本文来自微信公众号： 海豚研究 ，作者：海豚君
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10²⁶FLOPs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。
