当全球AI行业还在为“大模型如何盈利”争论不休时，中国公司DeepSeek用一份技术报告给出了震撼答案：理论成本利润率545%。3月1日，DeepSeek在知乎发布《DeepSeek-V3/R1推理系统概览》，首次公开其推理系统优化方案及成本利润测算，瞬间点燃行业。
“榨干”GPU：技术全家桶的极限效率
DeepSeek的答案藏在过去一周的“开源周”中。从大规模跨节点专家并行（EP）到双批次重叠策略，再到动态负载均衡，DeepSeek连续开源5个核心模块，构建了一套“从训练到推理”的完整技术体系。
其核心逻辑是通过EP架构将6710亿参数的MoE模型拆解为256个小型专家，每层仅激活8个专家，同时利用时间分片策略：白天278个节点全力推理，夜间释放算力用于训练。这种“潮汐调度”使日均GPU占用降至226.75节点（约1814张H800），理论日成本仅8.7万美元。
若按最高定价（R1模型输出16元/百万tokens）计算，单日收入可达56.2万美元，利润率545%。尽管实际收入因夜间折扣和V3低价策略缩水，但这一数字仍颠覆了行业对“AI烧钱”的认知。
争议漩涡：MaaS是金矿还是陷阱？
戏剧性的是，报告发布当天，潞晨科技宣布暂停DeepSeek API服务，创始人尤洋此前曾断言：“按当前定价，MaaS月亏4亿”。矛盾的核心在于规模化部署的门槛——DeepSeek的EP架构要求服务商彻底重构推理系统，而多数企业尚未掌握相关技术。
“知道和做到是两回事。”复旦大学张奇教授指出，DeepSeek的56.3%缓存命中率需要极强的工程优化能力，而开源代码仅降低复现难度，“就像给你乐高图纸，但拼出摩天大楼仍需顶级工程师”。
价格战再添弹药：开源生态的阳谋
更深层的冲击在于商业模式。当DeepSeek将R1输出定价压至OpenAI的1/15，却仍能实现545%理论利润率时，行业价格体系彻底松动。Menlo Ventures投资人Deedy算了一笔账：按此效率，DeepSeek年化收入可达2亿美元，估值应超百亿美元。
更意味深长的是，DeepSeek选择将“赚钱秘籍”开源。硅基流动创始人袁进辉评价：“这相当于告诉生态伙伴——用我的模型，你也能赚”。而代价是传统云厂商的推理系统集体过时，DeepSeek正在用技术标准重构产业链话语权。
尾声：理想主义还是商业杀招？
“我们追求效率，但不追求暴利。”DeepSeek创始人梁文锋的表态显得克制。但当技术透明化与商业高回报形成闭环，这场开源运动已超出单纯的技术共享。
或许正如网友在DeepSeek帖子下的调侃：“Day7的彩蛋会不会是AGI？”至少现在，545%的利润率已证明：在AI的世界里，极致效率本身就是最锋利的武器。
