DeepSeek永久降价，其实是瞄准了10万亿美元？

文 | 字母AI 业内一直有这么一个共识，DeepSeek影响力虽然很大，但DeepSeek就是不赚钱。 说到底，无非就是DeepSeek没有订阅、没有额外收费项目，只有API收费，可API价格太便宜了，而且动不动就打折降价。 就比如5月22日晚上，DeepSeek宣布最新旗舰模型永久降价75%，从6月1日开始生效。 但你有想过这一切背后的逻辑是什么吗？ 亚马逊AWS新加坡区域生成式AI技术负责人吉里什·迪利普·帕蒂尔（Girish Dilip Patil）在周末写了这么一篇文章，标题是《DeepSeek的10万亿美元大战略》，从业内视角，对DeepSeek的底层逻辑进行了剖析。 文章给出了一个极其反常识的判断，他说DeepSeek正在以低价为主要叙事手段，进而在整个AI产业链引起一场海啸，彻底瓦解AI硬件现有的产业结构，英伟达、SK 海力士、三星、美光等公司将会丧失如今的领先地位，而且部分市场，也会让中国公司取代。 这10万亿美元代表的，就是整个基于DeepSeek而牵动的市场机会。 文章一经发出迅速爆火，它还不止是只在中文圈火，它是直接火遍了整个X上的AI圈。 X上有一个非常有影响力的AI内容博主叫做罗汉·保罗（Rohan Paul），他就转载了这篇文章，并对文章表示了高度的认可。 国内可能对罗汉这个名字比较陌生，但是他有一个粉丝你肯定认识，那就是皮查伊，谷歌现任CEO。 说回文章作者，吉里什不是那种只懂数学或者代码的人，由于工作的原因，他每天都要接触AI全栈，因此他是既懂大模型架构和推理，也熟悉GPU、云服务、企业部署、开发者生态和商业化场景。 所以他分析DeepSeek时，关注点不是“模型”本身，而是从最底层的技术，慢慢谈到硬件，最后上升到整个产业。 那么文章具体是怎么说的呢？ 01 改写底层逻辑 我们对“便宜”这个词的理解，主要来自于过去的各种大战，比如网约车大战、外卖大战、共享单车大战等等。“便宜就是抢流量，便宜就是抢市场”几乎刻在了网友们的DNA里。 然而DeepSeek的便宜，并非是简单的抢量，它其实是一种“解绑”，让把AI不再依赖特定的硬件。 从V3到V4，DeepSeek有两件事影响很大，一个是模型记忆，一个是模型推理，不过最终都落到了一个字上，“省”。 大模型每聊一句，都要把前面的上下文存在KV Cache里，而这部分通常吃的是最贵、最紧张的HBM。 根据吉里什的测算，在100万token上下文、8bit KV精度和16bit索引的精度下，DeepSeek V4的KV Cache只占5.48GB HBM。作为对比，GLM5要60GB，Qwen3-235B-A22B要89GB。 差距不只在参数大小，而在架构。DeepSeek V4的MoE、MLA、DSA、CSA、HCA设计，本质上都在做同一件事，把长上下文从“显存黑洞”变成可以被压缩、转存、重新加载的系统工程。 而一旦KV Cache被压缩到很小的规模，那就意味着，模型推理可以更多地放在SSD、NAND闪存、LPDDR内存这些价格亲民的存储介质上，这样你就可以少花点钱去买HBM，同时这也表示，你不再需要那么多英伟达GPU了。 以前你想入局AI，那你就得老老实实花大几百万去买英伟达GPU，钱花出去也就算了，关键是你还得等，因为HBM已经严重供不应求。 现在缺货到什么程度呢？2025年11月下单的GB200，起码要等到2026年第二季度才能拿到货。2022年特斯拉芯片短缺最严重的时期，一辆Model Y最长交付周期也才24周。 一张GPU，已经比一辆新能源汽车还难造了。 