界面新聞記者 | 李彪

界面新聞編輯 | 文姝琪

　　持續五天的“DeepSeek開源周”剛結束，DeepSeek團隊就在國內知乎平臺注冊官方賬戶，并在3月1日當天發布了第一條動態。這篇最新的帖子首次對外公布模了型的優化技術細節、成本利潤率等關鍵信息。

　　這篇帖子最吸引眼球的一個結論是，按DeepSeek測算，假定GPU租賃成本為2美元/小時，總成本為8.7萬美元/天。如果統計包括網頁、App和API在內的所有負載，將所有模型tokens全部按照DeepSeek-R1的定價（DeepSeek R1 的定價：$0.14 / 百萬輸入 tokens (緩存命中)，$0.55 / 百萬輸入 tokens (緩存未命中)，$2.19 / 百萬輸出 tokens）計算，理論上一天的總收入為5.62萬美元，算下來成本利潤率為545%。

　　高達545%的利潤率意味著什么，又會給行業帶來了怎樣的影響？界面新聞采訪了復旦大學計算機科學技術學院教授張奇，他的研究方向為自然語言處理、信息檢索 、數據密集型計算。

　　在自然語言處理中，Token是語言文本被分割后的基本單位，每個用戶向AI提問并獲取回答，問題及答案的文本長度對應數量不等的Token。AI處理每個Token都需要消耗算力。此外，還存在命中緩存與否的情況，命中緩存指用戶向AI提問涉及的相關數據已存在于緩存之中，模型可直接調用，無需重新計算或從數據庫檢索，節省了算力、時間及存儲資源，成本更低，若沒能命中，則需要消耗更多算力等資源，成本更高。

　　目前，按Token計價收費是AI公司的主要商業模式。命中緩存相對價格較低，未命中則收費更高。

　　張奇告訴記者，對行業來說，DeepSeek在最新的文章中提到的56.3%緩存命中率（原文稱，在 24 小時統計時段內，DeepSeek V3 和 R1都能實現輸入 token 總數為 608B，其中 342B tokens（56.3%）命中 KVCache 硬盤緩存）是一項具有重要意義數據。

　　“雖然各家沒有公布過相關數據，但超過一半的命中率在業內應該已是很高的水平。”張奇認為，像在DeepSeek所開發的6710億參數超大模型上，幾億用戶提問時所寫的文本多多少少存在差異，在這種前提下能夠實現高中率，說明團隊在模型整體優化上做了很多工作。

　　據DeepSeek團隊介紹，V3、R1推理系統的優化目標就是追求“更大的吞吐，更低的延遲。”

　　基于DeepSeek采取的混合專家模型核心架構（MOE），超大模型由眾多規模較小的專家模型組成，并承擔不同的分工。通俗用人類世界的團隊合作來解釋其中所需要的調度工作，如果一個團隊要將各個領域的專家集合到一起來攻克某項任務，就需要事先把整體任務拆分成多個流程環節的任務，再按照分配給不同領域的專家，讓他們每個人都發揮專業技能解決問題，最后匯總結論。

　　DeepSeek在文中寫道，由于DeepSeek-V3 / R1的專家數量眾多，并且按照最初的設計規則，每層256個專家在實際運行中僅激活其中8個。要實現團隊的“大吞吐，低延遲”的優化目標，就需要做到短時間處理大量任務時“高效調用”每個專家，也就是DeepSeek在文中提到的“大規模跨節點專家并行（Expert Parallelism / EP）”。

　　“這是一項難度極大的平衡工作，如果模型優化分配上做不好，就會使得一個6000多億參數的超大模型，每次可能只有8個或幾個專家在實際運行，而且如果某一個沒有運行完，剩下的所有專家可能在等待。等待則通常又意味著計算資源的浪費。”張奇認為，在DeepSeek開源前，混合專家模型的平衡設計對許多AI模型大廠都是尚未攻克的難題。

　　此外，據DeepSeek介紹，另外，由于白天用戶訪問量大、服務負荷高，晚上的服務負荷低，團隊實現了一套機制，在白天負荷高的時候，利用所有模型節點部署推理服務。晚上負荷低的時候，減少推理節點，以用來做研究和訓練。

　　根據DeepSeek統計，按照這套“白天推理——晚上訓練”的方案規劃，在最近的24小時內，將DeepSeek V3和R1推理服務占用節點加到一起，任務繁忙的高峰期最多占用278個節點，平均占用226.75個節點（每個節點為8個英偉達H800 GPU）。

　　張奇認為，考慮到DeepSeek還有新模型項目及其他工作需要GPU，上述1800-2000張H800GPU（平均占用節點數乘以8個GPU），大概率已經用上了DeepSeek現階段為DeepSeek V3與R1模型所能調用的“全部算力資源”。

　　此前按照行業觀點，DeepSeek的創新突破在于，在有限資源的環境下，將效率提升到了極致，從而實現了模型的低成本開發。在上述一系列優化效率的基礎之上，才有了545%的成本利潤率。

　　但DeepSeek也強調，545%只是一個理論值，實際運行時沒“有這么多收入”。因為 V3 的定價更低，同時收費服務只占一部分，另外夜間還另有折扣。

　　此前，DeepSeek在同類模型廠商中就以“AI拼多多”的低價標簽備受關注。

　　去年推出V2模型時，DeepSeek就曾在4月首次將API調用價格降至輸入1元/百萬tokens、輸出2元/百萬tokens，引發了豆包、Kimi、文心一言等廠商的跟進，帶動了第一波模型價格戰。最新的V3模型服務定價僅為OpenAI同類模型4o的1/15，R1模型的價格也遠低于同行。

　　此次公布出的高利潤率也讓外界看清了DeepSeek降價的“底牌”。

　　在此之前，業內一度熱議“DeepSeek模型API定價過低是否會帶來巨大虧損”，DeepSeek前研究員羅福莉去年5月在個人知乎上否認了這一點。據她透露，目前以DeepSeek現在的定價，大規模服提供服務，不虧本，利潤率超50%。DeepSeek創始人梁文峰也在接受36氪媒體專訪時提到，公司的定價策略是“原則上不虧本銷售，也不追求過高利潤。目前的定價僅在成本之上保留了一定的利潤空間。”

　　目前，業內宣布接入部署“滿血版”DeepSeek R1模型的廠商大多以單機（8張GPU的服務器）、雙機這一類小規模設備為主。據記者了解，“四機目前是業內考驗公司技術能力的一道分水嶺”。而隨著服務器臺數越多，規模化部署調度和優化難度越大，DeepSeek團隊所實現的300多臺服務器部署工程對團隊技術能力要求更是急劇上升。

　　眼下，雖然545%的成本利潤率是DeepSeek基于大規模部署測算的一個理論值，實際的利潤水平官方并未公布，但依然讓行業開始看到了“賺錢的希望”。

　　張奇認為，DeepSeek在公布利潤率的同時也將模型優化方法開源，行業會更加積極學習這套優化方法部署DeepSeek。雖然對絕大多數公司來說，“知道”和“做到”是兩件事，將同樣優化方法落到實際會遇到各種新問題，但整個行業會在這方面進行更多嘗試。

　　（界面新聞記者伍洋宇對此文亦有貢獻）