广发证券计算机报告指出，DeepSeek-V3的成功为AI商业化提供了新思路——不再一味追求通用大模型的规模扩张，而是聚焦特定领域、突出自身特点，发展成本更低、更适合具体应用场景的模型。随着推理速度提升至60TPS、API定价具有性价比，AI应用开发的边际成本有望大幅下降。本报告探讨AI模型商业化路径与潜在挑战。
从通用到特色：模型应用开发的方向转变
DeepSeek-V3在密文解码、代码生成等任务中展现独特优势，但在文本创作、数学计算上并未领先。广发证券认为，这揭示了未来大模型发展的重要趋势——以大规模通用模型为底座，在此基础上发展具备特定领域优势的特色模型。企业不必追求全栈能力，而应在细分场景中打磨差异化性能，从而降低开发成本并提高用户黏性。
DeepSeek-V3的API定价为输入缓存命中0.5元/百万tokens、缓存未命中2元、输出8元，相较GPT-4o的输入约60元/百万tokens（以人民币计）具有数量级优势。即使对比DeepSeek-V2（输入1元、输出2元），V3输出价格提升至8元，但其性能提升和60TPS的生成速度足以覆盖溢价，单位任务的总成本仍然极具竞争力。
表：主流模型API定价对比（输入/输出，元/百万tokens）| 模型 | 输入价格 | 输出价格 | 备注 |
|---|
| DeepSeek-V3（缓存命中） | 0.5 | 8 | 性价比突出 |
| DeepSeek-V3（缓存未命中） | 2 | 8 | — |
| DeepSeek-V2 | 1 | 2 | 旧版定价 |
| GPT-4o（参考） | 约60 | 约180 | 闭源高定价 |
推理需求爆发：低成本模型刺激应用端放量
DeepSeek-V3生成速度从20TPS提升至60TPS，3倍加速使实时对话、代码辅助、数据分析等交互式应用体验大幅改善。结合低价API，开发者可在有限预算下集成高质量AI能力，催生更多垂直应用（如教育辅导、编程助手、专业咨询）。广发证券判断，应用推理驱动的算力需求增长将成为下一阶段主要动力，低成本模型将扩大市场总量，而非缩减算力需求。
商业化面临的风险与不确定性
广发证券在风险提示中提及三点：一是AI大模型技术追赶和竞争加剧，DeepSeek的技术路线可能被竞品快速复制，行业竞争态势可能恶化；二是下游生态和使用环境差异导致商业化成功有不确定性，不同行业的付费意愿和数据隐私要求各异；三是AI生成内容的版权归属尚未明确，若涉及纠纷将影响应用推广。此外，DeepSeek-V3当前不支持多模态输入输出，在图像、视频等场景中仍受局限。
边际成本下降，AI应用前景更为广阔
随着DeepSeek-V3这类高效模型成熟，AI商业化的边际成本（每单位任务的算力和开发成本）有望持续降低。广发证券认为，未来行业将从“谁有更多GPU”转向“谁更懂场景和数据”，特色模型与通用模型协同发展，AI赋能千行百业的进程将显著加速。在算力效率提升与模型特色化的双重驱动下，AI商业化前景正从高成本定制走向低成本普及，市场空间将被大幅打开。
