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
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