人們以為DeepSeek的開源周，五連發到上周五已經結束，卻沒有想到，它周六又來了一個one more thing，把AI開放拉滿到一個新的境界：公布推理成本和收入利潤！

DS計算，如果每一次推理服務都能收到錢，公司日進賬約410萬元人民幣，年化收入近15億元，V3/R1的理論 成本利潤率（收入除以成本）達到545%！不過OpenAI人員很快指出這可能存在誤導，如果用正常的利潤率計算，相當于推理部分的 毛利率達到了84%。

嗯，這也不低。

而就在頭一天，OpenAI發布了最大最貴、情商最高的GPT-4.5，其價格是4o和Claude的15-20倍，是DS的200-1000倍！孫正義正準備投資OpenAI數百億美元，他會后悔嗎？

DS公布解決了三大問題：大規模跨節點專家并行，計算-通信重疊，最佳負載平衡，從而實現了推理更高的吞吐量和更低的延遲。跑在H800上的token輸出速度達到了20-22 token每秒。

（*理論收入 依據 R1 標準 API 定價計算，涵蓋 Web、APP 和 API 端的所有 token 計算量，并非實際收入）

DS估值至少百億美元

這一結果再次引爆了AI圈。美國的AI企業過去的一周肯定都在抄DS的作業，之后中國的開源AI將會以更快的加速度創新，美國和中國，要比學趕超了。

DS再一次激發對于算力的需求的質疑和重估。有人靜態地算了筆賬，如果達到這樣的效率，全中國只需要25萬張GPU就可以解決AI推理需求了。當然，還是需要動態地估算，成本下降了，會加快技術的部署和商品化，人們使用更多，也會推高對GPU的需求。但是，之前的估算，許多前提假設也都將修正。

這可能讓不少風險投資大佬有些抓狂，之前給那些AI企業的投資，都是建立在前沿大模型的護城河的假設之上，但是，DS似乎在毀掉護城河，因為它一周內”把大模型的秘方快遞到了每個人的家門口“，可能會抹去一些AI企業的估值。

還有對DS的估值。MenloVenture投資人Deedy Das認為，DS在硅谷就是一家價值超過百億美元的獨角獸公司。

以技術和工程提升毛利率

具體而言，DS采用了一種被稱為跨節點專家并行（Expert Parallelism）的方法，簡稱EP，提高GPU在推理時的吞吐量，并減低延遲。

EP 顯著擴大了批量大小，提高了 GPU 矩陣計算效率并提高了吞吐量。EP 又能將專家分布在 GPU 上，每個 GPU 只處理一小部分專家（減少內存訪問需求），從而降低延遲。

但是，EP又增加了系統的復雜性，它引入了跨節點通信，為了優化吞吐量，DS設計出的計算工作流程，能將通信與計算重疊。

EP又涉及多個節點，本質上需要數據并行 (DP) ，DS實現了不同的 DP 實例之間進行負載平衡。

（DS在線推理系統圖）

具體技術細節，可以在開源周的One More Thing獲得 : https://github.com/deepseek-ai/open-infra-index/tree/main/202502OpenSourceWeek

在白天的波峰時段，所有節點都會處理推理請求。在晚上，當推理需求下降時，資源重新分配到研究和訓練任務上。根據每天在線的”波峰“與”波谷“期所占有的H800節點數量，DS計算了它的每天總成本：

DS選擇的上周五的24 小時內（UTC+8 2025 年 2 月 27 日 12:00 PM 至 2025 年 2 月 28 日 12:00 PM），V3 和 R1 推理服務的合并峰值節點占用總數達到 278，平均占用率為 226.75 個節點（每個節點包含 8 塊 H800 GPU）。假設一塊 H800 GPU 的租賃成本為每小時 2 美元，則每天的總成本為 87,072 美元。

DS這樣綜合統計V3和R1:

? 總輸入token數：608B，其中 342B 個token（56.3%）命中磁盤 KV 緩存。

? 總輸出 token 數：168B，平均輸出速度為 20-22 個 token/s，平均每個輸出 token 的 kvcache (健值緩存） 長度為 4989 個 token。

? 每個 H800 節點在預填充期間提供平均約 73.7k 個token/秒的輸入（包括緩存命中），或在解碼期間提供平均約 14.8k 個token/秒的輸出。 平均每個用戶請求的輸出速度，可以達到20-22token每秒。

以上數據包括所有來自網頁、APP、API的用戶請求，若所有代幣按照DeepSeek-R1定價計費（*），則日總收益為562,027美元，成本利潤率為545%。

R1 定價：0.14 美元/M 輸入token（緩存命中）、0.55 美元/M 輸入token（緩存未命中）、2.19 美元/M 輸出token。

然而，DS的實際收入遠低于此，因為DeepSeek-V3 的定價明顯低于 R1；網頁和APP訪問占了服務的大頭，仍然免費；夜間的應用“波谷”時段價格打了折扣。

語言模型沒有護城河

AI公司披露成本和潛在收入及盈利數據，這非常罕見，連科技巨頭都吞吞吐吐。盡管DS公布的是理論上的推測數量，但它為研究人工智能的成本和潛在盈利能力，提供了一種重要參考。

從DS不同尋常的透明度中，也可以看出行業動態：雖然AI模型理論上可以產生可觀的利潤率，但要獲得這種價值卻很困難。在市場競爭、分級定價結構和提供免費服務的需求之間，實際利潤往往會大幅縮水。

從 OpenAI 到 Anthropic 等公司都在嘗試各種盈利模式，從訂閱制到按使用收費再到收取許可費，它們競相打造越來越復雜的人工智能產品。但投資者對這些商業模式及其投資回報率提出了質疑，能否在短期內實現盈利，一直令人放心不下。

相比之下，OpenAI 最近的定價策略尤其值得關注，最新的GPT-4.5 的價格遠高于其前代產品和 DS等競爭對手，盡管性能改進不大。

DS的數據表明，語言模型正在演變為商品服務，高價不再反映實際的性能優勢。這給 OpenAI 等硅谷AI公司帶來了額外壓力，它們多數都虧損了數十億美元，面臨著巨大的運營成本。

OpenAI 已經感受到了巨大的壓力，難怪 GTM 經理 Adam Goldberg 最近強調AI 的成功需要控制整個價值鏈（從基礎設施和數據到模型和應用程序）。隨著語言模型商品化，競爭優勢可能不再在于模型本身，而在于公司在整個技術堆棧中進行集成和優化的能力。

參考：

https://github.com/deepseek-ai/open-infra-index/blob/main/202502OpenSourceWeek/day_6_one_more_thing_deepseekV3R1_inference_system_overview.md#large-scale-cross-node-expert-parallelism-ep

https://the-decoder.com/deepseeks-language-models-could-deliver-massive-profits-even-priced-far-below-openai/