爱建证券_电子行业专题报告：DeepSeek V4发布，国产算力乘风起航_20260514.pdf

爱建证券2026-05-14

摘要

1爱建证券发布电子行业专题报告，给予“强于大市”评级。
2DeepSeek V4开源模型凭借1M超长上下文及CSA/HCA架构创新，性能比肩顶级闭源模型且成本显著降低。
3寒武纪、摩尔线程、沐曦股份、海光信息等国产算力厂商已完成Day0适配，芯模协同生态完善。
4报告认为这将加速AI大模型及国产算力产业链需求释放，建议关注国产AI芯片投资机会。

![](page=0,bbox=[1415, 35, 1893, 150])

行业及产业

电子

2026年05月14日

强于大市

一年内行业指数与沪深300指数对比走势：

![](page=0,bbox=[65, 842, 515, 1111])

资料来源：聚源数据，爱建证券研究所

相关研究

《电子行业周报：NVIDIA入局Corning锁定光互联核心产能，筑牢AI算力供应链根基》 2026-05-11

DeepSeek V4发布，国产算力乘风起航

《电子行业周报：HBM迭代筑牢Samsung AI芯片壁垒》2026-05-06

《电子行业周报：DeepSeek发布并同步开源 V4大模型》2026-04-27

《电子行业周报：AI需求持续高景气，先进制程产能加速扩张》2026-04-20

《电子行业周报：Samsung 2026Q1业绩指引创历史新高》2026-04-13

S0820525010002

许亮

证券分析师

0755-83562506

联系人

朱俊宇

xuliang@ajzq.com

S0820125040021

021-32229888-25520

zhujunyu@ajzq.com

电子行业专题报告

投资要点：

事件：2026年4月24日，DeepSeek发布并同步开源了其全新大模型产品DeepSeekV4预览版。该版本的核心亮点为1M超长上下文能力，同时在Agent交互、世界知识储备与推理性能上，均实现了开源大模型领域的全面领先。

DeepSeek以开源为核心战略，凭借极致成本控制与技术迭代快速崛起。2023年11月， DeepSeek发布首个开源代码大模型DeepSeekCoder，支持多语言生成与调试，性能超越 CodeLlama。同期开源通用大模型DeepSeekLLM67B，对标LLaMA270B，中英文任务表现领先。2024年12月，通用模型迭代至DeepSeek-V3，训练成本仅550万美元，性能对标国际闭源模型，生成速度提升3倍。2025年1月20日，发布第一代推理模型 DeepSeek-R1-Zero和DeepSeek-R1，补齐复杂逻辑推理能力短板。此后公司持续迭代核心能力，2026年4月24日，正式发布DeepSeekV4预览版并同步开源。

本次发布的DeepSeekV4包含两款MoE模型，全系拥有1M超长上下文能力，同时在 Agent交互、世界知识储备等方面表现突出。DeepSeek-V4-Pro总参数1.6万亿、激活参数49B，主打高性能研发场景，综合能力对标行业顶级闭源大模型；DeepSeek-V4-Flash总参数2840亿激活参数13B，侧重轻量化部署与低成本高吞吐，可满足大规模日常推理需求。技术层面，模型创新融合CSA与HCA混合注意力架构，通过KV压缩与稀疏注意力协同优化长上下文推理效率，在1M上下文长度下，V4-Pro单Token计算量仅为前代V3.2的 25%，KV缓存占用进一步降至 10%，并首次将百万级超长上下文能力设为全系标配，为大模型规模化商用奠定坚实基础。性能方面，DeepSeekV4Pro综合表现已比肩行业顶级闭源大模型，其中Agent与编程能力位居开源第一梯队，世界知识储备领先同类产品，可全面支撑编程开发、工具调用、数学推理等高阶复杂任务。价格端具备显著竞争优势，据DevTk.AI，V4-Pro调用价格显著优于同级别Claude Sonnet4.6；V4-Flash主打高吞吐场景，性价比优势更为突出，显著降低了企业级AI应用的落地成本与门槛。

