1 DeepSake影响AI投资市场。

王悦介绍了DeepSake通过模型和算法优化推动AI应用落地，并展示了其与OpenAI等模型的不同之处他强调AI投资依然火热，特别是在端侧和云端部署方面朱成泽分析了近期DeepSake和AI投资行情，提醒投资者理性投资。

2 DeepSak的投资价值分析。

王悦介绍了DeepSak的发布历程和其在AI领域的创新，包括低成本训练和开源策略他提到DeepSak在670亿参数上的大模型训练，以及后续发布的多个版本，如V3和IE模型，这些模型在性能和价格上具有竞争力王悦还讨论了DeepSak在海外市场的应用和科技界的反响，以及硬件厂商如英伟达和AMD对其的支持他展望了DeepSak在移动终端上的潜在优化和部署。

3 DeepSeek算法创新显著。

王悦介绍了DeepSeek在算法层面的创新，包括多标记预测（MTP）和多头潜在注意力（MLA）MTP允许模型一次性输出多个token，提高了效率和GPU使用率MLA则通过专门的备餐站减少记忆需求，优化了上下文匹配和用户体验这些创新提升了DeepSeek的性能和算力使用效率。

4 王悦解析芯片架构与内存优化。王悦详细介绍了英伟达最新GPU芯片的架构变化，特别是内存容量的提升对训练和推理算力的影响。他强调了单卡内部内存带宽的重要性，并探讨了如何通过算法优化和部署来最大化数据训练效率。此外，他还提到了deep

sick和MOE专家混合模型，类比为不同厨师擅长不同菜肴，根据任务需求激活相应专家处理问题。

5 专家混合实现算法优化。

王悦介绍了专家混合在算法优化中的应用，通过深度思考和联网搜索功能提升智能性他提到FP8精度在数据训练中的优势，相比FP16和MP32，FP8减少了内存占用，提高了处理效率王悦用厨师做菜的比喻，说明FP8在模糊处理中的高效性，最终实现标准化的结果。

6 算法优化提升模型效率。

王悦介绍了通过算法优化和FP8训练提升模型精度和效率的方法FP8训练提高了内存和通信效率，降低了硬件投入结合MTP批量应用和算法优化框架，实现了更快训练和推理，减少算力消耗微调和策略优化降低了数据标注成本，提升了模型效果这些优化使模型在资源有限的情况下，能够快速处理大量训练需求，对标国际领先大模型。

7 大模型提升推理能力。王悦分享了PPC生成数据在微调小型模型中的应用优势，指出大模型推理能力对整体推理效果的提升。他提到deep

sick上线后用户增长迅速，国内外厂商纷纷接入，推动了AI应用落地。王悦还分析了deep

8 大模型推动国内降本增效。

王悦指出，大模型训练和部署门槛降低，国内AI产业链需求快速增长海外龙头在数据、人才、资金等方面有优势，但国内在算法创意上可能实现接近效率下的低成本。

9 AI投资未来趋势。王悦介绍了AI技术在端侧部署的潜力，特别是deep

sick模型的应用，能够通过本地部署和定制化语料库提升AI助手的个性化服务能力。他提到国内算力和端侧大模型的发展将推动AI投资生态的多样化，并建议投资者关注科技成长类基金，如民生加银的聚优精选和持续成长基金，同时提醒投资者根据自身风险承受能力进行理性投资。