DeepSeek披露理论成本利润率高达545%，V3模型训练成本远低于行业平均水平

3月1日，国内AI大模型领域的明星企业DeepSeek在知乎平台上发布了一篇题为《DeepSeek-V3/R1推理系统概览》的文章，首次向公众披露了其理论成本利润率这一关键财务数据。

据DeepSeek官方披露的数据显示，在假定GPU租赁成本为2美元/小时的前提下，DeepSeek的总成本为87072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可达到562027美元/天。

基于这一数据，DeepSeek的理论成本利润率高达545%，这一数字不仅刷新了全球AI大模型领域的盈利天花板，也充分展示了DeepSeek在成本控制和盈利能力方面的卓越表现。

DeepSeek的这一披露不仅验证了其技术路线的商业可行性，更为行业树立了高效盈利的标杆。业内分析指出，DeepSeek之所以能够实现如此高的成本利润率，主要得益于其高效的模型训练能力和推理定价优势。

据悉，DeepSeek此前发布的V3模型训练成本仅为557.6万美元，远低于行业内的平均水平。同时，R1的API定价也仅为OpenAI o3-mini的1/7至1/2，这一低成本策略无疑加速了DeepSeek在市场上的渗透。

值得注意的是，尽管DeepSeek的理论成本利润率高达545%，但公司方面也坦诚地表示，实际上的收入可能会受到多种因素的影响，如V3的定价相较于R1更低，以及夜间可能会有折扣等。然而，即便如此，DeepSeek所展现出的盈利能力和市场潜力仍然令业界瞩目。

DeepSeek的此次“透明化”披露，不仅展示了其技术实力与商业潜力，更向行业传递了一个明确的信号：AI大模型的盈利闭环已从理想照进了现实。随着DeepSeek等国内AI大模型企业的崛起，未来AI大模型领域将会迎来更多的创新和突破，为行业注入新的活力和动力。

DeepSeek的火爆也带动了相关产业链的发展。据了解，随着DeepSeek的广泛应用，围绕大模型的产业链如本地化部署的算力等也在加速创新。不少团队都希望将DeepSeek部署到自己的私有化环境中，以更好地保障数据安全并进行模型微调和私有训练。这一趋势无疑将进一步推动AI大模型领域的发展和应用。