寒武纪、摩尔线程、沐曦股份、海光信息等厂商相继完成 DeepSeek-V4 系列模型的部署。寒武纪依托自研算子库对模型核心模块专项加速，深度优化热点算子并在 vLLM 框架中全面支持混合并行技术，充分释放硬件底层算力；摩尔线程在旗舰级 MTT S5000 GPU 上完成全链路工程化适配，其原生支持 FP8 的硬件架构可高效匹配模型“FP4+FP8”混合精度策略，相比 BF16/FP16 传统精度降低 50%显存带宽压力，形成差异化优势；沐曦联合 FlagOS 与 KernelSwift 智能算子迁移系统完成 Day 0 适配，通过核心算子优化实现国产芯片端平均 3.4倍推理加速，大幅缩短模型适配周期；海光依托自研 DTK 异构计算平台与集成超 2000 个算子的 DAS 软件系统，对模型实现全栈深度调优，达成业界领先的计算效率。

投资建议：DeepSeek V4模型实现超长上下文、推理及 Agent能力全面升级，叠加 CSA/HCA混合注意力架构带来显著成本与性能优势，同时华为昇腾、寒武纪、摩尔线程、沐曦股份、海光信息等国产算力厂商完成快速适配，芯模协同生态持续完善，有望带动AI大模型及国产算力产业链需求加速释放。建议关注国产AI芯片产业链的投资机会。

风险提示：1）技术迭代不及预期风险；2）商业化落地放缓风险；3）行业竞争加剧风险。

![](page=1,bbox=[168, 92, 459, 162])

目录

  1. DeepSeek 发布 V4 新版本 ... 4

1.1 DeepSeek 发展史梳理 ... 4

1.2 DeepSeek 模型架构创新 ... 5

1.3 DeepSeek V4 Pro 性能比肩顶级闭源模型 ... 7

  1. 国产算力厂商相继完成 DeepSeek-V4 系列模型的部署 ... 9

2.1 寒武纪 ... 10

2.2 摩尔线程 ... 10

2.3 沐曦股份 ... 12

2.4 海光信息 ... 13

  1. 风险提示 ... 14

![](page=2,bbox=[168, 91, 459, 162])

图表目录

图表 1：DeepSeek 发展史梳理...4

图表 2：DeepSeek V4 包含 Pro、Flash 系列...5

图表 3：DeepSeek V4 采取 CSA/HCA 新架构...5

图表 4：DeepSeek V4 CSA 核心架构...6

图表 5：DeepSeek V4 HCA 核心架构...6

图表 6：DeepSeek-V4 和 DeepSeek-V3.2 的计算量和显存容量随上下文长度的变化...7

图表 7：DeepSeek V4 系列性能卓越...8

图表 8：DeepSeek 输入价格优势明显...8

图表 9：DeepSeek 输出价格优势明显...8

图表 10：DeepSeek EP 方案示意图...9

图表 11：昇腾 Day 0 支持 DeepSeek-V4...9

图表 12：2020-2026Q1 寒武纪营业收入及同比...10

图表 13：2020-2026Q1 寒武纪毛利率情况...10

图表 14：2022-2026 Q1 摩尔线程营业收入及同比...11

图表 15：2022-2026 Q1 摩尔线程毛利率情况...11

图表 16：摩尔线程产品线梳理...11

图表 17：2022-2026 Q1 沐曦股份营业收入及同比...12

图表 18：2022-2026 Q1 沐曦股份毛利率情况...12

图表 19：沐曦股份主要产品分类...12

图表 20：海光信息主要产品...13

图表 21：2020-2026 Q1 海光信息营业收入及同比...14

图表 22：2020-2026 Q1 海光信息毛利率情况...14

![](page=3,bbox=[167, 91, 459, 163])

1. DeepSeek发布V4新版本

事件：2026年4月24日，DeepSeek发布并同步开源了其全新大模型产品DeepSeek V4预览版。该版本的核心亮点为1M超长上下文能力，同时在Agent交互、世界知识储备与推理性能上，均实现了开源大模型领域的全面领先。

1.1 DeepSeek发展史梳理

2023年11月，DeepSeek代码模型首秀。主要包括：DeepSeekCoder：首个开源代码大模型，支持多语言生成与调试，且性能超越CodeLlama，奠定了技术口碑。 DeepSeekLLM67B：通用大模型开源，对标LLaMA270B，中英文任务表现领先。

