社会服务行业点评：国产AI大模型迎突破进展，社服板块应用落地场景多元可期

请务必阅读正文之后的免责声明及其项下所有内容证券研究报告 | 2025年02月12日优于大市1社会服务行业点评国产 AI 大模型迎突破进展，社服板块应用落地场景多元可期 行业研究·行业快评 社会服务 投资评级：优于大市（维持）证券分析师：曾光0755-82150809zengguang@guosen.com.cn执证编码：S0980511040003证券分析师：钟潇0755-82132098zhongxiao@guosen.com.cn执证编码：S0980513100003证券分析师：张鲁010-88005377zhanglu5@guosen.com.cn执证编码：S0980521120002证券分析师：杨玉莹yangyuying@guosen.com.cn执证编码：S0980524070006事项：1、2025 年 1 月 20 日，DeepSeek 发布开源模型 R1，模型在数学、代码、自然语言推理等任务上性能可比肩 OpenAIo1 正式版，但服务定价远低于 OpenAI。2025 年 2 月以来，企业陆续宣布接入 DeepSeekR1 系统。2、国务院总理李强 2 月 10 日主持召开国务院常务会议，研究提振消费有关工作，提及支持新型消费加快发展，促进“人工智能+消费”，促进服务消费提质惠民，优化“一老一小”服务供给等。国信社服观点：1、国产大模型迎突破性进展，DeepSeek-R1 具备高性能、低成本、开源三大属性。DeepSeek-R1 问世，其开源属性为企业提供了技术底座，如教育机构可基开源代码定制学科知识库、教学场景交互逻辑等，人力资源机构也可针对招聘培训等垂直场景构建垂直助手。且 DeepSeek-R1 大模型单次训练和推理对算力的需求低，因此基于 DeepSeek-R1 二次训练的成本也更低，更有利于企业低成本训练及本地部署。简而言之，DeepSeek-R1 的突破性发展，直接降低了 AI 应用的研发落地成本，将加速 AI 技术在各行业的渗透。2、教育、人力资源服务、消费互联网平台是代表性落地场景。1）教育行业：低成本扩大优质教育资源供给。答疑模型（最常见）、虚拟教师、AI 录播课等是主流 AI+教育产品落地形式，该产品以极低的边际成本为学生提供教学资源，极大程度降低人工依赖，使得“规模化因材施教”逐渐成为现实，最终实现教育公平与品质升级。考虑到 AI 存在数据飞轮效应，有先发优势的教育公司率先实现用户数据触达，这对后续进一步训练模型、挖掘新消费场景有重要意义。2）人力资源行业：AI 赋能下的招聘效率提升是核心看点。据科锐国际披露的业务进展，AI 招聘模型能深刻理解岗位需求和候选人简历中复杂语义关系，且针对不同层次的岗位，招聘模型有望提供差异化的解决方案。如针对偏初级岗位的招聘，AI 技术强调自动化，而在中高端岗位招聘领域，AI 技术则更强调辅助，帮助猎头顾问更精准地定位目标候选人。最终达成招聘效率的进一步提升。3）消费互联网龙头：得益于垂直领域数据积累，在线消费平台也是 AI 应用落地的重要场景，且近两年龙头布局有所加速。一方面，AI 技术有利于提升产业链的服务或者运营效率。另一方面，在平台流量趋于常态化增长的现在，AI 模型为用户提供更丰富的交互内容，将带来平台付费转化效率提升。3、投资建议：国产大模型的突破发展带动下，AI 应用研发和使用成本显著降低，垂类模型加速发展渗透，其中教育、人力资源服务、消费互联网平台是代表性的落地场景。按照 AI 技术的布局进度以及赋能路径，我们梳理以下三大方向作为选股配置思路。其一建议关注已有 AI 产品实质性推进的企业，且产品在经营收入或利润中已有一定贡献的标的，如好未来、有道、盛通股份、新东方-S、科德教育（参股芯片公司）、粉笔等；其二，考虑到 2025 年是 AI 产品加速落地的一年，建议关注存在 AI 产品落地预期或加速放量的标的，如豆神教育、天立国际控股、昂立教育、传智教育等；其三，AI 技术对企业降本提效或中线商业模式重构存在巨大推动作用，我们建议关注科锐国际、同道猎聘、中公教育、学大教育、行动教育以及消费互联网龙头如美团-W、携程集团-S、同程旅行、KEEP、BOSS 直聘等。同时建议关注全球 AI 在线教育龙头多邻国（DUOL.O），其商业模式的迭代、业绩和股价表现都会对中国教育公司带来共振。4、风险提示：产品研发不及预期、市场需求不及预期、大模型商业落地不及预期。请务必阅读正文之后的免责声明及其项下所有内容证券研究报告2评论： DeepSeek-R1 模型开源、轻量化架构、CoT 能力（思维链能力）突出模型开源，对垂直领域企业而言具有可得性。DeepSeek-R1 模型的开源属性为企业提供了高度灵活的技术底座。教育机构可基于开源代码定制学科知识库、教学场景交互逻辑，例如开发数学解题的分步骤解答框架；人力资源服务企业则可针对招聘、培训等垂直场景优化意图识别模块，构建行业垂直助手。轻量化架构适配企业低成本训练及本地部署。DeepSeek 通过可验证奖励的 GPRO、多头注意力机制以及DualPipe 方法（援引自腾讯研究院，此处不过多展开）实现算法优化，降低模型单次训练和推理对算力的需求，基于 DeepSeek 二次训练的成本也更低。同时模型本地部署也可在边缘设备（如校园本地服务器、企业办公终端、消费电子硬件）高效运行，本地部署意味着企业使用时对其数据、硬件和软件配置拥有完全的控制权，同时端侧使用也可避免网络拥堵等现象。图1：Deepseek 调用价格远低于 OpenAI GPT4o 及 o1图2：以有道小 P 为例，目前已接入 DeepSeek 可展示思考过程资料来源：OpenAI、DeepSeek 官网，国信证券经济研究所整理资料来源：网易有道，国信证券经济研究所整理DeepSeek 等深度推理模型最为核心特征在于优化 CoT 能力后，可展现思考过程、分步骤提供解决方案。深度优化的 CoT（思维链）能力使模型突破在交流时不单单提供最终答案，而是展现出类人类的推理过程拆解能力。这意味着：1）对使用者给出规范化提示词的要求降低。在处理复杂问题时，LLM 模型要求使用者给出详尽的提示词以进行信息匹配，进而使用者给出的提示词一定程度会影响模型处理任务的效果。而 DeepSeek 等深度推理模型即使提示词不够详尽也能根据已知信息推断出合适的回答或解决方案。2）完整逻辑分析链条在解决数学等复杂逻辑问题时更具优势。相较于传统 LLM 依赖统计模式匹配的解题方式，深度推理模型能够解析数学公式的语法结构，并在多步推导中保持严格的逻辑一致性。表1：子曰 o1 及其他不同模型在数学相关测试任务上的成绩对比表K12-数学（内部测试集）数学 500高考客观题主观题理科数学文科数学理科数学文科数学GPT-4o59.4160.3*77.5785.3255.9262.63o1-preview/85.5*////o1-mini85.7190.9*96.7398.6273.6181.79DeepSeek-R188.12/////Qwen2.5-14B-Instruct（阿里千问通义）65.3576.283.6489.4553.6662.47C