天风证券：消费电子：DeepSeek-R1降本增效，看好ASIC赛道及应用端弹性释放

1、近期Deepseek-R1以其较低训练成本和较强性能引起全球广泛关注，主要源于其V3基模多项降本提效的创新及R1模型增加的第二阶段强化学习训练对推理能力的大幅提升。预训练模型V3：关键创新表现于1）使用多头潜在注意力（MLA）机制，将每次查询所需的KV缓存减少了约93.3%，降低每次查询所需的硬件量，从而大幅降低了推理成本。2）利用Multi-TokenPrediction(MTP)新增注意力模块，预测接下来的多个token，其在训练过程中显著提高了模型性能，并且在推理时可以被移除，利用较低计算资源实现性能提升。3）作为专家混合模型，实现了门控网络（gatingnetwork），以平衡的方式将token路由到合适的专家，而不会影响模型性能。提高了训练效率，同时也降低了推理成本等。增加后训练的R1：则未使用监督微调而是强化学习微调的方法，展现出从零开始学习推理能力。 2、AI创新范式下后训练和推理环节的迭代或将为ASIC带来重要成长机遇： 1）ScalingLawVS新推理范式：2020年至2023年间，模型在海量互联网文本上训练，只需少量额外训练。这种以往范式依赖于预训练，在其他条