁移： 11 月 1 日开始收费的 Search/Fetch，加上 Harness，是在 token 之外再加一个按次计费的触点。这条路不涉及权重出境，两道政策都管不到，是 DeepSeek 最安全的增量方向。

海豚君观点： 市场倾向于把 “美国禁令＋中国出口管制” 读成国产开源模型出海的双重利空。我们认为，预期压制难免，但具体影响存在结构性差异：

（1）利空集中的地方： 第三方云托管、授权分成、海外私有化部署。虽然海外云托管分成的业绩贡献还不高（Kimi、智谱都是刚刚和亚马逊 Bedrock 合作），但会影响到这一部分的估值叙事——高成长预期押在 “出海 ARR” 上。

（2）影响较小的模式： 自有 API 出海、开源只做获客。头部 tech 旗下的模型也大多以自有生态产品来获客，因此影响也较小。

独立 lab 上，DeepSeek 也是自有 API 的变现为主，Minimax 直接影响也较小，因海外 ARR 主要来自 C 端应用和 API。但 Minimax 本身受基模的 “价格战” 影响较大。

（3）DeepSeek 目前的主要约束： 不是政策，而是算力。

下一代模型能否在昇腾上训出来，决定了它能否从 “特定价格带的性价比之王” 升级为 “前沿智能上限的竞争者”，也决定了 5000 亿元估值（~750 亿美元）的叙事能不能成立。

按梁文锋口头披露的约 67 亿元 ARR 算（10 亿美金），对应约 75 倍市销率。

这对比其他同行，尤其是已经在二级市场上市的两家，DS 和 Kimi 估值存在明显溢价（具备持续前沿模型的研发迭代能力的 “稀缺性溢价”），也就是说，估值几乎完全由下一代模型的向上期权价值来支撑。

但反过来海豚君认为，随着绝对龙头 Anthropic 估值有下调倾向，大模型整体估值情绪也会降低。叠加激烈竞争 + 监管受限，DS 和 Kimi 的溢价可能也要被迫缩小。

<此处结束>