技术前沿 DeepSeek的新特性及其影响

DeepSeek开源周背后的深意与彩蛋揭秘

过去一周，DeepSeek连续开放了五个Infra项目的源代码，引起了广泛的关注与讨论。
正当人们以为这场开源盛宴已经结束时，DeepSeek的彩蛋突然来临。
在开源周Day6，DeepSeek官方团队在Github和知乎给出了DeepSeek-V3/R1推理系统的技术解读。
这次的技术解读揭示了一个令人震惊的事实：通过优化吞吐和延迟，DeepSeek的理论日收入高达成本利润率超过500%。
这一消息引发了网友的热烈讨论和猜测。

从DeepSeek V2发布以来，DeepSeek模型服务一直以“价格屠夫”的形象示众，价格远低于行业其他模型。
这也引发了人们对于其盈利模式的质疑，怀疑其是否能够通过降低成本来维持持续的研发和服务。
通过这五天的开源行动以及今天的推理系统概述，这一疑虑被打消。
DeepSeek模型推理价格越来越亲民，同时服务提供方也能获得可观的利润。
这一事件的影响通过网友们的反应得以一窥，他们对成本利润率的高达545%的数据表现出极大的惊喜。

对于这一惊人的数据，一位AI领域的投资人向极客公园阐述了他的理解。
他认为，官方技术解读表明，云平台和上下游通过部署DeepSeek的服务，理论上收益和利润率可以达到很高的水平。
这一趋势对于提供在线推理、私有化部署等服务的供应商来说，无疑是一个巨大的利好。
在这一波DeepSeek热潮中受益的云平台硅基流动创始人袁进辉也在第一时间表达了自己的感受。
他认为DeepSeek的披露在很大程度上颠覆了人们的认知，但需要注意适配DeepSeekV3/R1模型架构需要时间。
他表示现在很多供应商还做不到这个水平，主要是V3/R1架构和其它主流模型差别太大了，必须按照DeepSeek报告描述的方法才能达到最好的效率。

那么DeepSeek是如何实现如此高的成本利润率的？在DeepSeek官方报告中，提到了DeepSeek-V3/R1推理系统的优化目标是实现更大的吞吐和更低的延迟。
为了实现这两个目标，他们采用了大规模跨节点专家并行（ExpertParallelism/EP）的方案。
通过使用多机多卡间的专家并行策略、双batch重叠技术以及负载均衡技术，他们成功地提高了系统的吞吐量和降低了延迟。
这一技术的核心在于使用EP增大batchsize、隐藏传输的耗时以及实现负载均衡。

DeepSeek还通过采用H800GPU和训练一致的精度来最大程度保证服务效果。
同时，他们实现了一套机制，根据服务负荷的高低动态调整节点数量，以提高资源利用率。
在最近的24小时里，DeepSeek V3和R1的推理服务表现出了惊人的效率，峰值的节点占用数达到了278个，平均占用226.75个节点。
在如此高效的运行下，理论上一天的总收入非常可观。

对于DeepSeek的未来，人们充满了期待。
有网友问到是否会成为云平台的问题时，苏姿丰表示职业生涯中足够幸运并得到了老板的成长机会。
这表明DeepSeek团队对未来充满信心并愿意不断探索和创新以满足用户的需求。

DeepSeek开源周的背后隐藏着巨大的商业价值和技术创新。
通过开放源代码和技术解读，DeepSeek展示了其强大的技术实力和创新能力同时也为行业带来了更多的合作机会和发展空间。
相信在未来DeepSeek将继续为行业带来更多的惊喜和突破。

---

---

相关标签： 大模型、 gpu、 deepseek、 计算量、 openai、

上一篇：首度公布全新细节深度解析

下一篇：创新技术引领行业前沿