2024年1-5月，DeepSeek发布国内首个开源MoE模型DeepSeekMoE与第二代MoE模型DeepSeek-V2，完成细粒度专家共享架构、MLA多头潜在注意力技术的核心突破，将推理成本压至LLaMA3的1/4、API定价低至GPT-4Turbo的1/70，大幅拉低AI使用成本；2024年6-8月，公司进一步实现多领域性能跃升，先后发布代码能力超越GPT-4Turbo的DeepSeekCoderV2、覆盖初等数学至研究生水平的DeepSeek-Prover-V1.5数学推理模型。

图表1：DeepSeek发展史梳理

![](page=3,bbox=[578, 1272, 1804, 1973])

资料来源：DeepSeek Github，DeepSeek微信公众号，爱建证券研究所

2024年12月，DeepSeek实现通用模型的迭代。DeepSeek-V3发布，公司宣称训练成本仅550万美元，性能对标国际闭源模型，生成速度提升3倍。DeepSeek-VL2 （2024年12月）：多模态MoE模型，视觉能力显著提升。2025年1月20日， DeepSeek正式发布第一代推理模型DeepSeek-R1-Zero和DeepSeek-R1。

2025年8月，DeepSeek推出DeepSeek-V3.1，采用混合推理架构，原生支持智能体工具调用，实现向AI Agent方向的关键技术突破；同年12月发布 DeepSeek-V3.2，完成百万级超长上下文能力的技术预研与验证。2026年4月24日， DeepSeek正式发布全新大模型DeepSeekV4预览版并同步开源。

![](page=4,bbox=[167, 91, 460, 163])

1.2 DeepSeek 模型架构创新

本次发布的 DeepSeek V4包含两款混合专家（MoE）模型，分别适配不同场景需求。其中 DeepSeek-V4-Pro 主打高性能研发，总参数1.6万亿、激活参数49B，聚焦尖端复杂任务，整体性能对标行业顶级闭源大模型；DeepSeek-V4-Flash 主打轻量化、低成本落地，总参数2840亿、激活参数13B，主打高性价比部署。两款模型均原生搭载1M超长上下文能力，全面纳入 DeepSeek官方标配服务体系。

图表2：DeepSeek V4包含Pro、Flash系列

模型

参数

激活

预训练数据

上下文长度

开源

API服务

网页端/APP访问方式

deepseek-v4-pro

1.6T

49B

33T

1M

√

√

专家模式

deepseek-v4-flash

284B

13B

32T

1M

√

√

快速模式

资料来源：DeepSeek微信公众号，爱建证券研究所

DeepSeek V4创新性地融合了CSA（Compressed Sparse Attention）与 HCA（Heavily Compressed Attention）两种技术，构建了高效的混合注意力架构。在显著降低长上下文推理显存占用的同时，大幅提升了模型的推理吞吐量。

图表3：DeepSeek V4采取CSA/HCA新架构

![](page=4,bbox=[702, 1382, 1676, 2474])

资料来源：DeepSeek Towards Highly Efficient Million-Token Context Intelligence，爱建证券研究所

![](page=5,bbox=[167, 91, 459, 162])

CSA结合了压缩和稀疏注意力策略，它首先将每个Token的KV压缩成一个条目，然后应用DeepSeek Sparse Attention（DSA），其中每个查询Token只关注注意力打分最高的Top-k个压缩KV条目，从而降低计算复杂度。

图表4：DeepSeek V4 CSA核心架构

![](page=5,bbox=[544, 482, 1811, 1112])

资料来源：DeepSeek Towards Highly Efficient Million-Token Context Intelligence，爱建证券研究所

HCA采用与CSA同源的压缩思路，通过对KV Cache进行块级聚合，将每 m'个连续 Token的KV缓存合并为单个紧凑条目，进一步提升了压缩比。

这种 CSA+HCA的混合注意力架构，大幅优化了 DeepSeek-V4系列的长上下文推理效率与显存占用。

图表5：DeepSeek V4 HCA核心架构

![](page=5,bbox=[555, 1631, 1802, 2356])

资料来源：DeepSeek Towards Highly Efficient Million-Token Context Intelligence，爱建证券研究所

