主要观点总结
DeepSeek在知乎上发表了关于V3/R1推理系统的文章，首次披露了理论成本和利润率等关键信息。该文章主要介绍了DeepSeek的技术路线和所带来的影响，包括算力需求的暴增、市场争议、效率革命等话题。同时，也提到了OpenAI面临的困境和算力市场的深层逻辑。
关键观点总结
关键观点1: DeepSeek首次披露V3/R1推理系统的关键信息
DeepSeek在知乎上发文全面揭示了V3/R1推理系统的关键秘密，包括理论成本和利润率等。
关键观点2: 市场争议与效率革命
随着DeepSeek的技术发展，市场出现了关于AI算力需求是否会被效率革命替代的争议。
关键观点3: 算力需求的暴增与资源消耗激增
DeepSeek现象加速了AI应用的普及，带来了算力需求的暴增。正如杰文斯悖论所述，效率提升反而导致资源消耗激增。
关键观点4: OpenAI面临的困境与算力市场的深层逻辑
OpenAI面临大模型复杂度攀升和商业化的两难问题。DeepSeek则在算力有限的情况下通过优化和革新研发出同等性能的产品。
关键观点5: 英伟达芯片的需求增长与GPU的不可替代性
中国市场英伟达H20芯片订单大幅增长，GPU的通用性仍是探索的核心。
正文
3月1日，DeepSeek在知乎上发表题为《DeepSeek-V3/R1 推理系统概览》的文章，全面揭晓V3/R1 推理系统背后的关键秘密。
最受关注的是，文章首次披露了DeepSeek的理论成本和利润率等关键信息。据介绍，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%。
不过，DeepSeek也强调，实际上的收入或许并没有那么多，因为V3的定价相较于R1要更低，另外夜间还会有折扣。
DeepSeek的后劲儿来了，算力需求暴增，“GPU不够用了”。
当DeepSeek以557.6万美元的极低成本训练出性能匹敌GPT-4的V3模型，后又推出推理成本极低的R1模型时，市场的争议在于，AI算力需求是否会被效率革命替代？
DeepSeek的技术路线本质是“算力平权”，其结合算法创新和硬件优化，通过模型蒸馏技术让中小企业也能低成本部署AI应用。表面上看，DeepSeek的“降本”举措推广后，就不需要那么多的算力了；但实际上，DeepSeek现象加速了AI应用的普及。大批机构和企业接入DeepSeek，并推动了一轮中国AI科普潮，推理计算迅速成为算力需求主力。
这正是杰文斯悖论的写照：效率提升反而令资源消耗激增。也就是说，当DeepSeek现象带来AI端侧的应用潮时，算力需求反而会呈指数级增长。
IDC与浪潮信息2月16日联合发布《中国人工智能计算力发展评估报告》显示，2024年，中国智能算力规模达725.3百亿亿次/秒（EFLOPS），同比增长74.1%；报告预计，2025年，中国智能算力规模将达到1037.3EFLOPS，较2024年增长43%。其实这个报告主要还是在DeepSeek爆火前完成撰写的。我国算力需求近两个月增长更猛。
正是因为需求在增长，而有太多的需求未被满足，最近两个月，算力租赁市场价格上涨明显。DeepSeek本身，也因算力无法及时满足庞大的访问量，而不时“宕机”。
无独有偶。OpenAI于2月27日发布的GPT-4.5，性能没有太大提升，却以“昂贵”震撼市场，其输入成本是GPT-4o的30倍，输出成本是15倍；输入成本是DeepSeek V3的280倍。
OpenAI CEO奥特曼说了，昂贵的原因在于：“我们的GPU已经耗尽。”与此同时，OpenAI被曝出，正在以3400亿美元的天量估值寻求新一轮融资。
一方面是大模型的复杂度呈指数级攀升。GPT-4.5的无监督学习范式，依赖的是海量数据和计算资源，其训练甚至需要跨多个数据中心并行，单次推理成本远超传统模型。
另一方面是，大模型商业化的两难。OpenAI试图以高价来筛选用户，但用户需求能否与其供给匹配，尚未有答案。因此，虽然奥特曼承诺下周就将调用数万块GPU过来，但GPT-4.5向用户的全面开放没有时间表。
OpenAI与DeepSeek走的是两条不同的技术路线，前者堆砌算力和资金，“大力出奇迹”；而DeepSeek则在算力有限的情况下，通过工程优化和效率革新，研发出同等性能的产品。虽然技术路线不同，但它们最终共同指向了算力需求的暴增：OpenAI需要10万块以上的GPU，而DeepSeek带来的应用端爆发，也推动了算力的指数级消耗。
据记者了解，在中国市场，英伟达H20芯片订单仍在大幅增长，不少数据中心的GPU是不够用的。在高端芯片领域，英伟达创始人兼首CEO黄仁勋近日表示：“对Blackwell的需求是惊人的。我们已成功实现Blackwell AI超级计算机的大规模生产，第一季度的销售额就达到数十亿美元。”
GPU的通用性仍是前沿探索的核心。短期内，OpenAI的GPU短缺和“星际之门”5000亿美元算力投资计划，只会强化而不是弱化GPU的不可替代性。除非量子芯片实现规模商业化，但那是5～10年以后的事。
前不久，DeepSeek的崛起，曾经直接引发英伟达股价的暴跌。而2月27日，英伟达发布了一份超预期的财报，当天股价也大跌8%，并连带AI产业链集体下挫。这是否意味着算力泡沫果然要破裂了？
英伟达股价近两次的大幅下挫，更多是短期预期博弈的结果，而不能归结为“行业基本面出现了逆转”。如前所述，无论是像Blackwell这样的高端芯片，还是如H20这样的普通芯片，都是供不应求，AI应用的探索才刚开始。
不过，部分AI企业的股价可能会有泡沫，尤其是那些并未因应用AI而产生实际营收的企业，仅仅是画了远景预期的饼。
算力既是AI的燃料，也可能是障碍。企业如果无法在效率与成本间找到动态平衡，就可能陷入“越创新越短缺”的循环。而资本市场需要更理性地区分“泡沫叙事”与“真实需求”。AI不是元宇宙那样的超前概念，而是提升生产力的应用（工具），并非谁都能做出原创（0—1），若能在工程优化过程中率先跑出来（1—10），也是了不起的进步。
来源：21世纪经济报道
