金元证券：电子行业：AI应用侧深度渗透，驱动国产先进封装技术寻求突破

DeepSeek在算法层面实现三大突破——通过低秩键值压缩（MLA）将注意力计算内存占用降低80%，动态稀疏MoE架构使每个Token仅激活5.5%参数，以及GRPO强化学习框架驱动模型自主进化多步推理能力。千亿参数模型在通用任务上达到与密集模型相当的精度，同时降低37%推理延迟。模型的高效运行仍依赖硬件层面的三重能力支撑：高并行计算、高存储带宽、超低延迟互连。 效率提升≠需求下降：本质上，算法优化并非削弱算力产业价值，而是通过重构需求结构打开更大市场空间——从集中式训练向分布式推理延展，从通用计算向场景专用架构升级，最终形成万亿级算力市场的多级增长引擎。"降本→普及→增量"的螺旋上升效应将推动Post-training微调算力激增、云端推理并发量指数增长、边缘侧长尾需求爆发带来总算力需求。 模型参数量、训练数据持续扩充，高性能算力芯需求仍高：单纯倚仗传统芯片设计与制造通过缩小FET尺寸去提高芯片性能的方式效率降低，且规模化边际减弱。更重要的是，对于不同场景化需求不同，高带宽，低延迟，高能效比有更高要求，系统级线宽/线距瓶颈限制了高速数据在芯片之间、芯片与外部存储器之间高效传输，严重制