原创 180k 2025-03-02 05:35 福建
昨天Deepseek的Day6出来，非常炸裂；
2000左右的卡，跑出了几千万的的DAUs；
颇为吸睛的545%的“理论”利润率；
按照绝对数字来看，一天8.7万美元的成本 vs 56万美元的API收入；
当然也引来不少标题党；；譬如下面的Bindu Reddy；
一些takeaways；
Deepseek的AI infra实在是太吓人了；模型做到了SOTA，infra还能秒杀一众同行；infra is power；
但是这个利润率，有很多不同的口径；需要稍微多看两眼；
专业的内容交给产业链+AI模型的老师们；我这里仅从二级市场的角度，看看模型利润率的“口径对齐”；顺便瞎问瞎想一些问题。
关于利润率
1/ 关于deepseek利润率更加准确的表述，是R1模型的利润率是85%；按照（56-8.7）/56=85%走；deepseek知乎的那篇用是R1的定价，如果按照v3的定价，会再低一些，大概70%左右；
2/Deepseek是第一个详细披露了自己成本结构的大模型公司；反观Open AI + Anthropic，其收入/利润经常是通过CNBC，NYT，the information进行捕风捉影；TD Cowen有一个计算Anthropic的拆分，算得比较合理；
3/ 我们姑且在有限的信息里面，相信TD Cowen的拆解；那么按照deepseek的口径，Anthropic24年的利润率应该为61%；按照（500-170-23）/500=61%走；
4/ 表格里面rev split w/aws的那行，代表了Anthropic给AWS的API收入提成（可以粗略理解为“租借算力的成本“）；the information估算的云厂take rate是25-50%；这里TD Cowen是按照40%的中间值去计算（比微软和open ai的提成要更高）；
5/ 如果我这里退一步，不用td cowen 的 40%，而是按照25%-40%的下端，25%来算（我们用这个方法来粗略地“剔除“AWS的云计算利润率，从而得到“比较现实“的计算成本）；那么按照deepseek口径下，Anthropic24年的利润率可以达到74%；按照（500-425*25%-23）/500=74%走；这么对比起来，利润率差距就没有“标题党”说的那么可怕了。
6/ 极端情况下，我们甚至可以按照AWS 50%的利润率，再把这个“计算成本”压低；425*25%*50%=53；那么我们就又有一个anthropic口径，利润率可以达到85%；按照（500-53-23）/500=85%走；
7/ 你可以简单理解为，虽然open ai + anthropic的成本端没有deepseek那么卷，但是他们的收入端，定价更高，客户目前也更加慷慨（之后的日子就不好说了）；所以他们也能做到类似的高利润率（在 60%-85%中间摆动）；
8/ 至于为什么有的地方经常出现OpenAI“亏大钱“的口径？因为在融资的时候，投资者经常看的是财务/会计角度的盈利亏损，而非大模型租赁角度的理论成本；这点在TD Cowen的表格里也说的很清晰了；模型训练成本 + 数据的Licensing Costs + 一些人员+宣传等opex，也经常被放进去做“盈利统计”；还有就是一些GPU折旧成本，这里就不特别展开了。
一些不成熟的思考 / 我还没想透的问题；
1/ 现在更加理解前两天deepseek夜间降价的新闻了；夜间GPU是低负载的；如果能跑满这段时间的GPU负载率，那么整体利润还能继续提高；有没有办法通过给跨时区的用户调用来解决？
2/ 当我们开始聊“跨时区”/“错峰段”的时候，就来到了云计算熟悉的领域（一开始云计算就是为了提高运算的负载率而诞生的）；Amazon 在re:invent + 微软 CEO 前几天的podcast 都提到过，AI云计算和普通云计算，在思路/成本/结构/本质上/利润率，并没有太大的不同；所以云存在的问题它都存在；“低峰就聊闲置率”+“高峰就聊稳定性”；至于什么“优化资源池”+“预测弹性伸缩” + “减少故障率”，我相信各位产业界的老师们更懂；我就不好意思班门弄斧了。
3/ 虽然deepseek开源，也让各家云厂/“普通人家”去部署；在这样的infra差距之下，计算资源/成本差距可以如此之大；那么阿里管理层在业绩会提到的，之后70%-90%的推理可能跑在云上面，就更加有可信度了。这个情况，和“史前云计算”（AI来临之前的云计算）差很多，以前“公有云+私有云”混行，很多企业都选择自己去“DIY云计算”；在AI时代可能会不一样？云计算的利润率有提升空间？
4/ deepseek的大集群规模效应 + 高并发利用率 带来了成本降低；超稀疏的MoE可能并不适合个人部署，也不适合“半桶水”的企业和 infra 团队去部署；小量级的 GPU似乎“人人“都能部署起来，但是成本分分钟数大厂的好几倍。
5/ 看到有一个分析写的很好，引述“chengxd达达“；
6/ 如果H800能跑出这样的效果；国产芯片的上限是不是能继续靠 infra 继续提升？
7/大家对于deepseek 的调用有很大的容忍度，都能够体谅deepseek 在高水平模型表现下面的“服务器繁忙”；但是对于正常的app 应用/云计算服务，大家不会给相同的容忍度；所以普通云计算/AI 应用需要为高强度用户并发留出更多的空间，那么调用的利润率应该也要继续跌一些？
8/ 如果按照这个逻辑看，拥有自身业务的云厂（阿里有夸克+钉钉+淘天+苹果，腾讯有元宝+微信+数不清的应用）会不会比没有自身业务的云厂更加具备成本优势？
9/会不会影响二级市场的算力逻辑？这个问题从 deepseek 出来后大家就每天讨论；barclays早在去年 6 月的时候，就算过26年业界的capex，足以支撑“12000+个 chatgpt 级别的应用）；但是你不能只从chatbot/“聊天机器人”的角度去思考；
10/ 譬如在消费者行业（to c）；我们主要还停留在“文字+对话式”的chatbot 时代，还没算真正踏入agent/机器人时代；也尚且没有大规模调用“图像”+“声音”+“视频”的tokens；
11/ 譬如在企业端（to b）；我们还在co-pilot 阶段挣扎，也没有到agent 或者更加深远的"ai员工”时代；
12/ 周一如果有投资人/老板问你“deepseek这个新闻会不会影响算力需求”？很简单，别问，问就是“杰文斯悖论“；如果他继续追问，就和他说摩尔定律+煤矿时代+工业大革命；如果他再问，就让他来看我公众号。
13/ 二级分析师的日子又要更卷了；现在不仅仅要考虑算力，还要考虑“有效算力”（算力 x 算力利用率）；不仅仅要懂ai capex，还要懂ai infra；
14/ AI infra的从业者日子也要更卷了；投资人和老板们很容易对标deepseek的这个利润率，去卷大家的估值和KPI；换个角度看，整个行业/生态一起压榨算力；deepseek从模型开始卷（x小龙x小虎），现在轮到infra了（某种程度上来说，infra的重要程度提高，估值可能也可以？）。
15/ 梁总当时接受36kr采访的时候说过，
deepseek希望形成一种生态，就是业界直接使用我们的技术和产出；我们只负责基础模型和前沿的创新，然后其他公司在ds的基础上构建to b和to c业务；如果能形成完整的产业上下游，我们就没必要自己做应用；当然，如果需要，我们做应用也没障碍；但研究和技术创新永远是我们第一优先级；
现在回过头看，梁总真的一路把整个生态系统打通了；真心佩服。
有兴趣关注的话可以点下面；差不多每天更新（因为公众号是乱序推送，需要及时收到的朋友可以星标公众号，）