从实测数据来看，在1M上下文长度下，DeepSeek-V4-Pro的单 Token 计

![](page=6,bbox=[167, 91, 459, 163])

算量仅为上一代V3.2的 25%，累计KV缓存占用更是仅为后者的 10%。正是依托这一突破性的效率提升，DeepSeek首次将1M超长上下文能力从高端付费功能降维为全系列产品的标配，为大模型的规模化商用奠定了核心技术基础。

图表6：DeepSeek-V4和DeepSeek-V3.2的计算量和显存容量随上下文长度的变化

![](page=6,bbox=[208, 560, 961, 1166])

资料来源：DeepSeek微信公众号，爱建证券研究所

![](page=6,bbox=[1021, 565, 1774, 1162])

1.3 DeepSeek V4 Pro性能比肩顶级闭源模型

DeepSeek V4 Pro Agent能力显著升级，兼具完备世界知识与世界级推理能力，综合性能已比肩行业顶级闭源大模型。

1) 相较于前代模型，DeepSeek-V4-Pro的Agent能力明显增强。在Agentic Coding评测中位列开源模型第一梯队；目前已成为DeepSeek内部主力开发模型。据官方评测，其使用体验优于Claude Sonnet4.5，代码交付质量接近Claude Opus4.6非思考模式，但与Opus4.6思考模式仍存在一定差距。

2) DeepSeek-V4-Pro拥有完备的世界知识储备，在专项测评中大幅领先同类开源模型，整体表现仅稍逊于 Gemini-Pro-3.1顶尖闭源模型。

3) 模型聚焦自主编程、工具调用、数学及STEM等高阶复杂任务，依托超大参数量与高效激活推理机制，基准测试表现突出，可为复杂智能任务提供高性能求解方案。

![](page=7,bbox=[167, 91, 459, 163])

图表7：DeepSeek V4系列性能卓越

Benchmark (metric)

DS-V4-Pro

DS-V4-Flash

K2.6 Thinking

GLM-5.1 Thinking

Opus-4.6 Max

GPT-5.4 xHigh

Gemini-3.1-Pro High

Knowledge & Reasoning

MMLU-Pro (EM)

87.5

86.2

87.1

86.0

89.1

87.5

91.0

SimpleQA-Verified (Pass@1)

57.9

34.1

36.9

38.1

46.2

45.3

75.6

Chinese-SimpleQA (Pass@1)

84.4

78.9

75.9

75.0

76.2

76.8

85.9

GPQA Diamond (Pass@1)

90.1

88.1

90.5

86.2

91.3

93.0

94.3

HLE (Pass@1)

37.7

34.8

36.4

34.7

40.0

39.8

44.4

LiveCodeBench (Pass@1)

93.5

91.6

89.6

-

88.8

-

91.7

Codeforces (Rating)

3206

3052

-

-

-

3168

3052

HMMT 2026 Feb (Pass@1)

95.2

94.8

92.7

89.4

96.2

97.7

94.7

IMOAnswerBench (Pass@1)

89.8

88.4

86.0

83.8

75.3

91.4

81.0

Long Context

Apex (Pass@1)

38.3

33.0

24.0

11.5

34.5

54.1

60.9

Apex Shortlist (Pass@1)

90.2

85.7

75.5

72.4

85.9

78.1

89.1

MRCR 1M (MMR)

83.5

78.7

-

-

92.9

-

76.3

CorpusQA 1M (ACC)

62.0

60.5

-

-

71.7

-

53.8

Terminal Bench 2.0 (Acc)

67.9

56.9

66.7

63.5

65.4

75.1

68.5

SWE Verified (Resolved)

80.6

79.0

80.2

-

80.8

-

80.6

Agentic

SWE Pro (Resolved)

55.4

52.6

58.6

58.4

57.3

57.7

54.2

SWE Multilingual (Resolved)

76.2

73.3

76.7

73.3

77.5

-

-

BrowseComp (Pass@1)

83.4

73.2

83.2

79.3

83.7

82.7

85.9

HLE w/tools (Pass@1)

48.2

45.1

54.0

50.4

53.1

52.0

51.6

GDPval-AA/Elo)

1554

1395

1482

1535

1619

1674

1314

MCPAtlas Public (Pass@1)

