从R1沉寂到V3.1破局：FP8是国产AI算力/应用侧「商业化奇点」？
【前言】
各位朋友久等了，好久不见。这段时间稍微休息了下，也在整理投资思路。
在英伟达及北美AI硬件涨到几无便宜货的情况下，投资该何去何从？继续炒液冷和电源到“醉生梦死”？其实市场也在等待或需要变盘的“奇点”。
笔者这种在过去两轮周期中挨打过的选手，在市场持续非理性时，理性上总是高兴不起来，如履薄冰。
只有在4月份那种沪电、博创等优质公司跌出确定性价值时，才兴奋不已。
如果市场一味炒题材，我们这种选手就望而却步了。比如液冷如果炒到把理论上的未来1-2年业绩都透支之后，再谈我们看好的是千亿规模的市场，就显得“荒诞”了。
那么，DeepSeek V3.1的问世，仅仅一个V3的小升级，仅仅一个FP8标准的“低配”适配，这次对AI产业端的影响，应如何看待？
是短期的题材炒作，如R1惊艳后的沉寂？鬼故事再讲一次？
还是说，对产业端的实质性影响的开始？
笔者个人观点，本文聊聊。
{内容落脚点以投资人视角审视，非技术科普文章。如有技术观点修正，欢迎理性讨论，不欢迎非理性二极管思维}
「风险提示：本文企业投研结论系个人投资笔记，个人观点仅供参考，不构成投资建议」
【正文】
一、R\V战略并行、大市场+多场景 国产算力新战略
1、用户反馈V3.1“更快但精度变差”
从这一两天V3.1的网络上的舆情反馈的实际体验效果来讲，V3.1的实际体验一般，甚至逊色于R1，实际体验让部分用户“失望”。
实际上，Scale浮点精度为FP8，实际推理出的逻辑精度当然下降。
战略上，V3.1压根没说过是R1的进化版，官方也没这么表述过吧？
一直说的是，为了适配下一代国产算力芯片。
2、FP8对V3.1的实际影响
A.速度优势：
DeepSeek V3.1更新：增加训练token数量、优化Agent支持、增强Function Calling（如Anthropic Code API接入）
DeepSeek V3.1采用FP8标准后，显存需求降低50%-75%，推理吞吐量提升3倍（对比FP16），响应延迟显著缩短。
B.精度牺牲：
用户反馈“逻辑跳跃”“中英混杂”“简化回答”等问题，部分源于FP8的尾数位不足（如E5M2仅2位尾数），导致小数值截断误差累积，影响语言连贯性和复杂推理的严谨性。
FP8在Softmax等敏感层误差可达1%（FP16仅0.01%），导致生成质量下降。
展开说差距：
语言模型的推理是层层递进的（当前输出是下一时刻输入），FP8的误差在每一步被放大，尤其对需要多步逻辑推导的任务（代码生成、数学证明）影响显著；
在SWE代码修复任务中，FP8的误差比FP16高1.8%，但在开放对话中用户感知差异可能达5倍。
C.官方优化：
V3.1通过混合精度架构（关键层保留FP16）和动态路由（简单任务用FP8，复杂任务切FP16）缓解精度损失，但未完全消除。
D.V3.1优势
V3.1相比V3和R1，达到同样效果需要的token数明显减少；
注意这是提效而不是通缩，因为后续可以通过加算力获得额外性能；
通过后训练，增强了工具使用能力，Agent任务提升显著；
DeepSeek V3.1为应用厂商再次提供了一把利剑，给了产业界再一次快速发展的机会；
E.国产AI芯片正处于技术突破与生态落地的关键窗口期，UE8M0 FP8助力国产芯片加速追赶；
F.结论——效率优先、务实选择、AI智能体产业机遇
FP8精度的意义：降低推理存储占用（100B模型从200G压缩至100G），提升吞吐量，但需与国产芯片（如华为、寒武纪）深度适配；
R1作为纯推理模型，全程使用FP16/BF16，逻辑严密但响应慢；
V3.1为兼顾效率，对部分模块（如对话生成层）强制FP8量化，导致在长链推理、数学证明等场景表现不稳定。
实测数据：在SWE代码修复等复杂任务中，V3.1精度仍超R1；但在开放对话中，用户更易感知“敷衍式回答。
3、DeepSeek-V3.1对AI应用侧的显著优势
1）V3.1开源大模型高效支持长文本处理与智能推理。
