新智元報道

編輯：Aeneas 好困

【新智元導讀】曾以低價高性能震撼市場的DeepSeek，為何在自家平臺遇冷，市場份額下滑？背后隱藏的「Token經濟學」和這場精心策劃的戰略轉移，正悄然改變著AI的價值鏈與分發模式。

最近，全世界的大廠都在蠢蠢欲動了！

GPT-5、Grok 4，甚至Claude，都已經紛紛有了消息，一場惡戰仿佛就在眼前！

DeepSeek這邊，似乎也有新動靜了。

就在昨天，一個疑似DeepSeek的新模型現身LM Arena。

也有人猜測，這個模型更可能是DeepSeek V4，而DeepSeek R2會稍后發布。

套路很可能和之前是一樣的，先在第一個月發布V3，然后在下個月發布R1。

所以，曾經轟動全球AI圈的中國大模型DeepSeek R1，如今怎樣了？

到今天為止，DeepSeek R1已經發布超過150天了。

當時一經問世，它就以OpenAI同等級的推理能力和低90%的價格而迅速出圈，甚至一度撼動了西方的資本市場。

可是如今，它在用戶留存和官網流量上卻雙雙遇冷，市場份額持續下滑。

DeepSeek就這樣曇花一現，紅極一時后迅速衰落了？

其實不然，在這背后，其實隱藏著另一條增長曲線——

在第三方平臺上，R1已經成爆炸性增長，這背后，正是折射出AI模型分發與價值鏈的悄然變革。

SemiAnalysis今天發布的這篇文章，挖出了不少一手的內幕信息。

DeepSeek，盛極而衰？

DeepSeek發布后，消費者應用的流量一度激增，市場份額也隨之急劇上升。

為此，SemiAnalysis做出了下面這份統計曲線。

當然，他們也承認，由于中國的用戶活動數據難以追蹤，且西方實驗室在中國無法運營，下面這些數據實際上低估了DeepSeek的總覆蓋范圍。

不過即便如此，曾經它爆炸性的增長勢頭也未能跟上其他AI應用的步伐，可以確定，DeepSeek的市場份額此后已然下滑。

而在網絡瀏覽器流量方面，它的數據就更為慘淡了：絕對流量一直在下降，但其他頂尖模型的用戶數卻噌噌飛漲，十分可觀。

不過，雖然DeepSeek自家托管模型的用戶增長乏力，但在第三方平臺那里，就完全是冰火兩重天了。

可以看到，R1和V3模型的總使用量一直在持續快速增長，自R1首次發布以來，已經增長將近20倍！

如果進一步深挖數據，就會發現：只看由DeepSeek自己托管的那部分Token流量，那它在總Token中的份額的確是逐月下降的。

那么，問題來了：為何在DeepSeek模型本身越來越受歡迎、官方價格非常低廉的情況下，用戶反而從DeepSeek自家的網頁應用和API流失，轉向了其他開源提供商呢？

SemiAnalysis點出了問題關鍵——

答案就在于「Token經濟學」，以及在平衡模型服務的各項KPI時所做的無數權衡。

這些權衡意味著，每個Token的價格并非一個孤立的數字，而是模型提供商根據其硬件和模型配置，在對各項KPI進行決策后得出的最終結果。

Token經濟學基礎

我們都知道，Token是構成AI模型的基本單元。AI模型通過讀取以Token為單位的互聯網信息進行學習，并以文本、音頻、圖像或行為指令等Token形式生成輸出。

所謂Token，就是像「fan」、「tas」、「tic」這樣的小文本片段。LLM在處理文本時，并非針對完整的單詞或字母，而是對這些片段進行計數和處理。

這些Token，便是老黃口中數據中心「AI工廠」的輸入和輸出。

如同實體工廠一樣，AI工廠也遵循一個「P x Q」（價格 x 數量）的公式來盈利：其中，P代表每個 Token的價格，Q代表輸入和輸出Token的總量。

但與普通工廠不同，Token的價格是一個可變參數，模型服務商可以根據其他屬性來設定這個價格。

以下，就是幾個關鍵的性能指標（KPI）。

• 延遲（Latency）或首個Token輸出時間（Time-to-First-Token）

指模型生成第一個Token所需的時長。這也可以理解為模型完成「預填充」階段（即將輸入提示詞編碼到KVCache中）并開始在「解碼」階段生成第一個Token所需的時間。

