最近，网络上的热议话题不断升温，许多明星的隐私和不为人知的黑料纷纷被曝光，引发公众的广泛关注。从未公开的幕后故事到一些令人惊讶的真相，层出不穷的爆料让人感到耳目一新。但在这股热潮之中，我们也应保持冷静，理性分析这些信息的真实性，以免被虚假内容误导。无论真相如何，吃瓜群众的八卦精神依然旺盛。

DeepSeek一天能赚多少钱？官方忽然揭秘！潞晨科技暂停DeepSeek API服务 2025年03月02日 00:33 来历：我国基金报 小 中 大 东方财富APP。便利，方便。

手机检查财经快讯。

专业，丰厚。

一手把握商场脉息。

手机上阅读文章。

提示：

微信扫一扫。

同享到您的。

朋友圈。

　　一同重视一下关于DeepSeek的最新消息！

　　。

DeepSeek初次发表：理论本钱利润率545%。　　当商场认为DeepSeek的开源周内容发布结束之后，3月1日，DeepSeek宣告了“One More Thing”，忽然揭秘V3/R1推理系統，揭露了大规划布置本钱和收益。

　　依据《DeepSeek-V3/R1推理体系概览》的文章，

假定GPU租借本钱为2美元/小时，总本钱为87072美元/天；假如一切tokens悉数依照DeepSeek R1的定价核算，理论上一天的总收入为562027美元/天，本钱利润率为545%。　　。

据官方发表，DeepSeek-V3/R1推理体系的优化方针是：更大的吞吐，更低的推迟。　　为了完结这两个方针，DeepSeek运用大规划跨节点专家并行（Expert Parallelism / EP）。首要EP使得batch size大大添加，然后进步GPU矩阵乘法的功率，进步吞吐。其次EP使得专家涣散在不同的GPU上，每个 GPU 只需求核算很少的专家（因而更少的访存需求），然后下降推迟。

　　但EP一起也添加了体系的复杂性。复杂性首要体现在两个方面：

　　EP引进跨节点的传输。为了优化吞吐，需求规划适宜的核算流程使得传输和核算能够同步进行。

　　EP触及多个节点，因而天然需求Data Parallelism（DP），不同的DP之间需求进行负载均衡。

　　因而，DeepSeek介绍了怎么运用EP增大batch size，怎么躲藏传输的耗时，怎么进行负载均衡。

　　。

大规划跨节点专家并行（Expert Parallelism / EP）。　　由于DeepSeek-V3/R1的专家数量很多，而且每层256个专家中仅激活其间8个。模型的高度稀少性决议了有必要选用很大的overall batch size，才能给每个专家供给满足的expert batch size，然后完结更大的吞吐、更低的延时。需求大规划跨节点专家并行（Expert Parallelism / EP）。

　　选用多机多卡间的专家并行战略来到达以下意图：

　　。

Prefill。：路由专家EP32、MLA和同享专家DP32，一个布置单元是4节点，32个冗余路由专家，每张卡9个路由专家和1个同享专家。　　。

Decode。：路由专家EP144、MLA和同享专家DP144，一个布置单元是18 节点，32个冗余路由专家，每张卡2个路由专家和1个同享专家。　　。

核算通讯堆叠。　　多机多卡的专家并行会引进比较大的通讯开支，所以运用了双batch堆叠来掩盖通讯开支，进步全体吞吐。

　　关于prefill阶段，两个batch的核算和通讯交织进行，一个batch在进行核算的时分能够去掩盖另一个batch的通讯开支；

　　关于decode阶段，不同阶段的执行时刻有所不同，所以把attention部分拆成了两个stage，合计5个stage的流水线来完结核算和通讯的堆叠。

　　。

尽可能地负载均衡。　　由于选用了很大规划的并行（包含数据并行和专家并行），假如某个GPU的核算或通讯负载过重，将成为功能瓶颈，拖慢整个体系；一起其他GPU由于等候而空转，形成全体利用率下降。因而需求尽可能地为每个GPU分配均衡的核算负载、通讯负载。

　　。

PrefillLoadBalancer。　　核心问题：不同数据并行（DP）实例上的恳求个数、长度不同，导致core-attention核算量、dispatch发送量也不同。

　　优化方针：各GPU的核算量尽量相同（core-attention核算负载均衡）、输入的token数量也尽量相同（dispatch发送量负载均衡），防止部分GPU处理时刻过长。

