计算机行业：AI智道（1），DEEPSEEK R1潮涌AI INFRA领航250207

1月20日，深度求索旗下DeepSeek-R1模型(DeepSeek以下简称为“DS”)正式发布。我们观察到，其创新架构带来的高效性能优化与极致算力使用率、128K上下文长度和每百万输出词仅2.19美金的成本压控，以及对开源创新精神的坚持在全球科技界引起热烈讨论。在开源背景下，我们预期将有更多企业兼容接入DS系列模型，一方面，在推理侧基于DS等模型的Al应用蓬勃发展将拉动Al Infra的需求；另一方面，Al Infra的落地也将提升对存储、算力等基础资源的使用率。在Al产业飞轮螺旋向上进发的同时，我们认为Al Infra将受益于“掘金卖铲”逻辑。

评论

DeepSeek R1进行了哪些Infra层的创新?我们在《人工智能十年展望(十二)》详细拆解了Al产业的基础软件堆栈并梳理了AI工作流，相应地，1)数据准备：引入冷启动数据并利用多阶段的训练数据。DS团队通过收集数千个长思维链(CoT)数据微调V3-Base模型作为多阶段强化学习的起点。2)模型训练：推理导向的多阶段强化学习(RL)训练与创新的奖励机制。DS团队基于V3-Base应用组相对策略优化(GRPO)强化学习框架训练R1-Zero模型，降低训练成本；然后引入冷启动数据，并针对R1-Zero存在的可读性、语言混乱等问题引入语言一致性奖励。3)模型部署和推理：独立优化预填充、解码阶段的资源分配。通过拆分工作流、使用多种并行策略提升效率、引入负载均衡策略平衡GPU工作量等措施，提高了模型的推理效率与资源利用率，增强了系统稳定性。