3 月 1 日，在連續五天開源日之後，DeepSeek 又來了一個 "One More Thing"，并扔下一枚 " 核彈 " ——在分享了其基礎設施裏極爲關鍵的 EP（多專家并行）組件代碼的同時，也首次公開了它的利潤率。根據 DeepSeek 公開的信息計算，它理論上一天的總收入爲 562027 美元，成本利潤率高達 545%。
這是 DeepSeek 對它的 " 盈利能力 " 的最直接的一次回應。自從 DeepSeek R1 成了現象級的話題後，對它模型能力的質疑逐漸消失，但對它的高性價比和模型背後的成本，以及由此帶來的 " 燒錢 " 問題，依然有不少質疑。有矽谷從業者稱，這次公布的數據會再次讓英偉達們徹夜難眠，讓從業者開始新的反思。
而在國内 AI 領域，這次重要的開源帶來的影響則以另一種更加劇烈的形式呈現了出來——它引發了一場兩家中國 AI Infra 公司之間的 " 血案 "。
尤洋與袁進輝的争論
事件的兩個主角，一方是尤洋及其創辦的潞晨科技，另一方是袁進輝及其創立的矽基流動。
先是 DeepSeek 的這篇技術分享在知乎發布後，不少用戶開始 @尤洋，讓他點評。這是因爲此前在 DeepSeek 被各家服務商争相部署的熱潮裏，他是最積極的反對聲音之一。此前尤洋曾在社交平台上計算過部署 DeepSeek 的成本和收益，并得出結論，部署 DeepSeek 并提供服務的 AI Infra 公司，都是在虧錢，并且是 " 月虧四億 "。
他提到：短期内，中國的 MaaS（模型即服務）模式可能是最差的商業模式，大廠相互卷低價和免費，滿血版 DeepSeek R1 每百萬 token（輸出）隻收 16 元。如果每日輸出 1000 億 token，基于 DeepSeek 的服務每月的機器成本是 4.5 億元，虧損 4 億元；用 AMD 芯片月收入 4500 萬元，月機器成本 2.7 億元，這意味着虧損也超過 2 億元。
此次 DeepSeek 的開源周并非要回應某個具體質疑，但其公布的利潤率之高，顯然與這個計算完全相反。人們首先想到了尤洋。尤洋也在四個小時後發文回應，稱 DeepSeek 官方這一計算方法不能用于 MaaS 盈虧評估。在論述中，他延續了 " 基于大模型的 Mass 服務不賺錢 " 的立場。
緊接着，他的潞晨科技宣布将在一周後停供 DeepSeek API。
而另一家 AI Infra 公司矽基流動的創始人袁進輝也在讨論中被很多人提到。在 DeepSeek 春節期間徹底出圈走紅後，矽基流動是國内最早一批行動起來提供部署服務，承接住 DeepSeek 帶來的需求的公司之一。而流量之大，讓這家公司不僅正式出圈，也在過程中出現一些争議，包括它此前提供的推薦 " 反傭 " 式的優惠被快速薅羊毛，收費服務與免費服務的調整等。但本質上，袁進輝和矽基流動是相信快速跟進并提供 DeepSeek 的 MaaS 服務是此刻最正确的決策。
因此尤洋當初的批評也就指向了這家同行公司。彼時，袁進輝與尤洋就已經有過一輪 " 交鋒 "，前者認爲虧損 4 億的計算方法有誤，因爲使用了錯誤的架構進行估計。而尤洋直接回應：" 弄 400 台機器，看看每日能否輸出 1000 億滿血 DeepSeek R1 token，讓我看看。"
而這次 DeepSeek 官方直接 " 讓人看到 " 了這是可行的。袁進輝也在 DeepSeek 文章發布一小時後就火速評論道，" 又颠覆了很多人的認知 "，他認爲 " 很多供應商做不到這個水平 "，"MaaS 能否成功，關鍵在于技術實力和用戶基礎。"
" 誰做不到，誰就是技不如人 " 的含義，盡在不言中。
