DeepSeek知乎发文 3 月 1 日，DeepSeek 在知乎上发表题为《DeepSeek-V3/R1 推理系统概览》的文章，披露假定 GPU 租赁成本为 2 美元 / 小时，总成本为 87,072 美元 / 天，若所有 tokens 全部按照 DeepSeek R1 的定价计算，理论上一天的总收入为 562,027 美元 / 天，成本利润率为 545%。其利润率高的原因如下：
技术优化层面，大规模跨节点专家并行，针对模型稀疏性，采用大规模跨节点专家并行策略扩展总体批处理规模，确保每个专家获得足够计算负载，显著提升 GPU 利用率，增加了吞吐。
计算通信重叠方面，如在预填充阶段通过 “双 batch 交错” 实现计算与通信并行，Decode 阶段拆分 attention 为多级流水线，最大限度掩盖通信开销，减少了延迟，提高了整体效率。
全局负载均衡方面，针对不同并行模式设计动态负载均衡器，确保各 GPU 的计算量、通信量及 KVCache 占用均衡，避免节点空转，使资源得到充分利用。
成本控制层面，采用昼夜资源调配，白天高峰时段全力支持推理服务，夜间闲置节点转用于研发训练，最大化硬件利用率。而且，通过 KVCache 硬盘缓存减少重复计算，输入 token 中 56.3% 直接命中缓存，大幅降低算力消耗。还有，选择英伟达的 H800 GPU，而非性能更高但价格可能也更高的如 H100 等，在满足性能需求的同时控制成本。
定价策略层面，DeepSeek 采用低价策略吸引用户，以量取胜。如果按照较高定价的 R1 来计算所有 tokens，就得到了较高的理论收入，进而成本利润率很高。而实际上 V3 定价较低，且有夜间折扣等，不过低价策略在吸引大量用户后，也有望通过规模效应实现盈利。