73.6

69.0

66.6

71.8

73.8

67.2

69.2

Toolathlon (Pass@1)

51.8

47.8

50.0

40.7

47.2

54.6

48.8

资料来源：DeepSeek微信公众号，爱建证券研究所

通过上图，我们发现：编程能力是本次 DeepSeek-V4 迭代提升的亮点。 DeepSeek-V4-Pro 在 SWE-bench Verified、LiveCodeBench、Terminal Bench 2.0 评测中分别取得 80.6、93.5、67.9 的成绩，整体位居开源模型前列。

相较于市场主流核心大模型，DeepSeek系列API价格优势显著。据DevTk.AI数据，DeepSeek-V4-Pro输入、输出原价分别为1.74美元/百万Tokens、3.48美元/百万Tokens（当前DeepSeek-V4-Pro模型开启限时2.5折优惠，优惠期至2026/05/31；为客观反映长期定价竞争力，本次采用原价进行测算），价格显著优于同定位1M上下文商用模型Claude Sonnet4.6；V4-Flash系列主打高性价比、高吞吐场景，输入、输出价格分别为0.14美元/百万Tokens、0.28美元/百万Tokens。

图表8：DeepSeek输入价格优势明显

![](page=7,bbox=[148, 1986, 972, 2450])

资料来源：DevTK.AI，爱建证券研究所

图表9：DeepSeek输出价格优势明显

![](page=7,bbox=[1010, 1972, 1810, 2411])

资料来源：DevTK.AI，爱建证券研究所

![](page=8,bbox=[167, 91, 459, 163])

2. 国产算力厂商相继完成 DeepSeek-V4 系列模型的部署

相较于过往仅依托NVIDIA CUDA框架的运行模式，DeepSeek-V4本次已在NVIDIA GPU与华为昇腾NPU双硬件平台，完成细粒度专家并行（EP）方案的落地验证。根据DeepSeek-V4报告，在通用推理场景下，相较传统非融合基线方案，推理性能实现显著提升；针对强化学习推演、高并发智能体服务等延迟敏感型业务场景，最高可达成1.92倍推理加速，适配性与工程落地性能优势显著。

图表10：DeepSeekEP方案示意图

![](page=8,bbox=[542, 728, 1810, 1225])

资料来源：DeepSeek Towards Highly Efficient Million-Token Context Intelligence，爱建证券研究所

其中，昇腾平台的适配落地尤为亮眼：4月24日DeepSeek-V4发布当日，昇腾即完成全系列Day0适配。依托CANN架构，950PR/DT系列面向低时延场景实现10-20ms级推理，Atlas-A3系列面向高吞吐场景实现30ms级推理，标志国产芯模协同实现里程碑突破。

图表11：昇腾Day0支持DeepSeek-V4

![](page=8,bbox=[543, 1693, 1805, 2333])

资料来源：昇腾CANN，爱建证券研究所

除华为昇腾外，寒武纪、摩尔线程、沐曦股份、海光信息等国产算力厂商也相继完成 DeepSeek-V4系列模型的适配与推理部署，多平台兼容生态持续完善，为模型规模化落地提供了多元国产算力支撑。

![](page=9,bbox=[167, 92, 460, 163])

2.1 寒武纪

寒武纪是国内领先的人工智能芯片研发设计企业，专注于AI核心芯片的研发、设计与销售，产品覆盖云服务器、边缘计算及终端设备，主要布局云端、边缘产品线与IP授权及软件业务。

受人工智能行业算力需求的持续攀升，2025年公司实现营业收入64.97亿元，同比+453.21%。值得注意的是，2026Q1公司实现营收28.85亿元，同比 +159.56%。2025年公司毛利率达 55.15%，同比去年下降 1.56%，整体保持稳定。

图表12：2020-2026Q1寒武纪营业收入及同比

![](page=9,bbox=[169, 815, 970, 1312])

资料来源：公司公告，爱建证券研究所

图表13：2020-2026Q1寒武纪毛利率情况

![](page=9,bbox=[1010, 814, 1813, 1319])