而緊接着更戲劇化的隔空對決開始了。尤洋随後直接發了一篇直接批評矽基流動這家公司的文章。《坑人的矽基流動》（現已删除）一文将炮火從技術争論轉向直接對對方的攻擊。此時話題核心也從 DeepSeek 的利潤，轉向了兩家公司之間的恩怨情仇。袁進輝也第一時間回應，一方面強調了矽基流動一系列動作背後的思路，另一方面直接抖出 " 潞晨代碼抄襲 " 的舊案。但這兩個顯得都有些沖動的争論，後都已删除。
這些争論也在知乎等技術人員聚集的平台上引發了廣泛的延展讨論，AI Infra 公司難得的自己變成了行業熱議話題的主角。
到底誰算的對？
在這場争論中，到底如何計算，以及由不同計算方法而得出的 AI Infra 是否是巨虧的生意，是第一個核心議題。
在上周的連續五天，DeepSeek 剛剛發布了五項核心技術，涵蓋計算優化、通信加速和存儲架構等領域，幾乎将自己的核心 AI Infra 技術全部公布開來，大幅提升了大模型訓推硬件效率。而在 DeepSeek 的這篇《DeepSeek-V3/R1 推理系統概覽》文章裏，又進一步揭示了這些技術和部分是如何組裝聯系在一起的，相當于一個串聯式的總結内容。據介紹，DeepSeek 使用了大規模跨節點專家并行（EP）的方法，并通過一系列技術策略，最大程度地優化了大模型推理系統，實現了驚人的性能和效率。
在文章的末尾，DeepSeek 以理論成本和利潤計算作爲句号，爲這次以開源降本爲核心目的的開源周，畫下了一個完美的句号：假定 GPU 租賃成本爲 2 美元 / 小時，總成本爲 87072 美元 / 天；如果所有 tokens 全部按照 DeepSeek R1 的定價計算，理論上一天的總收入爲 562027 美元 / 天，成本利潤率爲 545%。
其中，DeepSeek 的計算方式如下：
這裏 DeepSeek 說的很清楚：
一成本隻核算了等量租用 GPU 的費用，硬盤、存儲、内存 CPU、人力運維都被沒有被計算；
二收入卻将 APP、網頁、API 消耗的所有 Token（to C 和 to B 的總消耗量）加在了一起，均按照 API（to B）的價格計算，理論上一天成本利潤率是 545%。
事實上，這的确是一個典型的量化風格的 " 最大可能性 " 推算，我們都知道，DeepSeek 的 APP 和網頁是完全免費的，同時也并不保證流暢的用戶體驗。但是假如 DeepSeek 向用戶按照 API 的價格收費，他的收入潛力可以達到上述金額。
也就是說，DeepSeek 計算的是" 我作爲一個大模型廠商，我要是想，我可以賺到這麽錢。"
所以，從這個角度來看，後來尤洋認爲 " 這篇文章中的數據對計算 MaaS 成本沒有任何參考價值 "，也不無道理。
畢竟 MaaS 是典型的企業服務，而企業的第一準求并不是性能而是穩定，而爲了保證穩定性，雲廠商的特點就是彈性伸縮、按需取用，所以必須準備足夠大冗餘。
DeepSeek 算的是一筆 " 過去的賬 "，而 MaaS 平台如果要保證未來的穩定，尤洋也給出了預備比例，必須時時刻刻有 5 倍的機器專門爲了滿足客戶的需求，這裏我們需要考慮一旦部署的集群過大、使用效率、運費、用電的成本将指數級的上升。
尤其在如今各家 MaaS 平台用戶的使用數量都稀少，沒有辦法做到削峰填谷資源高效利用的前提下，MaaS 廠商是很有可能虧本的。
總結一下，理論上（非常理想化，一人吃飽全家不餓的前提下），DeepSeek 的利潤率可以達到，但考慮到實際的使用情況和大規模之後的優化成本，就很有可能虧錢了。
那麽問題又來了，爲什麽部署 DeepSeek 虧本，而 DeepSeek 自己的推理卻賺錢？
這個問題的答案藏在袁進輝的回複中：現在很多供應商做不到這個水平，主要是 V3/R1 架構和其他主流模型的差别太大了，MaaS 廠商需要按照 DeepSeek 的報告調，才能達到最好的效率。
