3月1日，DeepSeek接连传出两则重磅消息：

1、DeepSeek首次披露：其V3/R1推理系统的理论成本利润率高达545%，展现出显著的技术与成本优势。

2、潞晨科技宣布暂停DeepSeek API服务：用户需尽快使用账户余额，未使用部分将全额退款。

消息揭示了DeepSeek在技术创新与商业模式之间的双重挑战。

// DeepSeek首次披露理论利润率 //

3月1日，DeepSeek在知乎平台开设了官方账号，并发布一篇技术文章——《DeepSeek-V3/R1推理系统概览》。文章显示，DeepSeek-V3/R1推理系统的优化目标是实现更大的吞吐量和更低的延迟。为了达成这两个目标，DeepSeek采用了大规模跨节点专家并行（EP）方案。这种方案虽然增加了系统的复杂性，但能有效提升性能。

DeepSeek在文章中详细介绍了如何通过EP技术增长批量大小、隐藏传输耗时以及进行负载均衡，从而优化整个推理系统的性能。通过这些技术手段，DeepSeek能够处理更大规模的数据，同时保持或提高响应速度。以下是预填充阶段的计算-通信重叠示意图：



解码阶段也采用了类似的策略，但更加精细，将Attention层进一步细分为两步，使用了五阶段流水线 (5-stage pipeline)，实现更流畅的通信-计算重叠。



在成本控制方面，DeepSeek的表现尤为突出。根据官方披露的数据，V3/R1的训练成本仅为557.6万美元，不到OpenAI GPT-4o模型的1/20。其推理成本也极具竞争力，每百万token的定价仅为16元，相比OpenAI低了近70%。基于这些优化，DeepSeek的理论利润率高达545%，显示出其在成本控制和效率提升方面的巨大潜力。





// 潞晨科技暂停DeepSeek API服务 //

尽管DeepSeek在技术上取得了显著突破，但其基于MaaS的商业模式却面临严峻挑战。3月1日，潞晨科技官微宣布：“尊敬的用户，潞晨云将在一周后停止提供DeepSeek API服务，请尽快用完您的余额。如果没用完，我们全额退款。”



当天下午，潞晨科技CEO尤洋发文回应DeepSeek公布的理论成本利润率。争议焦点主要集中在以下几点：

数据参考性问题：尤洋认为文章中合并计算了DeepSeek网页、APP和MaaS API的token数，无法准确反映MaaS的真实成本和使用情况。MaaS是ToB工具，与ToC的网页和APP在性能要求和成本结构上存在显著差异。

MaaS性能与稳定性：春节期间DeepSeek APP和网页频繁掉线，延迟高达15分钟以上，无法满足ToB客户对低延迟和高稳定性的要求。MaaS作为ToB服务，需保证首字响应≤2秒、单token处理≤100ms，现有技术难以达标。

商业模式可持续性：MaaS需时刻保持超负荷运转，且需准备5倍于实际需求的机器资源以应对突发流量，导致成本高企。高投入与低毛利的矛盾使得MaaS模式难以盈利。

技术创新的实际贡献：DeepSeek在AI基础设施上依赖英伟达GPU和已有技术（如MOE架构、PD分离），并未提出颠覆性算法。中小云厂商吹嘘推理速度提升10倍，但缺乏实际盈利案例，技术优势未能转化为商业成功。