接下来人工智能和算力还有一个催化，就是DeepSeek R2，摩根士丹利近期对R2的“提前剧透”引发了广泛关注，1、 技术参数与架构创新
1）参数规模与架构：R2参数量达到1.2万亿，是前代R1（6710亿）的1.8倍，但通过Hy-b-r-id MoE 3.0架构动态激活每次推理仅需780亿参数。这种设计既保持模型能力，又实现计算资源极致压缩，支持8-bit量化后模型体积缩小83%，边缘设备可运行。
2）硬件转向国产化：摩根士丹利特别指出，R2抛弃了英伟达H100芯片，转而采用某B进行训练和推理，实测推理性能达到NV-I-D-IA A100的91%。
2、成本与性能突破
1）成本大幅下降：R2的推理成本显著优化，输入成本降至每百万to-k-en 0.07美元（对比GPT-4 Tu-r-bo降低97.3%），输出成本从R1的2.19美元暴降至0.27美元。摩根士丹利认为这将推动生成式AI的“民主化”，使高性能模型触达更广泛用户。
2）多模态能力增强：R2首次实现文本、图像、语音、视频全模态处理，在CO-CO图像分割任务中精度达92.4%，超越CL-IP模型11.6%。同时，多语言推理能力扩展至中文、日语等非英语场景。
对于算力硬件，以及大模型训练领域是利好。