• 吞吐量（Throughput）或交互速度（Interactivity）

指生成每個Token的速度，通常以「每個用戶每秒可生成的Token數量」來衡量。

當然，有些服務商也會使用其倒數——即生成每個輸出Token的平均間隔時間（Time Per Output Token, TPOT）。

人類的閱讀速度約為每秒3-5個單詞，而大部分模型服務商設定的輸出速度約為每秒20-60個Token。

• 上下文窗口（Context Window）

指在模型「遺忘」對話的早期部分、并清除舊的Token之前，其「短期記憶」中能夠容納的Token數量。

不同的應用場景需要大小各異的上下文窗口。

例如，分析大型文檔和代碼庫時，就需要更大的上下文窗口，以確保模型能夠對海量數據進行連貫的推理。

對于任何一個給定的模型，你都可以通過調控這三大KPI，設定出幾乎任何價位的單位Token價格。

因此，單純基于「每百萬Token的價格」（$/Mtok）來討論優劣，并沒有什么意義，因為這種方式忽略了具體工作負載的性質，以及用戶對Token的實際需求。

DeepSeek的策略權衡

所以，DeepSeek在R1模型服務上采用了何種Token經濟學策略，以至于市場份額會不斷流失？

通過對比延遲與價格的關系圖，可以看到，在同等延遲水平上，DeepSeek的自有服務已不再是價格最低的選擇。

事實上，DeepSeek之所以能提供如此低廉的價格，一個重要原因在于，用戶等待數秒后，才能收到模型返回的第一個Token。

相比之下，其他服務商的延遲會短得多，價格卻幾乎沒有差別。

也就是說，Token消費者只需花費2-4美元，就能從Parasail或Friendli這類服務商那里，獲得近乎零延遲的體驗。

同樣，微軟Azure的服務價格雖比DeepSeek高2.5倍，但延遲卻減少了整整25秒。

這樣看來，DeepSeek現在面臨的處境就尤為嚴峻了。

原因在于，現在幾乎所有托管R1 0528模型的實例都實現了低于5秒的延遲。

沿用同一圖表，但這次我們將上下文窗口的大小用氣泡面積來表示。

從中可以看到，DeepSeek為了用有限的推理算力資源來提供低價模型，所做的另一項權衡。

他們采用的64K上下文窗口，幾乎是主流模型服務商中最小的之一。

較小的上下文窗口限制了編程等場景的發揮，因為這類任務需要模型能夠連貫地記憶代碼庫中的大量Token，才能進行有效推理。

從圖表中可見，若花費同樣的價格，用戶可以從Lambda和Nebius等服務商那里獲得超過2.5倍的上下文窗口大小。

如果深入硬件層面，在AMD和英偉達芯片上對DeepSeek V3模型的基準測試，就可以看清服務商是如何確定其「每百萬Token價格」（$/Mtok）的——

模型服務商會通過在單個GPU或GPU集群上同時處理更多用戶的請求（即「批處理」），來降低單位Token的總成本。

這種做法的直接后果，就是終端用戶需要承受更高的延遲和更慢的吞吐量，從而導致用戶體驗急劇下降。

之所以DeepSeek完全不關心用戶的體驗到底如何，實際上是一種主動作出的戰略選擇。

畢竟，從終端用戶身上賺錢，或是通過聊天應用和API來消耗大量Token，并不是他們的興趣所在。

這家公司的唯一焦點就是實現AGI！

而通過采用極高批處理方式，DeepSeek可以最大限度地減少用于模型推理和對外服務的計算資源消耗，從而將盡可能多的算力保留在公司內部，從而用于研發。

另外還有一點：出口管制也限制了中國AI生態系統在模型服務方面的能力。

因此，對DeepSeek而言，開源就是最合乎邏輯的選擇：將寶貴的計算資源留作內部使用，同時讓其他云服務商去托管其模型，以此贏得全球市場的認知度和用戶基礎。

