DeepSeek“朋友圈”的B面：搶入口、爭流量，開打算力戰

文 | kiki、謝浩

大模型競逐邁入第三年，來自中國杭州的一家本地初創企業DeepSeek如同一條鯰魚，徹底攪活了全球大模型的生態圈。

從蛇年春節開始，一場圍繞“接入DeepSeek”的競賽就席卷中國AI行業。短短一個多月內，從芯片廠商、云廠商、算力服務商、軟件廠商再到面向終端用戶的各類硬件廠商，超百家中國公司已宣布加入DeepSeek朋友圈，借其開源模型能力，提升自身的業務想象力。

毫無疑問，DeepSeek讓大模型更普及了，但與洶涌流量并行而來的還有一個更關鍵的問題——算力。

圍繞著這個關鍵問題，市場的態度經歷了“反復橫跳”：初期階段，DeepSeek低算力成本的特性，曾經一度重創英偉達等算力廠商的股價；在這之后，隨著訪問用戶的激增和私有化部署的需求，算力概念股又強勢翻紅，供不應求。近期，DeepSeek還對外公布了其理論成本和利潤率，再度引發AI圈討論。

隨著DeepSeek朋友圈的不斷擴大，芯片硬件側由OpenAI所掀起的軍備競賽，究竟能否延續？這場算力游戲，又會帶來哪些新的規則？

1、DeepSeek“朋友圈”各懷心思

DeepSeek以低成本、高性能著稱，按照官方提供的數據，每個H800節點上每秒有73.7k/14.8k個輸入/輸出tokens，理論單日總收入562027美元，成本利潤率545%，其「中國式創新」激活了國產算力生態。

而從DeepSeek的「朋友圈」中來看，表現最為積極、速度最快的可以分為四類玩家：基礎層（包括國產芯片廠商、云廠商）、中間層（AI Infra廠商）以及在B、C兩端的軟、硬件廠商。

據「硅基研究室」不完全統計，第一批接入DeepSeek的企業就接近百余家。

“一天有十幾個咨詢，從春節復工后就沒有休息”。一位AI Infra廠商商務BD告訴「硅基研究室」。

作為連接大模型底層算力和下游應用的中間層，AI Infra廠商既是第一批接住DeepSeek“流量”的玩家，也是第一批吃到流量外溢的受益者。

AI Infra廠商硅基流動創始人袁進輝曾在朋友圈復盤，DeepSeek出圈后，他們在2月1日就迅速找到華為，完成DeepSeek-R1和V3在昇騰生態的適配工作。

與AI Infra廠商有著相似敏銳度的，還有國產芯片廠商，某智算中心服務商李楊（化名）的直接體感是，此輪DeepSeek熱潮中“國產AI芯片廠商這輪反應速度很快，幾乎和英偉達這些國際玩家同步接入。”

緊隨其后的就是云廠商和面向終端的軟硬件廠商。

云廠商方面，“互聯網云”幾乎都趕在春節期間上線了基于DeepSeek模型的API服務，打起了新一輪的「低API價格+開源模型戰」，云端算力推動DeepSeek加速滲透不同行業。

硬件方面，端側手機廠商也是最先擁抱DeepSeek的首批玩家，而在用戶最有直觀感受的軟件應用側，包括騰訊在內的大廠攜「超級應用+DeepSeek」卷入競爭，給大模型競逐再添一把火。

分食DeepSeek流量背后，不同玩家其實「各懷心思」。從算力層來看，有著相對充足算力儲備的云廠商顯然動力更強。云廠商是中國算力市場的投資主力，向外它們既會大規模投資固定資產，包括采購芯片、服務器、租賃土地建數據中心等，對內也會自研芯片。

以阿里和百度為例，2024年全年，阿里資本支出總計超724億元，百度超82億元，據《財經》此前報道，阿里、字節跳動也早已完成10萬卡級別的算力儲備。

除此以外，DeepSeek通過模型壓縮、稀疏計算、混合精度訓練等多種技術手段驗證了低算力成本復現高性能模型的可行性，也給自研芯片的大廠帶來了“自供血”機會。

“自供血、對外租賃，云廠商有自己的業務閉環”。 聯想控股副總裁于浩告訴「硅基研究室」。

其次，在戰略層，借自有云業務，BAT和字節跳動借DeepSeek可以達成兩大意圖：一是通過DeepSeek這一超級流量入口，與自身產品協同，短期承接DeepSeek的流量。二是有助于鞭策內部團隊，在對比中提升自身模型能力。

