一场由DeepSeek公布利润率引发的“血案”

这是DeepSeek对它的“盈利能力”的最直接的一次回应。自从DeepSeek R1成了现象级的话题后，对它模型能力的质疑逐渐消失，但对它的高性价比和模型背后的成本，以及由此带来的“烧钱”问题，依然有不少质疑。有硅谷从业者称，这次公布的数据会再次让英伟达们彻夜难眠，让从业者开始新的反思。

而在国内AI领域，这次重要的开源带来的影响则以另一种更加剧烈的形式呈现了出来——它引发了一场两家中国AI Infra公司之间的“血案”。

1 尤洋与袁进辉的争论

事件的两个主角，一方是尤洋及其创办的潞晨科技，另一方是袁进辉及其创立的硅基流动。

先是DeepSeek的这篇技术分享在知乎发布后，不少用户开始@尤洋，让他点评。这是因为此前在DeepSeek被各家服务商争相部署的热潮里，他是最积极的反对声音之一。此前尤洋曾在社交平台上计算过部署DeepSeek的成本和收益，并得出结论，部署DeepSeek并提供服务的AI Infra 公司，都是在亏钱，并且是“月亏四亿”。

他提到：短期内，中国的MaaS（模型即服务）模式可能是最差的商业模式，大厂相互卷低价和免费，满血版DeepSeek R1每百万token（输出）只收16元。如果每日输出1000亿token，基于DeepSeek的服务每月的机器成本是4.5亿元，亏损4亿元；用AMD芯片月收入4500万元，月机器成本2.7亿元，这意味着亏损也超过2亿元。

此次DeepSeek的开源周并非要回应某个具体质疑，但其公布的利润率之高，显然与这个计算完全相反。人们首先想到了尤洋。尤洋也在四个小时后发文回应，称DeepSeek官方这一计算方法不能用于MaaS盈亏评估。在论述中，他延续了“基于大模型的Mass服务不赚钱”的立场。

紧接着，他的潞晨科技宣布将在一周后停供DeepSeek API。

而另一家AI Infra公司硅基流动的创始人袁进辉也在讨论中被很多人提到。在DeepSeek春节期间彻底出圈走红后，硅基流动是国内最早一批行动起来提供部署服务，承接住DeepSeek带来的需求的公司之一。而流量之大，让这家公司不仅正式出圈，也在过程中出现一些争议，包括它此前提供的推荐“反佣”式的优惠被快速薅羊毛，收费服务与免费服务的调整等。但本质上，袁进辉和硅基流动是相信快速跟进并提供DeepSeek的MaaS服务是此刻最正确的决策。

因此尤洋当初的批评也就指向了这家同行公司。彼时，袁进辉与尤洋就已经有过一轮“交锋”，前者认为亏损 4亿的计算方法有误，因为使用了错误的架构进行估计。而尤洋直接回应：“弄400台机器，看看每日能否输出1000亿满血DeepSeek R1 token，让我看看。”

而这次DeepSeek官方直接“让人看到”了这是可行的。袁进辉也在DeepSeek文章发布一小时后就火速评论道，“又颠覆了很多人的认知”，他认为“很多供应商做不到这个水平”，"MaaS能否成功，关键在于技术实力和用户基础。"

“谁做不到，谁就是技不如人”的含义，尽在不言中。

而紧接着更戏剧化的隔空对决开始了。尤洋随后直接发了一篇直接批评硅基流动这家公司的文章。《坑人的硅基流动》（现已删除）一文将炮火从技术争论转向直接对对方的攻击。此时话题核心也从DeepSeek的利润，转向了两家公司之间的恩怨情仇。袁进辉也第一时间回应，一方面强调了硅基流动一系列动作背后的思路，另一方面直接抖出“潞晨代码抄袭”的旧案。但这两个显得都有些冲动的争论，后都已删除。

这些争论也在知乎等技术人员聚集的平台上引发了广泛的延展讨论，AI Infra公司难得的自己变成了行业热议话题的主角。

2 到底谁算的对？

在这场争论中，到底如何计算，以及由不同计算方法而得出的AI Infra是否是巨亏的生意，是第一个核心议题。

在上周的连续五天，DeepSeek刚刚发布了五项核心技术，涵盖计算优化、通信加速和存储架构等领域，几乎将自己的核心AI Infra技术全部公布开来，大幅提升了大模型训推硬件效率。而在DeepSeek的这篇《DeepSeek-V3/R1 推理系统概览》文章里，又进一步揭示了这些技术和部分是如何组装联系在一起的，相当于一个串联式的总结内容。据介绍，DeepSeek使用了大规模跨节点专家并行（EP）的方法，并通过一系列技术策略，最大程度地优化了大模型推理系统，实现了惊人的性能和效率。

在文章的末尾，DeepSeek以理论成本和利润计算作为句号，为这次以开源降本为核心目的的开源周，画下了一个完美的句号：假定GPU租赁成本为2美元/小时，总成本为87072美元/天；如果所有tokens全部按照DeepSeek R1的定价计算，理论上一天的总收入为562027美元/天，成本利润率为545%。

其中，DeepSeek的计算方式如下：

这里DeepSeek说的很清楚：

一成本只核算了等量租用GPU的费用，硬盘、存储、内存CPU、人力运维都被没有被计算；

二收入却将APP、网页、API消耗的所有Token（to C和to B的总消耗量）加在了一起，均按照API（to B）的价格计算，理论上一天成本利润率是545%。