因此，DeepSeek的叙事对中国AI产业链很重要。 国产芯片今天最大的机会，未必是正面追平英伟达最顶级GPU，而是先找到可以真实承接负载的场景。 DeepSeek把模型做得更省显存、更适合长上下文、更容易被拆到不同硬件上运行，就等于给国产GPU、存储厂商、服务器厂商和异构计算框架留出了接口。 以前英伟达、SK 海力士、三星、美光这些厂商收入暴涨，就是因为AI硬件所有的压力全在GPU和HBM上。 DeepSeek把国产厂商拉进游戏里了，可以参与到推理、缓存、存储、调度的每一个环节。 模型不再只为最强的硬件服务，硬件也不必只有最强的那一类才有价值。中国机会就在这里。 再看API定价策略。 就在这篇文章发出前一天，DeepSeek V4 Pro宣布token价格75%永降，输入token价格降至每百万0.435美元，缓存命中更是低至0.0036美元。 这个价格比Claude Opus 4.7便宜19倍，比GPT-5.5便宜12倍。 DeepSeek的降价绝非是赔本赚吆喝，原因在于，在DeepSeek开启首次融资后，梁文锋就曾跟投资人表态，要给DeepSeek一个健康的商业模式。 显然他不能让DeepSeek亏钱。 低价API本质上是一种生态策略，也是DeepSeek在向整个产业链发出信号。 DeepSeek仍然在赚钱，但是梁文锋不急着去赚“大钱”，他要做的是让足够多的开发者、企业、硬件厂商围绕这套技术体系做适配和投入。 原因无他，就是便宜，所以试错成本极低。几百块钱，甚至几十块钱就能适配，那对企业来说可太划算了。 当生态形成时，DeepSeek就不是基座模型公司了，它是AI基础设施公司，负责制定标准，定义产业，这可能才是梁文锋看重的。 DeepSeek的技术选择和商业策略背后，存在着一个清晰的逻辑链条。 降低模型对顶级硬件的依赖，让更多硬件厂商有参与机会，形成良性竞争；硬件厂商们开始竞争，分散风险并降低整体成本；降低整体成本，支撑更低的API价格；更低的API价格，吸引更多开发者和应用；更多的应用，产生更大的推理负载；更大的推理负载，就需要更多的数据中心、存储、电力和散热设施。 这是一个正向循环，DeepSeek站在这个循环的起点。 就像当年的Linux不靠操作系统授权费赚钱，却撬动了整个开源软件生态。 DeepSeek的开源策略、低价API、技术论文毫无保留分享，都在为同一个目标服务。成为标准，然后在标准之上构建的庞大产业链中获取价值。 02 从算力到电力 假如，我是说假如，DeepSeek真的是想要站在整个AI生态的开端，那么宁德时代投资DeepSeek这件事，就说得通了。 虽然我们总是习惯用英伟达来代表AI基础设施，但是AI基础设施并不等于GPU，它应该是数据中心、供电系统、散热方案、储能设备和电网调度能力的总和。 这里有一个反直觉的现象。 DeepSeek把推理成本打下来了，按理说应该降低对硬件和电力的需求。 实际情况恰恰相反。降本会触发需求膨胀。 当API价格从每百万token几美元降到几毛钱人民币，很多过去嫌贵、不敢多用的场景，都会开始大量调用模型。 使用量的增长速度，会远超单次推理成本的下降速度。 最终结果是，总的推理负载不是减少，而是大幅增加。 需求膨胀的必然结果就是基础设施压力爆炸。 你要更多的硬件去支撑业务，而这些硬件运作起来就需要更多的电。 所以到最后你会发现一个事，数据中心的供电能力、散热效率、能源成本，会成为AI公司的核心竞争力之一。 这不是我说着玩的，这是现如今的事实。 OpenAI与AMD的战略合作协议中，就明确约定了以千兆瓦为