加拿大帝国商业银行：加拿大央行本周降息25个基点是合理的

阿斯麦第四季度的新增订单71亿欧元，不过中国区收入在下降。

1月29日，荷兰光刻机生产商阿斯麦（以下简称“ASML”）公布2024年第四季度财报，四季度营收93亿欧元，同环比均出现20%增长。第四季度净利润近27亿欧元，同环比增长同样显著。

去年第四季度ASML的新增订单71亿欧元，其中30亿欧元为极紫外光光刻机（EUV）订单。此前，ASML的2024年第三季度财报提前泄露，显示新增订单仅为26亿欧元，为第二季度新增订单金额的一半不到。对此ASML称新增订单下降的原因为整体市场复苏缓慢，且头部晶圆厂推迟了光刻机需求的时间节点。

ASML决定2025年之后不再按季度公布新增订单额，公司CFO戴厚杰（Roger Dassen）表示，按季度来看，新增订单金额会出现一定波动，无法准确反映业务发展趋势，不过仍会公布年度未交付订单金额。

2023年第三季度起，ASML的中国区收入大幅提升，占公司整体比重提升至40%~50%。不过去年第四季度ASML中国区收入占比下降，从47%下降至27%。ASML CEO傅恪礼（Christophe Fouquet）表示：“2023年至2024年，中国市场的收入占比较高，这是因为2022年甚至更早之前的订单还未交付，当时我们的产能还无法满足全部的市场需求。”

　　来源：华尔街见闻

　　春节期间，DeepSeek新一代开源模型以惊人的低成本和高性能引发热议，在全球投资界引发剧震。

　　市场上甚至出现了DeepSeek“仅用500万美元就复制OpenAI”的说法，认为这将给整个AI基础设施产业带来“末日”。

　　对此，华尔街知名投行伯恩斯坦在详细研究DeepSeek技术文档后发布报告称，这种市场恐慌情绪明显过度，DeepSeek用“500万美元复制OpenAI”是市场误读。

　　另外，该行认为，虽然DeepSeek的效率提升显著，但从技术角度看，并非奇迹。而且，即便DeepSeek确实实现了10倍的效率提升，这也仅相当于当前AI模型每年的成本增长幅度。

　　该行还表示，目前AI计算需求远未触及天花板，新增算力很可能会被不断增长的使用需求吸收，因此对AI板块保持乐观。

　　“500万美元复制OpenAI”是误读

　　对于“500万美元复制OpenAI”的说法，伯恩斯坦认为，实际上是对DeepSeek V3模型训练成本的片面解读，简单将GPU租用成本计算等同于了总投入：

这500万美元仅仅是基于每GPU小时2美元的租赁价格估算的V3模型训练成本，并未包括前期研发投入、数据成本以及其他相关费用。

　　技术创新：效率大幅提升但非颠覆性突破

　　接着，伯恩斯坦在报告中详细分析了DeepSeek发布的两大模型V3、R1详细技术特点。

　　（1）V3模型的效率革命

　　该行表示，V3模型采用专家混合架构，用2048块NVIDIA H800 GPU、约270万GPU小时就达到了可与主流大模型媲美的性能。

　　具体而言，V3模型采用了混合专家（MoE）架构，这一架构本身就旨在降低训练和运行成本。在此基础上，V3还结合了多头潜在注意力（MHLA）技术，显著降低了缓存大小和内存使用。

　　同时，FP8混合精度训练的运用进一步优化了性能表现。这些技术的综合运用，使得V3模型在训练时仅需同等规模开源模型约9%的算力，便能达到甚至超越其性能。

　　例如，V3预训练仅需约270万GPU小时，而同样规模的开源LLaMA模型则需要约3000万GPU小时。

• MoE架构： 每次只激活部分参数，减少计算量。
• MHLA技术： 降低内存占用，提升效率。
• FP8混合精度训练： 在保证性能的同时，进一步提升计算效率。

　　谈及V3模型带来的效率提升，伯恩斯坦认为，与业界3-7倍的常见效率提升相比并非颠覆性突破：

MoE架构的重点是显著降低训练和运行的成本，因为在任何一次只有一部分参数集是活动的（例如，当训练V3时，只有671B个参数中的37B为任何一个令牌更新，而密集模型中所有参数都被更新）。

对其他MoE比较的调查表明，典型的效率是3-7倍，而类似大小的密度模型具有类似的性能；

V3看起来甚至比这个更好（10倍以上），可能考虑到该公司在模型中带来的其他一些创新，但认为这是完全革命性的想法似乎有点夸张，并且不值得在过去几天里席卷twitter世界的歇斯底里。

　　（2）R1模型的推理能力与“蒸馏”策略

　　DeepSeek的R1模型则在V3的基础上，通过强化学习（RL）等创新技术，显著提升了推理能力，使其能够与OpenAI的o1模型相媲美。

　　值得一提的是，DeepSeek还采用了“模型蒸馏”策略，利用R1模型作为“教师”，生成数据来微调更小的模型，这些小模型在性能上可以与OpenAI的o1-mini等竞争模型相媲美。这种策略不仅降低了成本，也为AI技术的普及提供了新的思路。

• 强化学习（RL）： 提升模型推理能力。
• 模型蒸馏： 利用大模型训练小模型，降低成本。

　　对AI板块保持乐观

　　伯恩斯坦认为，即便DeepSeek确实实现了10倍的效率提升，这也仅相当于当前AI模型每年的成本增长幅度。

　　事实上，在“模型规模定律”不断推动成本上升的背景下，像MoE、模型蒸馏、混合精度计算等创新对AI发展至关重要。

　　根据杰文斯悖论，效率提升通常会带来更大的需求，而非削减开支。该行认为，目前AI计算需求远未触及天花板，新增算力很可能会被不断增长的使用需求吸收。

　　基于以上分析，伯恩斯坦对AI板块保持乐观。

　　中国初创公司DeepSeek的低成本AI模型本周早些时候撼动市场后，阿斯麦控股负责人表示，这是好消息。

　　“无论是谁，降低成本对阿斯麦都是好事，”阿斯麦首席执行官Christophe Fouquet周三在新闻发布会上表示。“成本降低意味着AI可以有更多应用，更多应用就意味着更多芯片。”

　　“在座的有些人对一家公司横空出世想要竞争而感到惊讶，”Fouquet表示。“我认为我们要对此习惯。”

　　Fouquet称，随着AI变得越来越普遍，AI芯片将无处不在。“我们仍然非常乐观，”他说。“这是一个重大机遇，可以期待有越来越多的参与者。”

　　阿斯麦股价在阿姆斯特丹一度上涨12%，至722.10欧元，创下2020年3月以来最大盘中涨幅，完全收复了周一抹去的190亿欧元（198亿美元）市值。

　　“如果你能降低价格、使它更容易获取，如果能提高能源效率，就可以实现AI的民主化，而这对于AI的普及至关重要，”阿斯麦首席财务官Roger Dassen在发布会上表示。