【热点追踪】DeepSeek-V4发布搅动AI市场 产业链股价应声走高
金吾财讯 | 4月24日，国产AI企业DeepSeek推出旗舰大模型DeepSeek-V4预览版，并同步开源模型权重与技术报告，成为近期 AI产业的里程碑事件。
此次发布的V4系列包含两大版本，即DeepSeek-V4-Pro与DeepSeek-V4-Flash。其中Pro版本定位旗舰，总参数约1.6T、激活参数49B，主打复杂智能体、长文档分析等高要求场景；Flash版本定位轻量高效，总参数约284B、激活参数13B，侧重低延迟、高性价比的通用场景。两大版本均标配百万字（1M tokens）超长上下文能力。
根据官网介绍，在Agentic Coding评测中，V4-Pro已达到当前开源模型最佳水平，并在其他Agent相关评测中同样表现优异。目前DeepSeek-V4已成为公司内部员工使用的Agentic Coding模型，据评测反馈使用体验优于Sonnet 4.5，交付质量接近Opus 4.6非思考模式，但仍与Opus 4.6思考模式存在一定差距。DeepSeek-V4-Pro在世界知识测评中，大幅领先其他开源模型，仅稍逊于顶尖闭源模型Gemini-Pro-3.1。在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro超越当前所有已公开评测的开源模型。
最为突出的亮点是，DeepSeek-V4在token维度进行压缩，结合DSA稀疏注意力（DeepSeek Sparse Attention），实现了全球领先的长上下文能力，并且相比于传统方法大幅降低了对计算和显存的需求。
性能领先的同时，DeepSeek-V4在性价比上也极具竞争力，进一步降低了AI应用的使用成本。Flash版输入价格最低可至0.02元/百万Token（缓存命中），仅为GPT-5.5的约1%。Pro版通过优惠价（0.025元/百万Token输入）也提供了极高的性能价格比。
从产业链带动来看，DeepSeek-V4的发布形成了“模型牵引、全链受益”的格局。在DeepSeek模型发布当天，国产芯片纷纷宣布day0适配，上游算力芯片环节，华为昇腾、寒武纪、海光信息等适配企业将迎来订单放量。过去市场担心国产AI芯片使用场景有限，当前V4的同步适配说明国产芯片正在进入主流开源大模型生态。
此外，中游服务器、光模块、液冷设备等基础设施环节，将随模型规模化部署迎来需求增长；下游AI应用环节，中小企业的应用开发成本降低，推动AI应用从“试点”向“规模化普及”转变，加速AI与实体经济的深度融合。
产业链对应公司的股价应声走高，4月27日，芯片股方面，截至发稿，澜起科技(06809)涨13.35%，豪威集团(00501)涨10.88%，中芯国际(00981)涨8.01%，华虹半导体(01347)涨6.85%，中兴通讯(00763)涨6.93%，英诺赛科(02577)涨4.98%，瀚天天成(02726)涨4.56%。
光通信板块方面，鸿腾精密(06088)涨8.57%，长飞光纤光缆(06869)涨7.26%，汇聚科技(01729)涨2.57%，京信通信(02342)涨1.89%，均胜电子(00699)涨0.64%。
AI应用方面，浪潮数字企业(00596)涨10.19%，迅策(03317)涨7.46%，文远知行-W(00800)涨6.23%，百度集团-SW(09888)涨3.71%，KEEP(03650)涨2.40%，优必选(09880)涨2.38%。
各大券商一致看好，国信证券表示，Deepseek进一步在架构设计层面“降本增效”，推动国产模型更普惠实现百万上下文长度，密切关注国产模型厂商进展等。寒武纪、华为昇腾的Day0适配表明，表明国产芯片在已达到商业可用的成熟度，密切关注国产算力进展。
高盛认为，DeepSeek V4的核心意义在于以更低成本支持更复杂的智能体应用落地，从而打开AI应用规模化的新空间。高盛维持对云计算与数据中心板块的推荐评级，算力成本效率的持续改善将推动AI应用加速渗透，企业端AI代理增长与消费端AI助手的双轮驱动，将支撑云服务定价能力持续提升。
开源证券认为其影响早已超越了模型性能本身，有望将行业从模型架构、算力生态到应用成本三者共同推到新阶段。
华源证券提到，目前AI仍是全球产业叙事中最重要的方向之一，DeepSeek有望继续推动国产大模型和生态的整合，建议重视产品落地且有收入结构的应用方向。
总体而言，DeepSeek-V4预览版的发布是国产AI产业发展进程中的重要里程碑，其技术突破、开源策略与商业化路径，为国产大模型的发展提供了新的思路。
但仍需要清醒认识到，国产大模型的后续发展仍面临诸多挑战。在技术层面，目前中美tokens市场份额仍存在明显差距，高端训练算力仍部分依赖海外，国产芯片在高端制程、算力密度等核心指标上与国际巨头相比仍有不小差距，模型的长期优化、技术迭代与核心突破仍需持续的研发投入和人才支撑。
