智通財經APP獲悉，華泰證券發佈研報稱，5月6日，DeepSeek發佈最新MoE模型DeepSeek-V2（32K上下文），刷新了模型API定價：輸入￥1元/M tokens、輸出￥2元/M tokens。緊接着，智譜、阿里(09988)、百度(09888)、騰訊(00700)、訊飛(002230.SZ)等廠商均宣佈旗下模型API降價，部分降價幅度高達100%。華泰證券深入拆解了各家API產品矩陣，發現降價的主要是輕量級模型，對於高併發B端用戶或影響不大。華泰證券認爲，API降價將吸引更多的ISV開發AI相關應用，有望提高Super App出現概率，建議關注算力和應用相關公司。
華泰證券主要觀點如下：
降價以入門級輕量API爲主，可以從技術優化和生態搶佔來解釋
降價廠商中，智譜、百度和訊飛主要降價產品爲輕量版；阿里和騰訊則將旗下全部模型進行降價，降價幅度不等。字節爲首次定價，價格較低。可以看出，降價幅度和範圍較大的主要是互聯網企業，其資源更加豐富。分析降價原因，一方面，DeepSeek V2證明了，確實可以通過注意力機制優化，大大減少所需緩存的量，降低成本和提高效率。另一方面，即使沒有技術上的降價邏輯，通過降價手段吸引開發者，目前看仍是搶佔生態的重要手段。
從技術層面降低模型推理成本，核心在於優化KV cache
目前，大模型的長文本支持能力已成爲趨勢。在推理長文本時，需要首先將文本預填充到GPU的HBM中，然後再解碼出token。其中預填充速度主要受GPU計算能力影響，解碼速度受HBM帶寬影響。當文本很長時，KV cache將佔用HBM相當大的空間，導致用戶併發性下降，且解碼耗時更長。用戶併發性下降，還將帶來新的問題，即需要從HBM上“卸載”暫時不用的KV cache，再“加載”下一個用戶的KV cache，帶來新的耗時。因此，降低KV cache是優化關鍵。
典型優化方法：壓縮KV cache，或採用全局KV cache
該行研究了近期DeepSeek V2和微軟的YOCO典型的KV cache壓縮方法，代表兩種流派。DeepSeek V2引入多頭隱注意力（MLA）機制，不再緩存全部的KV，而是用隱向量來壓縮KV，與Transformer原始的多頭注意力相比，KV cache可以減少90%以上。微軟的YOCO則將Decoder架構一切爲二，下半部分負責用高效的注意力機制產生全局KV cache，上半部分則直接使用全局KV cache，不再需要額外計算，也大大降低了緩存量。
模型降價有望利好算力和應用，建議關注相關產業鏈公司
該行認爲，模型降價將吸引更多的開發者開發AI應用，或進一步提振算力需求，提升Super App出現概率，建議關注：1）AI服務器相關公司；2）AI應用相關公司。