V3.1采用创新的Mixture-of-Experts 架构，在总参数量 671B 的情况下，每token仅激活37B参数，兼顾强大性能与计算效率；
特别优化了表格/列表生成的能力，并有效降低了幻觉现象，同时增强了对100+语言（尤其是亚洲语言和小语种）的支持能力；
V3.1以MIT许可证完全开源，支持本地部署和商业修改，配套提供 API、在线体验和 Hugging Face Space，凭借“长文一次读、推理一键做、接入零门槛”的三大特性，成为长文档分析、复杂代码开发、科研写作及教育辅导等场景的理想选择。
2）代码与视觉能力领先且成本优势显著。
V3.1在SVGBench视觉代码生成基准中，其成绩仅次于GPT-4.1-mini，展示了更强的图形化编程能力；
在通用的MMLU 多任务语言理解评测中，V3.1的表现与GPT-5未显明显差距；
完成一次完整编程任务的成本仅为1.01 美元，约为专有系统的六十分之一，凸显其“性能-成本”优势；
2025年，开源大模型迈入“万亿时代”，发展重点从“参数竞赛”转向稀疏化、低成本的全场景落地，将加速AI应用侧落地。
4、R2还有吗？
个人基于目前浅显的内容的逻辑判断，预计R2不会消失，未来与V系列并行。
形象说，R为纵向攀登AGI路线，不会放弃，但短期受制于高端算力差距，整个国内AI产业不能卡在这不动；
因为事实上，大部分AI应用端和端侧，也压根不需要高成本、超高推理能力的大模型，它们需要的是低部署成本、低使用成本、快速响应且好用的【小模型】；
所以，V3.1是为AI应用侧大规模落地部署而研发的模型，也是中国AI产业的战略，以大市场+多场景拉动AI产业的战略；
战略本质是最大限度发挥现有力量，打造“比较优势”，实现“非对称打击”；
你玩高度（AGI），我玩宽度（AI应用侧大规模落地及创新）；
你卡我高度，我用产业带芯片慢慢追（反正短期也追不上、我们承认、因为涉及物理能力），只要保证算力底座在我们手上即可；
算力底座是什么？是UE8M0 FP8。
二、昇腾910X PK 英伟达B30A，FP8标准能否救赎国产算力芯片？
从投资人的角度，国产高端算力芯片的国产替代逻辑，已经讲过太多次，以至于这次V3.1远没有R1惊艳的情况下，很多投资人认为再一次“鬼故事”罢了。
笔者倒觉得这里有点“狼来了”故事的意味，这次可能有点不一样。
1、V3.1动摇英伟达高端GPU逻辑吗？
这次即使这么讲，市场应该不会再信了吧。答案当然是不会动摇。
纵向路线通往AGI的路上时，前文说了，我们自己也不会放弃R2，也不会放弃攀登AGI，NV的高端GPU依旧是全球紧俏。
无论多少算力，AI应用都会消耗干净。
所以英伟达成长逻辑不会有问题。问题只会出在再过两年，随着Rubin下一代产品，单卡算力提升边际越来越小的情况下，AI推力侧需求为行业主要矛盾时，达子的PE会不会受影响，也许会，但那是几年后的事情。
2、H20停产，B30A国内会如何对待？
1）B30A核心参数与设计
架构：基于Blackwell架构的单芯片（Single-die）设计，非旗舰B300的双芯片配置。
性能：算力约为美版B300的50%，优于H20但显著弱于国际旗舰。
内存与互联：搭载高带宽内存（HBM）和NVLink技术，优化数据传输效率。
精度支持：英伟达B30A支持FP16/FP32精度，但受美国出口管制限制，其FP16理论峰值性能（TPP）≤4800 TOPS，性能弱于国际旗舰B300。
2）进度时间表
计划2025年9月：向阿里云、腾讯等中国客户交付首批工程样品。
计划2026年Q1：启动量产，定价区间2.8万-3.2万美元/卡（较H20溢价15%，但单位算力成本降22%）。
3）国产替代成熟度
我们此前明确质疑H20存在“后门风险”（如远程关闭、追踪定位功能），B30A存在无法通过安全审查的风险；
华为昇腾910B及下一代产品、寒武纪思元590、壁仞BR100、海光DCU等国产芯片性能已接近或超越H20；
DeepSeek-V3.1等模型主动适配上述国产芯片的下一代产品（如UE8M0 FP8格式），削弱对英伟达的依赖。
