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，不仅公开了其推理系统的核心优化方案，更首次披露了成本利润率等关键财务数据，引发业内强烈关注。最值得注意的是，DeepSeek表示，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为 $562,027，成本利润率 545%。

　　根据DeepSeek官方披露，DeepSeek V3 和 R1 的所有服务均使用 H800 GPU，使用和训练一致的精度，最大程度保证了服务效果。同时，通过动态调整节点资源实现效率最大化。

　　在最近的24小时里（北京时间 2025/02/27 12:00 至 2025/02/28 12:00），DeepSeek V3 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美金/小时，总成本为 $87,072/天。

　　DeepSeek透露，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为 $562,027，成本利润率 545%。据悉，DeepSeek R1 的定价：$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。

　　不过，DeepSeek表示，实际上没有这么多收入，因为 V3 的定价更低，同时收费服务只占了一部分，另外夜间还会有折扣。

　　此外，DeepSeek还公布了DeepSeek-V3/R1推理系统概述。为实现更大的推理吞吐量与更低的延迟，DeepSeek的方案是使用大规模跨节点专家并行（Expert Parallelism / EP）。首先 EP 使得 batch size 大大增加，从而提高 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。通过EP增大batch size、将通信延迟隐藏在计算之后，并执行负载均衡，以此应对EP带来的系统复杂性挑战。

（文章来源：广州日报）