545%！ DeepSeek首披露成本利潤率 專家：若在美國已是一家價值逾百億美元公司

中國AI新創公司DeepSeek近來「開源」一波波，上週六(1日) 又有更大驚喜，全面揭秘DeepSeek-V3/R1推理系統，不僅公開其推理系統的核心優化方案，更首次披露成本獲利率等關鍵數據，引發產業震動。

DeepSeek上週六在知乎平台發布首條文章，公佈模型推理成本利潤細節，並披露成本獲利率關鍵資訊，若所有tokens全按DeepSeek-R1的定價計算，理論上一天的總收入為56萬2027美元，成本獲利率為545%，這一數字刷新全球AI大模型領域的獲利天花板。

根據DeepSeek官方披露，DeepSeek V3和R1的所有服務均使用H800 GPU，使用和訓練一致的精度，即矩陣計算和dispatch傳輸採用和訓練一致的FP8格式，core-attention計算和combine傳輸採用和訓練一致的BF16，最大程度保證了服務效果。

在最近24小時(2025年2月27日12：00至28日12：00) 的統計週期，若GPU租賃成本按2美元/ 小時計算，日均成本為8萬7072美元，而若所有輸入/ 輸出token按R1定價(輸入1元/ 百萬token、輸出16元/ 百萬token) 計算，單日收入可達56萬2027美元(約1865萬新台幣)，成本獲利率高達545%。

MenloVentures投資人Deedy在看完上述數據後指出，獲利率超過500%這一商業效率在美國將是一家價值逾百億美元的公司。

中國矽基流動創辦人袁進輝也在第一時間發表了自己的感受說：「DeepSeek官方披露大規模部署成本和收益，又一次顛覆了很多人認知。」

DeepSeek的高獲利率源於其創新的推理系統設計，核心包括大規模跨節點專家並行(EP)、計算通信重疊與負載均衡優化三大技術支柱。 EP提升吞吐與回應速度，針對模型稀疏性(每層僅啟動8/256個專家)，採用EP 策略擴展總體批處理規模，確保每個專家獲得足夠的計算負載，顯著提升GPU利用率，部署單元動態調整(如Prefill階段4節點、Decode階段18 節點)，平衡資源分配與任務需求。

簡言之，EP就像是「多人協作」，把模型中的「專家」分散到多張GPU上進行計算，大幅提升Batch Size，榨乾GPU算力，同時專家分散，降低存儲器壓力，更快回應。

DeepSeek在工程層面進一步壓縮成本，加上晝夜資源調配，白天高峰時段全力支援推理服務，夜間閒置節點轉用於研發訓練，最大化硬件利用率，緩存命中率達56.3%，通過KVCache硬盤緩存減少重複計算，在輸入token中，有3420億個(56.3%)直接命中緩存，大幅降低算力消耗。

有分析稱DeepSeek此次披露的數據，不僅驗證其技術路線的商業可行性，更為行業樹立高效獲利標竿，模型訓練成本僅為同類產品的1%至5%，此前發布的DeepSeek-V3模型訓練成本僅557.6萬美元，遠低於OpenAI等巨頭。在推理定價優勢方面，DeepSeek-R1的API定價僅為OpenAI o3-mini的七分之一到一半左右，低成本策略加速市場滲透。

還有分析指出，DeepSeek此次「透明化」披露不僅展示其技術實力與商業潛力，更向行業傳遞明確信號，也就是AI大模型的獲利循環已從理想照進現實，代表AI技術從實驗室邁向產業化的關鍵轉折。

不過，DeepSeek官方坦言實際上沒有這麼多收入，因V3定價更低，同時收費服務只佔了一部分，另外夜間還會有折扣。

中信證券認為，Deepseek在模型訓練成本降低方面的最佳實踐，料將刺激科技巨頭採用更經濟方式加速前沿模型的探索和研究，同時將使得大量AI應用得以解鎖和落地。演算法訓練帶來的規模報酬遞增效應，以及單位算力成本降低對應的傑文斯悖論等，均代表中短期維度科技巨頭繼續在AI算力領域進行持續、規模投入仍將是高確定性事件。

以上是545%！ DeepSeek首披露成本利潤率 專家：若在美國已是一家價值逾百億美元公司的詳細內容。更多資訊請關注PHP中文網其他相關文章！