4）投资人角度看法
未来让卖B30A，进一度利好英伟达，增加增量，也不影响V3.1路线；
不让卖B30A，也不影响英伟达，进一步利好V3.1路线。
三、国产算力产业端逻辑，“这次不一样”？
1、技术破局：FP8精度打通国产芯片任督二脉
效率跃升：
UE8M0 FP8格式使国产芯片推理效率提升300%，专家模块利用率从30%飙升至85%，显存占用降50%。
生态协同：
华为昇腾910X（下一代产品）、寒武纪思元下一代产品等全面适配V3.1。
【个人看法】
这里的关键点不是“战狼式”口号式突破，产业有产业的发展逻辑，这是科学，不是喊几嗓子，先进制程就能喊出来；
这里的关键意义在于，没让你产业界短期去技术攻关，因为过去几年的效果也看到了；
统一到FP8标准，用V3.1来适配并带动，未来升级的事我们慢慢来；
但V3.1先大规模在B端、C端部署下去，正好成本低、效率高、性能够用，这不就足够吗。
所以笔者认为，这才给了国产算力芯片真正规模订单放量的可能。这是务实且智慧的战略选择。
2. 商业闭环：从“实验室玩具”到“量产工具”（重要）
成本临界点突破：
•龙芯3A6000搭配国产AI加速卡能高效运行70亿参数模型，企业私有化部署成本降低90%。
规模化验证：
•国家电网故障响应从分钟级压缩至秒级（海光DCU+V3.1）；
•金融行业DCU市占率28%，日均模型调用量4.7亿次
【个人看法】
这里核心逻辑也是“低要求”+“规模部署可行性”，昇腾、沐曦、龙芯、思元等，都适配到FP8标准上；
实质上是规划出了“统一战线”或“保护地”给你们用；
V3.1+产业扶持促进AI应用侧的应用，再用产业带动保护地的规模化产出；
AI产业端本来升级的需求也是刚性的，尤其是B端，C端受制于经济环境有波动，B端尤其国企B端的AI应用侧部署需求是刚性的。
“这次不一样”的关键点是，商业化落地，商业闭环，说白了这玩意得好用，这太重要了。
当然，未来国内大厂大概率是NV的卡继续用，如果有B30A也会继续买，这不影响，因为纵向战略也要继续；
同时，横向的AI应用侧需求只要大规模铺开，V3.1下的国产算力足够用，不需要NV的卡，需要的便宜好用；
比如医院部署AI基因测序、AI病例筛查，用那么高算力干嘛，要的是快速准确响应+便宜好用。
四、投资人如何看待FP8、V3.1的产业影响
其实聊到这，投资人角度看待，就不应该焦虑了，反正笔者是这样，反而有开新窗之感。
FP8、V3.1，本质就是数学补物理、电子补算力。是符合实际的务实战略，对国内AI产业的发展是具有现实意义的。
1、对AI产业进度的再理解
本来25年上半年的AI应用侧大机会，受制于高端算力卡脖子，25年至今产业端进展缓慢；
NV因GB200良率及产能，导致AI硬件主升晚约一个季度；
国产算力芯片因先进制程物理限制、910B不理想等因素，迟滞不前；
DS因高端算力卡脖子+国产算力芯片不理想，迟滞不前；
改变开始于GB200规模量产，达链高歌猛进4个月，但树不会涨到天上；
当下，纵向突围不理想就横向突围，农村包围城市，主动降低至FP8标准，以产业发展反哺国产高端算力，采用“非对称打击”战术；
那么，必然爆发的AI应用侧，是不是奇点临近？
2、投资机会在哪里？
笔者认为，接下来的AI投资，万类霜天竟自由，不再是达链一枝独秀。
1）达链Alpha机会继续
上个月笔者总结中说过，达链Beta行情没有了，看Alpha能力。然后市场挖掘了GB300的液冷和电源。
但由于大水牛，流动性太过充裕，几周时间把液冷未来1-2年业绩透支了，炒概念的更是透支不知道多少年。
客观讲，全球AI产业链细分龙头，如光模块龙头、PCB龙头，PE也着实不低了。
得益于AI产业高景气和流动性充裕，达链仍有Alpha机会可挖掘，考验投资者的行业研究深度，以及估值的不用角度的看待。
2）国产算力
基于前文分析，国产算力机会就简单了。
国产AI芯片正处于技术突破与生态落地的关键窗口期，UE8M0 FP8助力国产芯片加速追赶；
