在众人以为DeepSeek的开源周已经落下帷幕之时，一场突如其来的“One More Thing”再次将科技界的目光聚焦于此。3月1日，DeepSeek宣布了一项令人瞠目结舌的消息——其V3/R1推理系统的成本利润率竟高达惊人的545%。这一数据的公布，不仅在行业内引起了轩然大波，更让人们对AI大模型的盈利闭环充满了无限遐想。
据DeepSeek官方发布的《DeepSeek-V3/R1推理系统概览》一文显示，在假定GPU租赁成本为2美元/小时的前提下，DeepSeek V3/R1推理系统的日均成本为87072美元。然而，若按照DeepSeek R1的定价计算，其单日理论收入竟高达562027美元，成本利润率因此飙升至545%。这一数字的出现，无疑是对AI大模型商业可行性的一次有力证明。
DeepSeek之所以能够取得如此惊人的成本利润率，关键在于其V3/R1推理系统在技术上的深度优化。该系统采用了大规模跨节点专家并行（Expert Parallelism / EP）策略，通过大幅增加batch size和提高GPU矩阵乘法的效率，实现了更大的吞吐；同时，通过将专家分散在不同的GPU上，降低了每个GPU的访存需求，进而减少了延迟。这一系列技术举措，不仅提升了系统的整体性能，更为其高效盈利奠定了坚实基础。
然而，EP策略的实施并非易事。为了优化吞吐，DeepSeek需要设计复杂的计算流程，确保传输和计算能够同步进行；此外，由于EP涉及多个节点，因此天然需要数据并行（Data Parallelism / DP），而不同DP之间则需要进行负载均衡。针对这些挑战，DeepSeek展示了其深厚的技术积累和创新实力。通过双batch重叠来掩盖通信开销、设计动态负载均衡器来确保各GPU的计算量、通信量及KVCache占用均衡等关键技术，DeepSeek成功克服了EP策略带来的复杂性和不确定性。
值得注意的是，DeepSeek在实际部署中还实现了一套昼夜资源调配机制。在白天服务负荷高时，使用所有节点部署推理服务；而在晚上服务负荷低时，则减少推理节点，转而用于研究和训练。这一机制不仅进一步提高了硬件利用率，降低了成本，更展现了DeepSeek在资源管理和优化方面的卓越能力。
中信证券等权威机构认为，DeepSeek在模型训练成本降低方面的最佳实践，将刺激科技巨头采用更为经济的方式加速前沿模型的探索和研究。同时，随着AI应用的不断解锁和落地，AI算力领域的持续、规模投入也将成为高确定性事件。这一观点无疑为DeepSeek的未来发展提供了有力支撑。
然而，就在DeepSeek披露大规模部署成本和收益数据之后，潞晨科技突然宣布将在一周后停止提供DeepSeek API服务。潞晨科技CEO尤洋的言论更是给DeepSeek的未来增添了一丝不确定性。尽管尤洋指出接入方企业可能面临巨额亏损，但这并不能掩盖DeepSeek在开源策略和成本控制方面的卓越表现。其模型训练成本仅为同类产品的1%-5%，而推理定价则具有明显优势。这一低成本策略不仅加速了市场渗透，使得更多企业能够负担得起AI大模型的应用，更为行业树立了高效盈利的标杆。
未来，DeepSeek能否继续保持其在AI大模型领域的领先地位？其开源策略和低成本模式能否持续引领行业发展？这些问题仍有待时间给出答案。但无论如何，DeepSeek此次的揭秘无疑为AI行业带来了新的思考和启示。它让我们看到，AI大模型的盈利闭环已从理想照进现实，而DeepSeek正是这一转折点的见证者和推动者。我们有理由相信，在未来的日子里，DeepSeek将继续以其卓越的技术实力和创新精神，为AI行业的发展贡献更多智慧和力量。
相关文章