事实上，这的确是一个典型的量化风格的“最大可能性”推算，我们都知道，DeepSeek的APP和网页是完全免费的，同时也并不保证流畅的用户体验。但是假如DeepSeek向用户按照API的价格收费，他的收入潜力可以达到上述金额。

也就是说，DeepSeek计算的是“我作为一个大模型厂商，我要是想，我可以赚到这么钱。”

所以，从这个角度来看，后来尤洋认为“这篇文章中的数据对计算MaaS成本没有任何参考价值”，也不无道理。

毕竟MaaS是典型的企业服务，而企业的第一准求并不是性能而是稳定，而为了保证稳定性，云厂商的特点就是弹性伸缩、按需取用，所以必须准备足够大冗余。

DeepSeek算的是一笔“过去的账”，而MaaS平台如果要保证未来的稳定，尤洋也给出了预备比例，必须时时刻刻有5倍的机器专门为了满足客户的需求，这里我们需要考虑一旦部署的集群过大、使用效率、运费、用电的成本将指数级的上升。

尤其在如今各家MaaS平台用户的使用数量都稀少，没有办法做到削峰填谷资源高效利用的前提下，MaaS厂商是很有可能亏本的。

总结一下，理论上（非常理想化，一人吃饱全家不饿的前提下），DeepSeek的利润率可以达到，但考虑到实际的使用情况和大规模之后的优化成本，就很有可能亏钱了。

那么问题又来了，为什么部署DeepSeek亏本，而DeepSeek自己的推理却赚钱？

这个问题的答案藏在袁进辉的回复中：现在很多供应商做不到这个水平，主要是V3/R1架构和其他主流模型的差别太大了，MaaS厂商需要按照DeepSeek的报告调，才能达到最好的效率。

这里需要补充一个前提是，过去的云厂商所建立的IaaS层是以CPU为核心的服务器集群，而高效的推理需要以GPU为核心完成并行计算。原本的MaaS用来生成问题不大，但R1/V3所采用的稀疏架构，对云来说是一个新的挑战，需要特调以进行适配。

MaaS厂商们低估了DeepSeek模型架构的复杂性，用老一套来支持新模型，显然出现了性能不足的阵痛。而大模型一体机由于可以直接改造到硬件层，能够根据DeepSeek来专门定制型号，因此比MaaS提供的模型的性能和稳定性都更高，近期，硅基流动也与华为昆仑展开了合作，推出DeepSeek一体机，尝试解决推理性能不足的问题。

但DeepSeek不仅深谙自己的模型架构，做了软件算法层的调优，甚至将算力压缩到了优化芯片层，以“榨干”每一滴性能。

幸而在刚刚过去的开源周里，DeepSeek开源了如何提高推理效率的5个模块，理论上只要跟着做，接下来其他MaaS厂商也能复现出来。

3 所以，AI Infra公司们的未来在哪里？

这些争论背后，AI Infra公司们再次被大众注意到。作为提供底层基础设施服务的公司，它们此前从来不是外界关注的焦点，但DeepSeek后，由于海量的需求无法由DeepSeek自己来满足，AI Infra公司得到了一次直接面向海量广泛用户的机会，也因此出圈。

但随着DeepSeek在它自己AI Infra研究上的连续开源，很多人意识到，独立的AI Infra公司似乎再次遇到了严重的“存在感危机”。

当DeepSeek不仅造出了最强的模型，同时也有最强的基础设施技术时，它似乎就变成了一个新的规则制定者：如果独立的公司想要提供部署DeepSeek模型的AI Infra生意，你就要使用DeepSeek的技术方案，不仅需要卷到极致，来快速复现DeepSeek做出的东西，还要在此基础上，去做些DeepSeek不做的诸如帮助开发者、帮助企业一对一的做落地服务等，进而来承载它服务不到，或目前没有作为重点去服务的用户们，从中尽可能的做大用户规模，来摊薄成本，让自己的利润率也无限接近DeepSeek官方算出来的那天花板的比例，这才有可能“存活”下去。

这种“DeepSeek吃肉，其他大家比赛谁能做喝到最多汤的那一个”的格局是否就是AI Infra的未来？这可能才是这场争论背后对行业真正重要的话题。

袁进辉也就此话题回复了硅星人，他认为这样的未来是否会发生，关键的一个变量就是开源。“如果模型一家独大，而模型厂商又想吃这块蛋糕，的确其它各方就有压力，尤其如果模型是闭源的，就像OpenAI 这样，就会更是如此。”他说。

“但当模型开源后，就要看外界有没有机会把infra或芯片的能力做的超过模型厂。”

而另一个变量则是这个剧烈变革的技术周期本身，它事实上让曾经分工比较明晰的不同技术角色的公司，竞争界限变得模糊。从DeepSeek的部署热潮里就能体会到——从AI Infra公司，到模型公司再到芯片公司，都参与了进来，提供着相似的服务，抢夺同样的市场。

“今天模型，芯片，infra 其实都是半成品，彼此的关系是又合作又竞争，最终大家都要角逐类似cloud的位置。”袁进辉对硅星人说。

在这场竞争里，AI Infra不是最有优势的那一个，但另一方面，它事实上也拥有了一次从没有过的机会，从一个不太被注意的角落终于变成了焦点。在今天这个节点，是否压上“身家性命”和对自己技术工程能力的信心去赌一把未来“下一代云”的机会，会变成区分这些公司的关键决定。

硅星人也向尤洋提出关于AI Infra的未来走向的问题，他回复称，目前先不接受访谈了。