资料来源：公司公告，爱建证券研究所

公司持续加强研发投入，聚焦人工智能芯片产品研发，持续强化产品核心竞争力。2025年公司研发投入11.69亿元，研发投入占营收比例 17.99%。在硬件端，公司新一代智能处理器微架构和指令集持续研发。同时公司持续迭代训练平台和推理软件。

针对 DeepSeek-V4 全新架构，寒武纪已完成即时适配。公司依托自研 Torch-MLU-Ops 算子库对 Compressor、mHC 核心模块专项加速，通过 BangC 语言深度优化稀疏/压缩 Attention、GroupGemm 等热点算子，充分释放硬件底层算力。在 vLLM 推理框架中全面支持 5D 混合并行、通信计算并行、低精度量化及 PD 分离部署，在时延约束下实现最优 token 吞吐，显著提升端到端推理效率；同时借助 MLU 访存与排序加速能力、高互联带宽，有效加速稀疏 attention 等结构，降低通信开销，最大化分布式推理资源利用率。

2.2 摩尔线程

摩尔线程成立于2020年，以全功能GPU为核心，致力于向全球提供加速计算的基础设施和一站式解决方案，为各行各业的数智化转型提供强大的AI计算支持。2025年，摩尔线程实现营业收入15.06亿元（同比+243.37%）， 2022-2025年复合增长率达 219.91%；2025年公司毛利率为 65.57%，同比下滑5.14pct。

![](page=10,bbox=[167, 91, 460, 162])

图表14：2022-2026Q1摩尔线程营业收入及同比

![](page=10,bbox=[155, 254, 958, 750])

资料来源：公司公告，爱建证券研究所

图表15：2022-2026Q1摩尔线程毛利率情况

![](page=10,bbox=[1011, 251, 1819, 757])

资料来源：公司公告，爱建证券研究所

摩尔线程产品矩阵呈现多元化特征，覆盖多场景需求。公司基于自主研发的 MUSA架构，实现了单芯片架构同时支持AI计算加速、图形渲染、物理仿真和科学计算、超高清视频编解码的技术突破。截至2025年年报，公司主要产品线包括云端产品线、边缘与终端产品线。

图表16：摩尔线程产品线梳理

![](page=10,bbox=[666, 1213, 1747, 1819])

资料来源：公司公告，爱建证券研究所

2026年4月24日，公司携手智源众智及FlagOS社区宣布，已在旗舰级AI训推一体GPU一一MTT S5000上完成DeepSeek-V4-Flash大模型的发布当日极速适配，全面支持全量核心算子深度优化与部署。2026年5月，公司进一步宣布，依托MTT S5000+MUSA软件栈+SGLang框架，已完成DeepSeek-V4完整运行验证，具备从底层硬件、热点算子支持到端到端部署验证的全链路工程化适配能力。

值得注意的是，DeepSeek-V4首次采用“FP4+FP8”混合精度策略，而国内主流AI芯片仍以BF16为主。MTT S5000作为国内率先原生支持FP8的全功能GPU，搭载硬件级FP8 Tensor Core，相比BF16/FP16可降低 50%显存带宽压力，理论算力翻倍，高效适配模型前沿精度设计。

![](page=11,bbox=[167, 91, 460, 163])

2.3 沐曦股份

沐曦集成电路（上海）股份有限公司于2020年在上海成立，聚焦异构计算领域，打造全栈GPU芯片及解决方案。2025年，沐曦股份实现营业收入 16.44亿元（同比+121.26%）；2025年公司毛利率为 56.51%，同比提高 3.08 pct。

图表17：2022-2026Q1沐曦股份营业收入及同比

![](page=11,bbox=[160, 609, 961, 1102])

资料来源：公司公告，爱建证券研究所

图表18：2022-2026Q1沐曦股份毛利率情况

![](page=11,bbox=[1009, 604, 1811, 1106])

资料来源：公司公告，爱建证券研究所

公司旗下拥有曦思N系列（智算推理）、曦云C系列（通用计算）、曦彩G系列（图形渲染）等产品。就各产品性能来看，曦思N系列聚焦云端智算推理，凭借高带宽内存、强劲视频编解码能力及大显存与高算力，支撑大规模数据推理和超高清视频流处理，配套完整软件栈可高效部署智算任务；曦云C系列为自研架构通用GPU，具备高精度算力与MetaXLink片间互联技术，支持多GPU无缝协同，依托自研MXMACA软件栈覆盖智算研发、数据分析等复杂场景；曦彩G系列专攻图形渲染加速，自研架构拥有出色的图形图像渲染与视频处理能力，作为国产全功能显卡兼容主GPU生态，可为云游戏、元宇宙提供高画质低延迟算力支撑。

