3月1日，DeepSeek官方认证账号在知乎发布了《DeepSeek-V3/R1推理系统概览》(下称《概览》)一文，首次公布模型推理系统的核心优化方案，并披露理论成本利润率高达545%，刷新了全球AI大模型领域的盈利高点，引发业内震动。
《概览》显示，DeepSeek-V3/R1推理系统的优化目标是更大的吞吐、更低的延迟。
为了实现上述两个目标，DeepSeek使用大规模跨节点专家并行(EP）。首先EP使得批量尺寸大大增加，从而提高图形处理器(GPU)矩阵乘法的效率，提高吞吐。其次 EP 使得专家分散在不同的 GPU上，每个GPU只需要计算很少的专家，因此更少的访存需求，从而降低延迟。
EP同时也增加了系统的复杂性。因此，《概览》就如何使用EP增大批量尺寸、如何隐藏传输的耗时、如何进行负载均衡等进行了讲解。
DeepSeek还披露了DeepSeek的理论成本和利润率等关键信息。
文章称，在北京时间2月27日12:00 至2月28日12:00，DeepSeekV3和R1推理服务占用节点总和，峰值占用为278个节点，平均占用226.75个节点(每个节点为8 个H800 GPU)。假定GPU租赁成本为2美元/小时，总成本约为8.71万美元/天。
如果所有tokens全部按照DeepSeek R1的定价计算，理论上一天的总收入大约56.20万美元，成本利润率为545%。
DeepSeek此次披露的数据，不仅验证了其技术路线的商业可行性，也预示着AI大模型的盈利闭环已从理想照进现实。此前发布的DeepSeek-V3模型训练成本仅557.6万美元，是同类产品的1%-5%。
DeepSeek此次在知乎发布《概览》，引来近600条评论、5000多点赞。有网友称，今日发布的《概览》技术文章是“开源周彩蛋”，直接亮出了底牌。有网友称赞：“太强了，AI算力成为水电的基础是要足够便宜，Deepseek迈出了一大步”。
《概览》发布也标志着全球关注的“DeepSeek开源周”正式收官。“DeepSeek开源周”自2月24日至2月28日，陆续开源最新技术进展。其中，包括FlashMLA、DeepEP、DeepGEMM和3FS四个开源项目，以及DualPipe、EPLB等代码库。
47847
26
47847
26
48158
46
18095
59
76276
17
65573
36
63128
4
86478
85
30367
78
63524
2
62738
4
31856
47
71272
50
83067
20
99712
97
54978
31
63720
90
94331
53
29063
54
68942
21
89181
94
23218
58
28745
52
81201
44
17391
69
29549
6
17480
70
89028
4
98746
88
79267
68
83517
81
27017
78
54410
77
62398
1
63428
58
63473
31
47199
19
84052
15
46245
22
19684
80
22271
49
94874
50
36152
35
45060
29
74946
99
90160
42
41857
2
66369
8
47534
52
61701
41
52980
33
50061
60
68054
69
93840
53
92885
11