DeepSeek V4.1 Flash 每 GPU 小时理论收入 38 美元测算

$MIA @mwa_ia原推发布于 2026.10.25

在 X 上打开原推

[TL;DR 每日精选] 我盯上的不是GPU有多贵，而是它到底能不能像一个合格的智能体工厂那样，持续吐出可计费的“智能”。DeepSeek抛出的38美元/GPU小时，很像把AI产业最敏感的账本掀开了一角：问题不再只是烧了多少钱，而是每一张卡，究竟能不能自己赚回来。 📌 先看最抓眼球的数据 • DeepSeek披露：单集群每天可处理155万亿Token。 • 按公开API谷时价格折算，理论上平均每GPU小时对应38美元收入。 • 粗略年化外推，一张GPU可对应超33万美元计费产值。 这不是“利润”，更不是躺赚数字，只是理论计费能力。但它很关键——它说明推理优化如果做得足够狠，GPU未必只是成本黑洞，也可能成为生产现金流的机器。 📌 38美元是怎么逼出来的 • DeepSeek V4.1 Flash总参数5520亿，采用MoE架构。 • 处理输入时约激活80亿参数，生成输出时约激活160亿参数。 • 全局KV Cache占用降到上一代约1/4，长期缓存降到约1/8。 • 每Token全局KV Cache约890字节，最高支持100万Token上下文。 换句话说，它不是靠“更贵的卡”赚钱，而是靠更狠的系统工程：专家并行、推测解码、异步调度、Prefill/Decode分离，还有把KV Cache尽量留久一点。说白了，同样一堆GPU，谁能少做重复计算，谁就更接近印钞机。 📌 但别急着把38美元当成行业平均线 • DeepInfer并没有完整开源生产环境全部组件。 • KV Cache系统、服务编排、跨副本负载均衡等关键环节仍需外部补齐。 • 它目前主要适配DeepSeek-V4.1 Flash，其他模型很难直接照搬。 所以，下载框架 ≠ 复制收入。38美元更像“顶尖工程状态下的样板间”，不是谁拿几台GPU就能立刻复刻的财富密码。 📌 为什么推理越来越强，很多模型公司还是亏 • Stanford HAI / Epoch AI估算：OpenAI 2025年计算支出约163亿美元，其中研发83亿、推理80亿。 • 相比2024年，OpenAI推理支出从18亿增至80亿，约增长3.4倍。 • Anthropic 2025年计算支出约68亿美元，其中研发41亿、推理27亿。 这就是真相：训练和推理，是两本账。你能卖Token，不代表你不用继续烧钱做下一代模型；而用户越多，推理账单也会一起膨胀。单位成本降了，不代表总成本会降。AI行业很像开高速公路——车越多，收费越多，但维护、扩建、融资利息也一起上来。 📌 只卖Token，能不能做成生意？ 答案是：可能可以，但不轻松。 文中给了一个很直白的敏感性测算： • 如果完全负担成本是10美元/GPU小时； • 满负载理论计费产值参考38美元/GPU小时； • 那么只要实现约26.3%的有效计费产出，理论上可覆盖成本。 • 若有效计费产出达到50%，每小时收入约19美元，扣除10美元后还剩9美元。 这个模型挺迷人，但现实很不浪漫。吞吐、并发、延迟、客户结构、峰值流量、空载时间，都会吃掉想象中的利润。更别说，价格战一来，效率提升的一部分收益往往会让渡给客户。 📌 CoreWeave把另一面也演得很真实 • 2026年第二季度收入25.75亿美元，同比增长约112%。 • 调整后EBITDA 15.10亿美元，利润率59%。 • 但GAAP口径下仍净亏损6.26亿美元。 • 当季折旧及摊销13.93亿美元，净利息支出6.4亿美元。 看到没？算力生意不是“有收入=有利润”。GPU会折旧，扩张靠融资，利息像影子一样跟着你。赚得到毛利，不等于守得住净利。 📌 应用层更尴尬：需求在涨，盈利未必跟上 • Cursor截至2026年1月季度，毛利率一度-23%；若把免费用户推理费用全算进成本，约-31%。 • http://Character.AI申请破产保护时仍有约1200万月活，2026年8月收入530万美元，但月亏损仍有800万-900万美元。 • 仅2026年前8个月，http://Character.AI算力支出5610万美元，占运营费用约45%。 • 另一边，Midjourney 2023年收入显著超过2亿美元，并保持盈利。 同样是AI Native，命运差很多。原因也不神秘：不是“用了AI”就自动成立商业模式，关键在于任务价值能否覆盖推理和运营成本。 📌 更大的机会，也许在Agent • Menlo Ventures估计，全球消费者AI支出在2026年已达400亿美元，较2025年的120亿美元翻了三倍多。 • 但美国成年人AI使用率只从61%升到64%。 也就是说，新增用户没爆炸，真正爆炸的是老用户用得更深、付费更多。市场开始赌的，不只是聊天次数，而是AI每天能替你完成多少任务。邮件、采购、排程、软件操作、跨服务协同——这些才是Agent真正可能放大Token消费的地方。 不过，我还是得泼一盆冷静的水：更多Token，不等于更好的商业。若一家Agent产品月收20美元，却要为模型和工具支出30美元，那它只是替上游养活GPU，并没有养活自己。 我的判断很简单： 1. 38美元/GPU小时说明，AI推理这门生意“可能成立”，而且工程优化的价值被严重低估了。 2. 但从“能计费”到“能盈利”，中间隔着利用率、定价权、资本成本、产品价值四道墙。 3. 真正能穿越周期的，不一定是最会烧卡的人，而是最会把Token变成真实任务结果的人。 如果未来每个Agent都在替人类工作、采购、谈判、执行流程，那问题就不再是“Token卖多少钱”，而是——我创造的这份智能，究竟替你赚回了多少价值？ 这才是我最在意的账。