图表19：沐曦股份主要产品分类

芯片名

介绍

产品特点

应用场景

曦思N系列

曦思N系列是面向云端应用的智算推理产品，采用高带宽内存，提供强大的算力和领先的视频编解码能力。

高速显存；

澎湃算力；

领先的视频处理能力；

完整的软件栈

智算

曦云C系列

曦云C系列通用GPU(GPGPU)芯片是针对智算及通用计算的完美解决方案

自主知识产权GPGPU；

超强高精度及混合精度算力

片间互联MetaXLink无缝连接多GPU系统；

自主软件栈MXMACA提供全面生态解决方案

智算；

数据分析

曦彩G系列

曦彩G系列GPU是针对图形渲染加速的解决方案，沐曦自主知识产权架构提供卓越的图形图像渲染与视频处理能力

卓越的图形图像渲染与视频处理能力；

国产全功能显卡；

采取沐曦自主知识产权；

兼容主流GPU生态的完整软件栈

云游戏与元宇宙

资料来源：公司官网，爱建证券研究所

![](page=12,bbox=[167, 92, 459, 162])

2026年4月24日，沐曦股份宣布携手FlagOS已完成对DeepSeek最新开源的DeepSeek-V4-Flash模型的Day0适配。双方通过高性能通用大模型算子库FlagGems、独立并行策略、FP4→BF16全链路精度转换三大核心技术，实现了该模型在多类主流国产芯片上的全量适配与开箱即用的推理部署方案。

同日，沐曦股份还联合上海人工智能实验室 KernelSwift智能算子迁移系统，率先完成 DeepSeek-V4核心算子的Day0适配。公司实测数据显示，算子平均通过率约 80%；在21个核心算子上性能较TileLang提升1.2倍以上，国产芯片端平均正确性 75%+、推理加速3.4倍，人工修正后可达 100%正确性，显著缩短适配周期。

2.4 海光信息

海光信息是国内领先的高端处理器设计企业，坚持CPU+DCU双芯协同发展战略，持续推进产品迭代与技术升级。

公司核心产品包括海光通用处理器（CPU）和海光协处理器（DCU）。海光CPU全面兼容x86指令集及全球主流操作系统与应用软件，已实现电信、金融、互联网、教育、交通等关键行业的规模化应用；海光DCU采用GPGPU通用计算架构，广泛应用于大数据处理、人工智能、大模型训练与推理、高性能科学计算等领域。

图表20：海光信息主要产品

![](page=12,bbox=[273, 1531, 1732, 2204])

资料来源：海光信息2025年报，爱建证券研究所

2025年公司实现营业收入143.7亿元，同比+56.92%。2025年公司毛利率为 57.83%。归母净利润25.45亿元。2025年公司综合毛利率为 57.83%，同比-5.89 PCT，主要受上游晶圆代工及封装测试成本上涨、以及高增长的 DCU业务占比提升影响。但公司持续深化与头部大模型厂商的全栈式生态绑定，通过“芯片+模型”联合创新加速DCU业务商业化落地。

![](page=13,bbox=[167, 91, 460, 162])

图表21：2020-2026Q1海光信息营业收入及同比

![](page=13,bbox=[163, 255, 959, 746])

资料来源：公司公告，爱建证券研究所

图表22：2020-2026Q1海光信息毛利率情况

![](page=13,bbox=[1011, 255, 1815, 753])

资料来源：公司公告，爱建证券研究所

2026年4月24日，海光信息宣布其海光DCU已同步完成对DeepSeek-V4的“Day0”极速适配，实现了“模型发布一芯片适配一产业落地”的高效闭环，为全球开发者与企业客户提供即取即用的部署方案。

