自从荣耀独立以来，关于其上市的传闻就从未停歇，不过这一次走到了关键的一步。

有媒体引述知情人士消息，从华为分拆出来的智能手机制造商荣耀(Honor)，自今年第四季度启动股份制改造以来进展顺利，股改已于12月28日完成，荣耀终端公司名称变更为“荣耀终端股份有限公司”。 

2020年，荣耀从华为体系完全剥离出来开始独立运营。根据IDC数据，2024上半年中国大陆智能手机市场以出货量计算，荣耀的市场份额为15.7%，以销售额计算荣耀的市场份额为10.7%。

消息表示，本次股份制改造涉及公司形式及名称变更，不影响荣耀的日常经营。股改完成后，荣耀将适时启动IPO流程，将在相应的过程中披露进一步消息，为实现公司下一阶段的策略发展，荣耀将通过首发上市推动公司登陆资本市场。

天眼查信息显示，荣耀终端有限公司注册地址位于广东省深圳市，法定代表人为吴晖，注册资本约322亿元。

目前荣耀股东层由23家股东组成，包括深圳市智信新信息技术有限公司、深圳市鹏程新信息技术合伙企业（有限合伙）、深圳国资协同发展私募基金合伙企业（有限合伙）、国信资本有限责任公司、京东方科技集团股份有限公司以及中国移动、中国电信等。

2023年11月，荣耀借壳上市的传闻引发市场关注，深城交、深振业A、天威视讯等多股大涨。但随着荣耀否认借壳上市，相关概念股股价大幅回落。

荣耀CEO赵明此前曾确认“我们肯定在中国上市，借壳上市从来不是荣耀的选择”。

此前有媒体报道称，一份荣耀Pre-po融资计划显示，荣耀拟于2024年递交材料申报创业板上市，Pre-ipo轮估值为2000亿元。

荣耀股改完成的消息很有可能会再次刺激市场的炒作情绪， A股有不少公司参股荣耀或者与荣耀有业务方面的合作，可能会受到市场的关注。

12月26日晚，国产AI大模型DeepSeek-V3版本正式发布，这一模型来自头部量化投资机构——幻方量化。

通过算法和工程上的创新，DeepSeek-V3 的生成吐字速度从 20 TPS 大幅提高至 60 TPS，相比 V2.5 模型实现了3倍的提升，为用户带来更加迅速流畅的使用体验。当前版本的 DeepSeek-V3 暂不支持多模态输入输出。

在多项基准测试中，DeepSeek-V3的成绩超越了Qwen2.5-72 B和Llama-3.1-405 B等其他开源模型，并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。

在数学能力方面，DeepSeek-V3大幅超过了所有开源闭源模型。在Aider多语言测试排行榜中，DeepSeek-V3以48.4分排名第二，仅次于OpenAlo1的61分。而在LiveBench的测评中，DeepSeek v3是最强的开源大语言型，并在非推理模型中，排名第二。

来源：DeepSeek公众号

官方介绍，通过在算法、框架和硬件方面的协同优化，DeepSeek V3的训练成本变得非常经济。

值得注意的是，根据其技术报告，作为一个超过700B参数的大模型，他的GPU用量、GPU小时数都远远低于Meta的Llama-3-405B：GPU数量大约是1/8，GPU小时数量大约是1/11。

简单来说，相对于其它前沿大模型，DeepSeek-V3 消耗的训练计算量较少，但其性能却能够比肩乃至更优；这一度引发了市场对算力需求的担忧，周五A股下午一点半中科曙光、澜起科技、龙芯中科、景嘉微等算力相关个股出现跳水。

广发证券报告表示，DeepSeek-V3算力成本降低的原因有两点。第一，DeepSeek-V3采用的DeepSeek MoE是通过参考了各类训练方法后优化得到的，避开了行业内AI大模型训练过程中的各类问题。第二，DeepSeek-V3采用的MLA架构可以降低推理过程中的kv缓存开销，其训练方法在特定方向的选择也使得其算力成本有所降低。

不过，有业内人士表示，DeepSeek-V3本身是一个垂类的模型，并不是OpenAl、Gemini、豆包等通用大模型。是针对特定任务和设计进行的，旨在提高效率的同时保持高性能。

除此之外，它的训练时间减少和算力需求降低，主要得益于算法优化、硬件适配和模型架构改进。然而，这并不意味着 AI训练对算力的要求普遍降低，因为 AI领域的整体趋势仍然是模型规模和复杂性不断增加。

DeepSeek-V3体验地址：chat.deepseek.com

论文链接：https://github.com/deepseek-ai/DeepSeek-V3/blob/main/DeepSeek_V3.pdf

12月27日，上海市印发《关于人工智能“模塑申城”的实施方案》。《实施方案》提出，到2025年底，建成世界级人工智能产业生态，力争全市智能算力规模突破100EFLOPS，形成50个左右具有显著成效的行业开放语料库示范应用成果，建设3-5个大模型创新加速孵化器，建成一批上下游协同的赋能中心和垂直模型训练场。

其中提到，打造超大规模自主智算集群。建设自主可控智算支撑底座，支撑全市人工智能创新应用的算力需求。加快通用图形处理器、专用集成电路、可编程门阵列等自主智算芯片攻关，强化分布式计算框架、并行训练框架等自主软件研发。建设自主智算软硬件适配中心，推进自主智算芯片测试和集群验证。培育智算云服务商，探索训推一体的服务模式。优化市级智能算力公共服务平台，提升算力资源统筹调度能力。提升绿电供给能力，降低全市各类智算中心用电成本。

其中还提到，依托头部企业和科研机构，打造虚实融合的超大型实训场，建设支撑实训场的高性能计算集群、高精度三维建模和高质量训练数据集，创建与物理实体对应的高精度仿真环境和仿真训练系统，搭建超大规模城市级的模拟应用场景，率先赋能具身智能、自动驾驶等大模型实训。