机构调研反馈的实际产业界进度包括：（不保证准确、仅供参考）
寒武纪：580及下一代产品690均支持FP8，当前690已顺利流片并进入到云商测试，反馈较好，预计整体出货25年20W，26年50W张。
昇腾：910D及920系列支持FP8，当前910D已成功回片进入到云商测试，预计910D系列26年30W张出货。
芯原股份：国内ASIC龙头，ZJ项目目前设计进展顺利，一批40-50万颗，后续有望提升至百万颗量级，同时二期ASIC启动设计。
FP8搭建起的新方舟，装得下的核心玩家是哪些，真正有基本面且估值能看的，NPU、CPU核心，如昇腾、中科曙光、海光、寒武纪等；
如果V3.1商业化应用顺利，大厂适配顺利，那么26年国产算力的核心公司，订单应该是确定性增量显著的，这次可能真有业绩，逻辑前文阐述过了；
如果国产算力芯片真能放量，那么国产液冷也会受益，光模块受益于全光方案，也会受益；
实际产业端上，25H2至26年，设备、材料、芯片全链条或受益于政策+需求驱动（如算力采购补贴倾斜国产）。
这里着重说的是估值，国产算力以前两大问题：估值高、业绩差；
那么业绩上如果开始兑现，具体估值上，投资者也要仔细辨别斟酌，比如82倍PE的中科曙光尚可的话，动态PE365的寒武纪如何看待，就见仁见智，因为理论空间确实也比较大。
3）AI应用侧、智能体及端侧
这部分可能是本文最大的题眼，是FP8标准的最大产业意义。
笔者一再强调投资的风格是产业投资。
25Q1本来就预计应用侧爆发，结果多种原因导致沉寂数月，最后还是不得已围绕着AI北美链做。
但AI投资的大机会一定在应用侧，尤其是C端的爆款何时能有？
FP8标准+高效率快反馈+低成本，就是为AI端侧及应用侧全面铺开打造的标准；
未来几年应该发生的是，家用电器、小到台灯、大道电视冰箱，会全部AI改造一遍，那么端侧SOC芯片，肯定要爆发，逻辑星辰大海；
应用侧里，由于部署及使用成本的绝对低，AI医疗、AI营销、AI基因测序、AI金融、AI教育等；
部分参考范围如下：（仅供关注范围的指引、具体企业要投资者具体评估、不作建议）
企业服务：1）办公：金山办公、福昕软件；2）编程：卓易信息；3）ERP：金蝶国际、用友网络、鼎捷数智；4）多模态：快手、万兴科技、美图公司、虹软科技、当虹科技；5）营销：迈富时、明源云；
应用场景：1）金融：东方财富、大智慧、同花顺；2）教育：科大讯飞；3）医疗：阿里健康、卫宁健康；4）电商：焦点科技；5）安全：深信服；6）工业：中控技术等。
AI应用的细分非常多，企业情况、生意模式、基本面和成长逻辑差异巨大，这就完全考验投资者的投研能力了；
这里提醒的还是基本面和估值，大部分企业还是BUG非常多，C端的AI应用企业，太少，也许真正的C端AI大牛还没出现，但一定会有；
B端的要仔细分辨，同时要注意，并不是AI赋能了，企业EPS就一定提升，比如AI可能给蓝色光标这种企业降本增效，但EPS持续提升需要需求侧持续发力，这点就与宏观复苏相关联；
端侧SOC的应用产品，比如消费电子、家用电器、AI手机、AI笔记本电脑等，也与需求侧关联，这些都要把握；
但逻辑上，以上这些细分是必然要爆发的产业趋势，当下的V3.1+FP8，催化作用多大，能否是商业化临界点，还要观察，但产业逻辑上是真实闭环的。
V3.1+FP8终于给AI产业投资带来了变化，带来了新增量，也给AI多点开花投资的局面提供了底层准备。
接下来观察V3.1实际对国产算力订单的影响、对AI产业端实际影响，如果过阵子再次“沉寂”，投资者就继续聚焦少数高景气即可。
如果一系列政策推动+商业落地+订单反馈，如果形成了正反馈，那么AI产业大潮中，对孕育非常多的投资机会，将会是AI投资者的盛宴。
以上仅为笔者基于投资者角度的个人思考，一家之言，不作投资建议。
云鹏 25.8.24
「风险提示：本文企业投研结论系个人投资笔记，个人观点仅供参考，不构成投资建议。数据基于公开数据和行业及券商研究报告。市场有风险，决策需谨慎」
「版权声明：原创内容未经许可禁止转载，侵权必究。如需使用，请联系作者获取许可，并注明来源」