　　。

DecodeLoadBalancer。　　核心问题：不同数据并行（DP）实例上的恳求数量、长度不同，导致core-attention核算量（与KVCache占用量相关）、dispatch发送量不同。

　　优化方针：各GPU的KVCache占用量尽量相同（core-attention核算负载均衡）、恳求数量尽量相同（dispatch发送量负载均衡）。

　　。

Expert-ParallelLoadBalancer。　　核心问题：关于给定MoE模型，存在一些天然的高负载专家（expert），导致不同GPU的专家核算负载不均衡。

　　优化方针：每个GPU上的专家核算量均衡（即最小化一切GPU的dispatch接纳量的最大值）。

　　。

线上体系的实践核算数据。　　DeepSeekV3和R1的一切服务均运用H800GPU，运用和练习共同的精度，即矩阵核算和dispatch传输选用和练习共同的FP8格局，core-attention核算和combine传输选用和练习共同的BF16，最大程度确保了服务作用。

　　别的，由于白日的服务负荷高，晚上的服务负荷低，因而完结了一套机制，在白日负荷高的时分，用一切节点布置推理服务。晚上负荷低的时分，削减推理节点，以用来做研讨和练习。在最近的24小时里（北京时刻2025/02/27 12:00至2025/02/28 12:00），DeepSeek。

-。V3和R1推理服务占用节点总和，峰值占用为278个节点，均匀占用226.75个节点（每个节点为8个H800GPU）。。假定GPU租借本钱为2美金/小时，总本钱为87072美元/天。　　在24小时核算时段内，DeepSeek。

-。V3和R1：　　输入token总数为608B，其间342Btokens（56.3%）射中KVCache硬盘缓存。

　　输出token总数为168B。均匀输出速率为20~22tps，均匀每输出一个token的KVCache长度是4989。

　　均匀每台H800的吞吐量为：关于prefill使命，输入吞吐约73.7ktokens/s（含缓存射中）；关于decode使命，输出吞吐约14.8ktokens/s。

　　。

以上核算包含了网页、APP和API的一切负载。假如一切tokens悉数依照DeepSeek-R1的定价核算，理论上一天的总收入为562027美元，本钱利润率为545%。当然实践上没有这么多收入，由于V3的定价更低，一起收费服务只占了一部分，别的夜间还会有扣头。　　有网友将DeepSeek与OpenAI进行比照，表明：“‘本钱利润率545%’，等一下，所以你是说我被OpenAI掠夺了？”。

　　。

潞晨科技暂停DeepSeek API服务。　　就在DeepSeek发表大规划布置本钱和收益之后，潞晨科技忽然宣告：“敬重的用户，潞晨云将在一周后中止供给DeepSeek API服务，请赶快用完您的余额。假如没用完，咱们全额退款。”。

　　此前2月4日晚间，华为核算微信大众号发文表明，DeepSeek-R1系列模型的开源，因其超卓的功能和低价的开发本钱，已引发全球的热切评论和重视。潞晨科技携手昇腾，联合发布根据昇腾算力的DeepSeek-R1系列推理API，及云镜像服务。

　　但近期潞晨科技CEO尤洋指出，满血版DeepSeek-R1每百万token（输出）定价16元，假如每日输出1000亿token，一个月算下来接入方企业可获得4800万元收入。据他测算，完结1000亿token的输出，需求约4000台搭载H800的机器，以现在H800的市价或许折旧来核算，每月仅机器本钱就达4.5亿元，因而企业方可能面对每月4亿元的亏本，“用户越多，服务本钱越高，亏本越多”。

　　3月1日下午4点，潞晨科技CEO尤洋发文回应DeepSeek发布的理论本钱利润率。

　　揭露材料显现，潞晨科技是一家致力于“解放AI生产力”的全球性企业，团队核心成员来自美国加州大学伯克利分校，斯坦福大学，清华大学，北京大学等国内外闻名高校。主营业务包含分布式软件体系，大规划人工智能渠道，以及企业级云核算解决方案。公司旨在打造一个开源低本钱AI大模型开发体系Colossal-AI，作为深度学习结构的内核，协助企业最大化人工智能练习功率的一起最小化人工智能的练习本钱。

（文章来历：我国基金报）。