這裏需要補充一個前提是，過去的雲廠商所建立的 IaaS 層是以 CPU 爲核心的服務器集群，而高效的推理需要以 GPU 爲核心完成并行計算。原本的 MaaS 用來生成問題不大，但 R1/V3 所采用的稀疏架構，對雲來說是一個新的挑戰，需要特調以進行适配。
MaaS 廠商們低估了 DeepSeek 模型架構的複雜性，用老一套來支持新模型，顯然出現了性能不足的陣痛。而大模型一體機由于可以直接改造到硬件層，能夠根據 DeepSeek 來專門定制型号，因此比 MaaS 提供的模型的性能和穩定性都更高，近期，矽基流動也與華爲昆侖展開了合作，推出 DeepSeek 一體機，嘗試解決推理性能不足的問題。
但 DeepSeek 不僅深谙自己的模型架構，做了軟件算法層的調優，甚至将算力壓縮到了優化芯片層，以 " 榨幹 " 每一滴性能。
幸而在剛剛過去的開源周裏，DeepSeek 開源了如何提高推理效率的 5 個模塊，理論上隻要跟着做，接下來其他 MaaS 廠商也能複現出來。
所以，AI Infra 公司們的未來在哪裏？
這些争論背後，AI Infra 公司們再次被大衆注意到。作爲提供底層基礎設施服務的公司，它們此前從來不是外界關注的焦點，但 DeepSeek 後，由于海量的需求無法由 DeepSeek 自己來滿足，AI Infra 公司得到了一次直接面向海量廣泛用戶的機會，也因此出圈。
但随着 DeepSeek 在它自己 AI Infra 研究上的連續開源，很多人意識到，獨立的 AI Infra 公司似乎再次遇到了嚴重的 " 存在感危機 "。
當 DeepSeek 不僅造出了最強的模型，同時也有最強的基礎設施技術時，它似乎就變成了一個新的規則制定者：如果獨立的公司想要提供部署 DeepSeek 模型的 AI Infra 生意，你就要使用 DeepSeek 的技術方案，不僅需要卷到極緻，來快速複現 DeepSeek 做出的東西，還要在此基礎上，去做些 DeepSeek 不做的諸如幫助開發者、幫助企業一對一的做落地服務等，進而來承載它服務不到，或目前沒有作爲重點去服務的用戶們，從中盡可能的做大用戶規模，來攤薄成本，讓自己的利潤率也無限接近 DeepSeek 官方算出來的那天花闆的比例，這才有可能 " 存活 " 下去。
這種 "DeepSeek 吃肉，其他大家比賽誰能做喝到最多湯的那一個 " 的格局是否就是 AI Infra 的未來？這可能才是這場争論背後對行業真正重要的話題。
袁進輝也就此話題回複了矽星人，他認爲這樣的未來是否會發生，關鍵的一個變量就是開源。" 如果模型一家獨大，而模型廠商又想吃這塊蛋糕，的确其它各方就有壓力，尤其如果模型是閉源的，就像 OpenAI 這樣，就會更是如此。" 他說。
" 但當模型開源後，就要看外界有沒有機會把 infra 或芯片的能力做的超過模型廠。"
而另一個變量則是這個劇烈變革的技術周期本身，它事實上讓曾經分工比較明晰的不同技術角色的公司，競争界限變得模糊。從 DeepSeek 的部署熱潮裏就能體會到——從 AI Infra 公司，到模型公司再到芯片公司，都參與了進來，提供着相似的服務，搶奪同樣的市場。
" 今天模型，芯片，infra 其實都是半成品，彼此的關系是又合作又競争，最終大家都要角逐類似 cloud 的位置。" 袁進輝對矽星人說。
在這場競争裏，AI Infra 不是最有優勢的那一個，但另一方面，它事實上也擁有了一次從沒有過的機會，從一個不太被注意的角落終于變成了焦點。在今天這個節點，是否壓上 " 身家性命 " 和對自己技術工程能力的信心去賭一把未來 " 下一代雲 " 的機會，會變成區分這些公司的關鍵決定。
矽星人也向尤洋提出關于 AI Infra 的未來走向的問題，他回複稱，目前先不接受訪談了。
