周六，国内AI大模型公司DeepSeek官方账号在知乎首次发布《DeepSeek-V3/R1推理系统概览》技术文章，不仅公开了其推理系统的核心优化方案，更是首次披露了成本利润率等关键数据，引发行业震动。
数据显示，若按理论定价计算，其单日成本利润率高达545%，这一数字刷新了全球AI大模型领域的盈利天花板。
业内分析指出，DeepSeek的开源策略与成本控制能力正在打破AI领域的资源垄断。DeepSeek此次“透明化”披露，不仅展示了其技术实力与商业潜力，更向行业传递明确信号：AI大模型的盈利闭环已从理想照进现实。
DeepSeek最新发布
3月1日，DeepSeek于知乎开设官方账号，发布《DeepSeek-V3/R1推理系统概览》技术文章，首次公布模型推理系统优化细节，并披露成本利润率关键信息。
文章写道：“DeepSeek-V3/R1推理系统的优化目标是：更大的吞吐，更低的延迟。”
为实现这两个目标，DeepSeek的方案是使用大规�？缃诘阕也⑿校‥P），但该方案也增加了系统复杂性。文章的主要内容就是关于如何使用EP增长批量大�。╞atchsize）、隐藏传输耗时以及进行负载均衡。
值得注意的是，文章还率先披露了DeepSeek的理论成本和利润率等关键信息。
根据DeepSeek官方披露，DeepSeekV3和R1的所有服务均使用H800GPU，使用和训练一致的精度，即矩阵计算和dispatch传输采用和训练一致的FP8格式，core-attention计算和combine传输采用和训练一致的BF16，最大程度保证了服务效果。
另外，由于白天的服务负荷高，晚上的服务负荷低，因此DeepSeek实现了一套机制，在白天负荷高的时候，用所有节点部署推理服务。晚上负荷低的时候，减少推理节点，以用来做研究和训练。
在最近24小时（2025年2月27日12:00至28日12:00）的统计周期内：GPU租赁成本按2美元/小时计算，日均成本为87072美元；若所有输入/输出token按R1定价（输入1元/百万token、输出16元/百万token）计算，单日收入可达562027美元，成本利润率高达545%。
不过，DeepSeek官方坦言，实际上没有这么多收入，因为V3的定价更低，同时收费服务只占了一部分，另外夜间还会有折扣。
DeepSeek的高利润率源于其创新的推理系统设计，核心包括大规�？缃诘阕也⑿校‥P）、计算通信重叠与负载均衡优化三大技术支柱：专家并行（EP）提升吞吐与响应速度，针对模型稀疏性（每层仅激活8/256个专家），采用EP策略扩展总体批处理规模（batchsize），确保每个专家获得足够的计算负载，显著提升GPU利用率；部署单元动态调整（如Prefill阶段4节点、Decode阶段18节点），平衡资源分配与任务需求。
计算与通信重叠隐藏延迟，Prefill阶段通过“双batch交错”实现计算与通信并行，Decode阶段拆分attention为多级流水线，最大限度掩盖通信开销。
全局负载均衡避免资源浪费，针对不同并行模式（数据并行DP、专家并行EP）设计动态负载均衡器，确保各GPU的计算量、通信量及KVCache占用均衡，避免节点空转。
简单来说，EP就像是“多人协作”，把模型中的“专家”分散到多张GPU上进行计算，大幅提升BatchSize，榨干GPU算力，同时专家分散，降低内存压力，更快响应。
DeepSeek在工程层面进一步压缩成本。昼夜资源调配：白天高峰时段全力支持推理服务，夜间闲置节点转用于研发训练，最大化硬件利用率；缓存命中率达56.3%：通过KVCache硬盘缓存减少重复计算，在输入token中，有3420亿个（56.3%）直接命中缓存，大幅降低算力消耗。
影响多大？
有分析称，DeepSeek此次披露的数据，不仅验证了其技术路线的商业可行性，更为行业树立了高效盈利的标杆：其模型训练成本仅为同类产品的1%—5%，此前发布的DeepSeek-V3模型训练成本仅557.6万美元，远低于OpenAI等巨头；推理定价优势方面，DeepSeek-R1的API定价仅为OpenAIo3-mini的1/7至1/2，低成本策略加速市场渗透。
业内分析指出，DeepSeek的开源策略与成本控制能力正在打破AI领域的资源垄断。DeepSeek此次“透明化”披露，不仅展示了其技术实力与商业潜力，更向行业传递明确信号：AI大模型的盈利闭环已从理想照进现实，标志着AI技术从实验室迈向产业化的关键转折。
本周以来，DeepSeek开启“开源周”，给人工智能领域扔下数颗“重磅炸弹”。回顾DeepSeek这五天开源的内容，信息量很大，具体来看：
周一，DeepSeek宣布开源FlashMLA。FlashMLA是DeepSeek用于HopperGPU的高效MLA解码内核，并针对可变长度序列进行了优化，现已投入生产；
周二，DeepSeek宣布开源DeepEP，即首个用于MoE模型训练和推理的开源EP通信库，提供高吞吐量和低延迟的all-to-allGPU内核；
周三，DeepSeek宣布开源DeepGEMM。其同时支持密集布局和两种MoE布局，完全即时编译，可为V3/R1模型的训练和推理提供强大支持等；
周四，DeepSeek宣布开源OptimizedParallelismStrategies。其主要针对大规模模型训练中的效率问题；
周五，DeepSeek宣布开源Fire-Flyer文件系统（3FS），以及基于3FS的数据处理框架Smallpond。
因此，有网友评论称：“《DeepSeek-V3/R1推理系统概览》技术文章是‘开源周彩蛋’，直接亮出了底牌！”
至此，DeepSeek“开源周”的连载或许要告一段落了，但DeepSeek后续动作依然值得持续关注。
来源：券商中国
声明：数据宝所有资讯内容不构成投资建议，股市有风险，投资需谨慎。
责编：林丽峰
责任编辑：韦子蓉