前者更像是移動互聯網時代大廠們擅長的打法，資深芯片專家、中存算董事長陳巍認為DeepSeek出現之后改變了大眾對大模型商業本質的思考：“原先公眾認為大模型它可能是一個在日常對話、應用辦公的工具，但事實上，DeepSeek出現之后，大模型也可以成為一個超越互聯網、甚至超越原先這些操作系統的超級流量入口。”

Sensor Tower的數據顯示，截至2月24日，DeepSeek移動端的日活數據，已由超過1500萬的峰值，下滑至700萬左右。與之對應的是，元寶、豆包、通義等均實現了訪問量和日活的大幅增長。

于浩提到，DeepSeek的模型能力有目共睹，有流量有市場，且前期在C端以免費模式實現DAU的閃電式擴張，頭部大廠自然會迅速跟進。

即便是放眼整個中國互聯網歷史上，像DeepSeek這樣得到全行業追捧和爭搶接入的產品，除了去年的“原生鴻蒙熱”，幾乎很難找到其他案例。

最后，回到應用側，DeepSeek以低成本和低功耗支持復雜AI任務運行，推動AI進一步下沉至智能終端、汽車智駕和產業側。

以廠商為例，華為、榮耀、OPPO、vivo、魅族、努比亞等手機品牌宣布在AI助手接入DeepSeek。

長期來看，手機廠商集體擁抱DeepSeek，一方面有利于其擴充云端AI生態，另一方面，也有望不斷拉動手機SoC需求量，在端側、邊緣側，誕生更多的軟硬件升級。

高通CEO安蒙近期在財報電話會上表示：“DeepSeek-R1和其他類似模型最近表明，AI模型正在發展得更快、更小、更強大、更高效，并且現在能夠直接在設備上運行。”

2、算力與有效算力：一邊閑置，一邊短缺

伴隨“接入DeepSeek”浪潮而來的，是服務器繁忙的提示。

如果從用戶直接體驗來看，服務器繁忙、延遲加劇，就連硅基流動也開始不得不限流，尋求更多的算力資源，特別當攜移動互聯網時代超級應用入場的大廠，龐大的用戶量更加劇了對算力的焦慮。

這些DeepSeek“朋友圈”，它們的算力到底夠不夠？

「硅基研究室」多方了解到，在這一問題上，行業目前的共識是短期算力洗牌，長期算力短缺。

「短期算力洗牌」指的是DeepSeek打破了過去模型廠商“大力出奇跡”的敘事，它在模型架構、預訓練和推理側的系統級工程手段，拉低了模型部署的算力門檻，短期內給國產芯片、算力服務商等整合國產算力、推動國產算力洗牌提供了機會窗口。

具體來看又可以分為兩方面，一是給國產芯片提供了更多機會；二是解部分智算中心算力閑置的困局。

關于第一點，一直以來，強勁性能都是英偉達高端GPU的護城河，也是起步較晚的國產芯片的一大軟肋。

DeepSeek的出現一定程度上降低了對高性能芯片的依賴，作為采用MoE架構的大模型，DeepSeek對芯片訓練性能的要求并不高，即便是像英偉達H20這樣的性能閹割版GPU，也可以勝任DeepSeek的本地化部署需求，甚至成為了目前渠道端的“熱銷貨”。

一位芯片渠道商告訴「硅基研究室」，H20 141GB八卡服務器目前是120萬一臺，是期貨，要等4-6周，96GB H20八卡服務器還有不少現貨，但“每天一個價”。

相較于訓練場景，DeepSeek對于硬件側的需求更多聚焦在“堆料環節”。

陳巍告訴「硅基研究室」，“像DeepSeek這樣的超大超稀疏MoE模型，顯存遠遠不夠用。從產業角度而言，適配高端GPU的高帶寬存儲器（HBM）又很貴。”

這意味著，單純靠增大GPU顯存來適配DeepSeek，會憑空增加巨大的成本。

這也是為什么，業內一直在探索更具性價比的部署方案。“一種合理的部署方式就是CPU/GPU多專家多顯卡的部署方案，還有一種是直接用CPU的內存去充當不常用細分專家的存儲緩存。”陳巍說。

而這兩種方案所對應的“算力性價比”和“異構協同”能力，正是國產芯片長期發力的差異化優勢。

另有大模型行業人士提到，國產生態對DeepSeek也并不陌生，2024年DeepSeek發布第二代開源大模型DeepSee-V2時，硅基流動就基于英偉達生態上線了推理服務，對其模型架構等方面也十分熟悉。

