AI导读：

DeepSeek官方账号在知乎首次发布推理系统概览，公开核心优化方案及财务数据，理论上一天总收入可达$562,027，成本利润率高达545%。所有服务均采用H800 GPU，通过动态调整节点资源实现效率最大化。

3月1日，Deepseek官方账号在知乎首次发布《DeepSeek-V3/R1推理系统概览》技术文章，公开了其推理系统的核心优化方案及成本利润率等关键财务数据，这一举动引发了业内的广泛关注。据DeepSeek透露，若所有tokens均按DeepSeek R1的定价计算，理论上一天的总收入可达$562,027，成本利润率高达545%。

DeepSeek官方指出，DeepSeek V3和R1的所有服务均采用H800 GPU，并使用与训练一致的精度，以确保服务效果的最大化。同时，通过动态调整节点资源，实现了效率的最优化。

在最近24小时（北京时间2025/02/27 12:00至2025/02/28 12:00）内，DeepSeek V3和R1推理服务占用的节点总和达到峰值278个，平均占用226.75个节点（每个节点含8个H800 GPU）。假设GPU租赁成本为2美金/小时，则每天的总成本为$87,072。

DeepSeek进一步透露，若所有tokens均按DeepSeek R1的定价计算，理论上一天的总收入为$562,027，成本利润率高达545%。其中，DeepSeek R1的定价为：$0.14/百万输入tokens（缓存命中），$0.55/百万输入tokens（缓存未命中），$2.19/百万输出tokens。然而，DeepSeek也承认实际收入并未达到这一水平，因为V3的定价更低，且收费服务仅占一部分，夜间还会有折扣。

此外，DeepSeek还公布了DeepSeek-V3/R1推理系统的概述。为实现更大的推理吞吐量与更低的延迟，DeepSeek采用了大规模跨节点专家并行（Expert Parallelism / EP）方案。EP不仅使batch size大幅增加，提高了GPU矩阵乘法的效率，还使专家分散在不同的GPU上，降低了延迟。通过EP增大batch size、隐藏通信延迟于计算之后，并执行负载均衡，DeepSeek成功应对了EP带来的系统复杂性挑战。

（文章来源：广州日报）