不過，SemiAnalysis也承認，這卻并沒有削弱中國公司訓練模型的能力——無論是騰訊、阿里、百度，還是小紅書最近發布的新模型，都證明了這一點。

Anthropic也一樣？

和DeepSeek一樣，Anthropic的算力也是同樣受限的。

可以看到，它產品研發的重心顯然放在了編程上，而且已經在Cursor等應用中大放異彩。

Cursor的用戶使用情況，就是評判模型優劣的終極試金石，因為它直接反映了用戶最關心的兩個問題——成本與體驗。

而如今，Anthropic的模型已雄踞榜首超過一年——在瞬息萬變的AI行業里，這個時長仿佛已經如十年。

而在Cursor上大獲成功后，Anthropic立馬順勢推出了Claude Code，一款集成在終端里的編程工具。

它的用戶量一路飆升，將OpenAI的Codex模型遠遠甩在身后。

為了對達Claude Code，谷歌也緊急發布了Gemini CLI。

它與Claude Code功能相似，但因為背靠谷歌TPU，卻有非凡的算力優勢——用戶能免費使用的額度，幾乎無上限。

不過，盡管Claude Code的性能和設計都十分出色，價格卻不菲。

Anthropic在編程上的成功，反而給公司帶來了巨大壓力——他們在算力上已經捉襟見肘。

這一點，在Claude 4 Sonnet的API輸出速度上就已經體現得淋漓盡致。自發布以來，它的生成速度已下降了40%，略高于每秒45個Token。

背后的原因，也和DeepSeek如出一轍——為了在有限的算力下處理所有涌入的請求，他們不得不提高批處理的速率。

此外，編程類的使用場景往往涉及更長的對話和更多的Token數量，這就進一步加劇了算力的緊張狀況。

無論是何種原因，像o3和Gemini 2.5 Pro這類對標模型的運行速度要快得多，這也反映出OpenAI和谷歌所擁有的算力規模要龐大得多。

現在，Anthropic正集中精力獲取更多算力，已經和亞馬遜達成了協議。它將獲得超過五十萬枚Trainium芯片，用于模型訓練和推理。

另外，Claude 4模型并非在AWS Trainium上預訓練的，而是在GPU和TPU上訓練。

速度劣勢可由效率彌補

Claude 的生成速度雖然暴露了其算力上的局限，但總體而言，Anthropic的用戶體驗（UX）要優于 DeepSeek。

• 首先，其速度雖然偏低，但仍快于DeepSeek的每秒25個Token。

• 其次，Anthropic的模型回答同一個問題所需的Token數量遠少于其他模型。

這意味著，盡管生成速度不占優，用戶實際感受到的端到端響應時間反而顯著縮短了。

值得一提的是，在所有領先的推理模型中，Claude的總輸出Token量是最低的。

相比之下，Gemini 2.5 Pro和DeepSeek R1 0528等模型的輸出內容，「啰嗦」程度都是Claude的三倍以上。

Token經濟學的這一方面揭示出，服務商正在從多個維度上改進模型，其目標不再僅僅是提升智能水平，而是致力于提高「每單位Token所承載的智能」。

隨著Cursor、Windsurf、Replit、Perplexity等一大批「GPT套殼」應用（或稱由AI Token驅動的應用）迅速流行并獲得主流市場的認可。

我們看到，越來越多的公司開始效仿Anthropic的模式，專注于將Token作為一種服務來銷售，而不是像ChatGPT那樣以月度訂閱的方式打包。

參考資料：

https://semianalysis.com/2025/07/03/deepseek-debrief-128-days-later/