AI Infra廠商所做的工作涵蓋了數據準備、模型訓練、部署和應用整合等，硅基流動主要通過其模型云服務平臺SiliconCloud、大語言模型推理引擎SiliconLLM等產品，讓模型能力能按需調用。打個比方，它們相當于是一個“廚師”，將原始算力資源加工成符合用戶需求的“成品菜”，自上線DeepSeek R1/V3推理服務后，SimilarWeb數據顯示，給硅基流動帶來了數十倍的流量增長，目前SiliconCloud已獲得了超三百萬的用戶。

而對一些部署國產芯片的智算中心而言，DeepSeek出圈也短期解決了算力閑置和碎片化問題，上述智算中心服務商李楊算過一筆賬，中國智算中心項目目前已超過600個（包括在建），各地也在興建千卡、萬卡算力資源池。

據機構「IDC圈」不完全統計，截至2024年11月20日，中國智算中心項目已經達到634個。

轟轟烈烈的“算力浪潮”之下，為何還會出現「閑置問題」？

在李楊看來，DeepSeek出圈前，國產算力中心缺少一個成本低、性能好且開源的模型。“智算中心大多是國產卡，一個大模型火了，每次都要適配一堆，加上人力有限，沒有好的開源模型，所以很多最后沒有用起來。”

另一個原因在于，算力中心主要面向產業、學界等，客戶對算力成本也很敏感。過去在推理側，智算中心以單卡形式提供算力服務，智算中心的集群規模化效應并沒有凸顯，國產算力得不到有效消耗。

“成本和產能就是主要問題，產能低的芯片價格高，只有產能穩定才能有規模效應，降低智算中心成本。”李楊告訴「硅基研究室」。

但DeepSeek打破了這個窘境：首先，國產芯片廠商反應迅速，其次，作為李楊口中一個真正“好的開源大模型”，它帶動了上下游生態，疊加政策驅動，推動過去閑置的國產算力真正地用起來。

除此以外，作為中間層的AI Infra廠商也在迅速整合生態、加速算力市場洗牌，在DeepSeek牽引下，比如推出敏捷式的多并發一體機，以軟硬件一體化，提供更多元、高效的推理服務解決方案。

但短期洗牌過后，長期來看，算力還是短缺的。

訓練和推理是AI芯片的主要任務場景，DeepSeek帶動智能算力結構變化，推動Scaling Law向后訓練、推理階段轉移。

據IDC數據，2024年，中國智能算力規模達725.3百億億次/秒（EFLOPS），同比增長74.1%，增幅是同期通用算力增幅（20.6%）的3倍以上。分結構來看，未來智能算力內部訓練算力占比會下滑至27.4%，推理算力占比將上升到72.6%。

推理算力猛漲的背后，是行業對“AI加速滲透千行百業”的期待。

民生證券以目前日活量、日均token調用量為基礎，對“超級應用”接入DeepSeek做出了保守估算，10億級別DAU應用接入DeepSeek且全面普及使用后，所需的推理算力規模約為28萬張H20。

東吳證券也以AI手機為例，測算得到端側算力需求在2024-2027年間基本維持翻倍以上的增速，AI手機云端算力需求折算成Blackwell GPU卡的FP8算力，在2025年的需求量約為12萬張。

“算力永不眠。”一位大模型行業人士向「硅基研究室」這樣解釋，可以從大廠公布的Token消耗量粗暴理解算力長期需求。

去年12月18日，字節公布豆包通用大模型日均Token消耗量已超4萬億，百度在去年8月公布文心一言通用大模型日均處理Tokens文本超1萬億，而據火山引擎智能算法負責人吳迪此前預測，2027年豆包每天Token消耗量預計超過100萬億，是原來的100倍以上。

上述大模型行業人士稱，考慮到未來視頻推理、用戶量增長等因素，推理算力需求長期或向百萬卡邁進，“長期算力難以準確估計”。

事實上，中國科技大廠已經進入新一輪的擴張周期——以阿里近兩年資本支出為例，分季度呈現出高增趨勢，部分季度甚至呈現三位數高增，阿里管理層在最新財報電話會給出的指引是——未來三年在云和AI的基礎設置投入將超越過去十年的總和，約為3800億元。

據「硅基研究室」不完全統計，開年后，多家中國云廠商宣布新節點計劃，阿里云在泰國、墨西哥新數據中心先后官宣啟用。

比中國科技大廠更早進入算力投資的是海外科技大廠，「硅基研究室」在《「DeepSeek恐慌」，為何難擋微軟們瘋狂撒錢？》中提到，拉長時間線看，從2023年Q2開始，微軟、Meta、亞馬遜和谷歌的資本支出就呈現出明顯的上升趨勢。

