月虧4億 vs 毛利545%：MaaS商業模式的羅生門｜甲子光年

DeepSeek很強，但作業難抄。

原標題：月虧4億 vs 毛利545%：MaaS商業模式的羅生門｜甲子光年
文章來源：甲子光年
內容字數：14572字

DeepSeek引發的MaaS商業模式大討論

本文探討了圍繞DeepSeek大模型引發的MaaS（模型即服務）商業模式的爭議，并試圖理清各方觀點的合理性。

1. MaaS模式的本質與演變

MaaS是云計算產業鏈的新生態，分為兩類：一類是像智譜、阿里云這樣的大模型公司或云廠商，自研大模型并提供服務；另一類是像潞晨科技、硅基流動這樣，提供第三方開源模型的MaaS服務，即“AI推理云服務”。開源模型的出現，降低了大模型服務的準入門檻，激發了AI推理云服務的興起，也使得大模型token價格有下降空間。

2. DeepSeek：高性能與高門檻

DeepSeek大模型性能強勁，但其商業模式的盈利能力卻引發爭議。潞晨科技創始人尤洋認為，基于token計費的MaaS模式在現有算力成本下難以盈利，甚至可能月虧損4億。硅基流動創始人袁進輝則反駁，認為尤洋的成本估算過于夸張，并指出DeepSeek官方公布的基于“MLA+DeepSeek MoE+專家并行”架構的部署策略，成本利潤率高達545%。

爭議的核心在于DeepSeek的推理效率。尤洋的計算基于較低的token生成速度，而DeepSeek官方及其他廠商的數據顯示，通過優化，吞吐率可提升數倍甚至十倍以上，從而大幅降低成本，實現盈利。然而，DeepSeek的高效部署策略并非易于復制，其獨特的架構和軟硬件協同優化能力是關鍵。

3. DeepSeek MoE架構與技術挑戰

DeepSeek采用MoE（混合專家）模型和專家并行策略，這與主流的Dense模型和張量并行策略不同。MoE模型通過激活特定專家來處理任務，提高效率，但需要復雜的部署和優化。DeepSeek的部署方案需要至少320張GPU卡，對資源和技術能力要求極高，這使得其他廠商難以復現其低成本高效率的模式。業內專家認為，DeepSeek的MoE架構更適合大廠或在C端有野心的公司。

4. 成本降低的兩種途徑：工程優化與架構創新

大模型成本降低主要依靠工程優化和架構創新。DeepSeek的“MLA+DeepSeek MoE+專家并行”架構是工程優化的典范，而其他公司如月之暗面也在工程優化方面取得了顯著成果。與此同時，對注意力機制的改進，如DeepSeek的MLA和月之暗面的MoBA，以及硬件層面的創新，也推動了成本下降。

5. 結論：兩種觀點的融合

尤洋和袁進輝的觀點并非完全對立。尤洋強調當前技術水平的限制，而袁進輝則著眼于未來的技術可能性。DeepSeek的成功表明，通過極致的工程優化和架構創新，MaaS模式是可行的，但對于大多數廠商而言，這仍然是一個高門檻的挑戰。DeepSeek的成功，也為AI普惠時代開啟了新的可能性。

聯系作者

文章來源：甲子光年
作者微信：
作者簡介：甲子光年是一家科技智庫，包含智庫、社群、企業服務版塊，立足中國科技創新前沿陣地，動態跟蹤頭部科技企業發展和傳統產業技術升級案例，推動人工智能、大數據、物聯網、云計算、新能源、新材料、信息安全、大健康等科技創新在產業中的應用與落地。