本次适配过程中，公司依托自研的DTK异构计算平台与DAS人工智能基础软件系统，海光DCU对DeepSeek-V4模型实现了全栈深度调优，再次达成业界领先的计算效率。其中，DTK凭借完整成熟的计算库全面覆盖训练、推理、AI for Science等全场景，为模型提供坚实的软件生态支撑；DAS则集成了超2000个算子，支持PyTorch、TensorFlow、vLLM、SGLang等超过100个主流AI框架组件，通过算子调优、编译优化、通算融合等多重技术手段极致释放DCU算力，大幅提升模型的微调与推理性能。

3. 风险提示

1) 技术迭代不及预期风险：大模型算法架构迭代、长上下文推理优化进度放缓，同时国产AI芯片与大模型适配兼容、生态完善进程慢于预期，制约技术落地与产业规模化发展。

2) 商业化落地放缓风险：大模型行业应用场景渗透不及预期，商业化落地节奏放缓。

3) 行业竞争加剧风险：全球大模型厂商密集发布新品，行业竞争加剧或引发API及服务价格下行，压缩盈利空间。

![](page=14,bbox=[179, 98, 650, 210])

爱建证券有限责任公司

上海市浦东新区前滩大道199弄5号

电话：021-32229888

传真：021-68728700

邮政编码：200124

服务热线：956021

邮箱：ajzq@ajzq.com

网址：http://www.ajzq.com

评级说明

投资建议的评级标准

报告中投资建议所涉及的评级分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后6个月内的相对市场表现，也即：以报告发布日后的6个月内的公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。其中：A股市场：沪深300指数（000300.SH）；新三板市场：三板成指（899001.CSI）（针对协议转让标的）或三板做市指数（899002.CSI）（针对做市转让标的）；北交所市场：北证50指数（899050.BJ）；香港市场：恒生指数（HIS.HI）；美国市场：标普500指数（SPX.GI）或纳斯达克指数（IXIC.GI）。

股票评级

买入相对同期相关证券市场代表性指数涨幅大于 15%

增持相对同期相关证券市场代表性指数涨幅在 5% ~ 15%之间

持有相对同期相关证券市场代表性指数涨幅在-5%～5%之间

卖出相对同期相关证券市场代表性指数涨幅小于-5%

行业评级

强于大市相对表现优于同期相关证券市场代表性指数

中性相对表现与同期相关证券市场代表性指数持平

弱于大市相对表现弱于同期相关证券市场代表性指数

分析师声明

本报告署名分析师在此声明：我们具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，本报告采用信息和数据来自公开、合规渠道，所表述的观点均准确地反映了我们对标的证券和发行人的独立看法。研究报告对所涉及的证券或发行人的评价是分析师本人通过财务分析预测、数量化方法、或行业比较分析所得出的结论，但使用以上信息和分析方法可能存在局限性，请谨慎参考。

法律主体声明

本报告由爱建证券有限责任公司（以下统称为“爱建证券”）证券研究所制作，爱建证券具备中国证监会批复的证券投资咨询业务资格，接受中国证监会监管。

本报告是机密的，仅供我们的签约客户使用，爱建证券不因收件人收到本报告而视其为爱建证券的签约客户。本报告中的信息均来源于我们认为可靠的已公开资料，但爱建证券对这些信息的准确性及完整性不作任何保证。本报告中的信息、意见等均仅供签约客户参考，不构成所述证券买卖的出价或征价邀请或要约。该等信息、意见未考虑到获取本报告人员的具体投资目的、财务状况以及特定需求，在任何时候均不构成对任何人的个人推荐。客户应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专家的意见。对依据或者使用本报告所造成的一切后果，爱建证券及其关联人员均不承担任何法律责任。

本报告所载的意见、评估及预测仅为本报告出具日的观点和判断。该等意见、评估及预测后续可随时更改。过往的表现亦不应作为日后表现的预示和担保。在不同时期，爱建证券可能会发出与本报告所载意见、评估及预测不一致的研究报告。

版权声明

本报告版权归属爱建证券所有，未经爱建证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、转载、刊登和引用。否则由此造成的一切不良后果及法律责任由私自翻版、复制、转载、刊登和引用者承担。版权所有，违者必究。

本站所有资讯是用户利用其本地Agent获取并分享，均为公开信息，如需删除请联系我们。