如果按「資本密集度」（資本支出占營收比重）這一指標看，2024年，微軟、Meta、亞馬遜和谷歌資本支出占總營收的17.2%，這一數字甚至高于上一輪大型能源公司的資本支出投入。

這究竟是一種害怕錯過的情緒，還是被擁躉的“杰文斯悖論”真相？沒有人能給出確切的答案。

此前Meta創始人扎克伯格也被彭博主持人問到：“數據中心的投資到底是不是泡沫？”無法正面回答的扎克伯格，只能從互聯網泡沫里找答案：“許多所謂的泡沫最終也會變得很有價值，這只是一個時間問題，我不知道AI最終會怎么發展，還是很難預測的。”

3、“算力游戲”與“效率游戲”

比起討論「是不是泡沫」，國產算力現階段還有更需要做的事。

于浩認為，這幾年國內算力發展可以分為兩個階段：一是“小馬拉大車”，以追為始，集體將向OpenAI看齊，明星企業大量融資但望卡興嘆；二是“小米加步槍”，DeepSeek出圈破局，將每口糧食都吃在刀刃上，每顆子彈都瞄在靶心上，軟硬兼施，壓榨算力優化到極致。

“行業需要更多的高性價比算力”，從2003年就開始在清華實驗室接觸人工智能的陳巍這樣總結。

在陳巍看來，首先是堅定地支持像DeepSeek這樣有價值的國產自主創新；其次是要積極復現DeepSeek的技術路線，以及在具體業務場景中“邊跑邊落地更具性價比”的算力方案。“大家要更多地支持像DeepSeek這樣的一個跨界聯合創新，而不僅僅是單點創新。”

單靠DeepSeek的一己之力，很難撬動硬件端國際大牌們的護城河。

以此前媒體所報道的“DeepSeek擊穿CUDA生態”為例，本質上只是DeepSeek依托PTX（Parallel Thread Execution，CUDA生態內部的中間指令集），繞過了CUDA生態的高層API，越級直接指揮、優化底層硬件，但上述技術路線本質上仍然在英偉達的框架內尋求突破。

即便是聚焦技術路線創新DeepSeek，也仍然沒有完全繞過英偉達CUDA生態，這意味著，在國產AI芯片側，借DeepSeek之勢，抱團取暖，建立國內自主可控的類CUDA生態是長期任務。

一位不愿透露姓名的服務器專家向「硅基研究室」表示，國產AI芯片現階段仍需要基于大模型做專門設計，例如“低精度高緩存”，加快支持FP8數據類型（DeepSeek采用了 FP8混合精度訓練），讓推理更加便宜的同時，也利于下游服務器廠商的設計。

在云廠商及算力服務商側，在豪賭之外，需要算大模型的經濟賬——除了采購芯片外，數據中心建設還包括了能源配套、人力配套（運維、研發）和數據資產等成本支出。

除此以外，在大模型抵達最終訓練前，前期研究、所使用的數據訓練等各環節的試錯成本，以及人員薪酬等這些也都是總成本的一部分，模型廠商并不會公開這些隱形成本。

因此，如何在算力建設的每一環降低資源浪費，這既考驗大廠各家的Infra能力，也考驗自身的預期管理。

海外云廠商的普遍做法有延長服務器折舊周期，與能源公司合作等手段，有的也及時止損。此前微軟就被曝出暫停了OpenAI計劃使用的威斯康星州人工智能數據中心的部分建設，原因是高估了部分地區的算力需求。

一邊更合理地規劃資源，提升算力利用率。另一邊，巧妙施展財技，保證利潤率水平，這也是后續云廠商反應在基本面上的趨勢。具體到模型側，擁抱開源、持續優化算法，已經成為了當前各大廠商的階段共識。

與此同時，在應用側推動產品爆發、落地，也成為了廠商們拓展“算力故事”的重點。根據「硅基研究室」多方了解，C端的個人Agent、B端的企業私有化部署以及G端的政務公共智算云，則是行業目前關注的三大方向。

如果說，過去OpenAI掀起的是一場算力游戲，那么DeepSeek出圈后，這場游戲還將繼續，只不過它有了新的定語，這是一場“算力效率”的游戲。

盡管一度被砸掉6000億美金市值，黃仁勛還是多次對DeepSeek給予了正面評價，最新的財報電話會議中，他說：“感謝DeepSeek，它開源了一個絕對世界級的推理模型。”