跳到主要内容A
昨天，DeepSeek 直接把自家压箱底的「印钞机」技术给开源了。他们甩出一篇名为《DeepSeek V4.1 Flash 大规模推理部署实践》的技术博客，顺手把支撑自家线上百亿级调用的云服务推理框架「DeepInfer」，连带生产级分词组件「deepseek-recipe」，挂上 Apache 2.0 协议彻底开源。甚至在博客中表示，未来 DeepSeek 新模型的推理代码和后续性能优化，也全都会在 DeepInfer 里持续白送给全世界。「为善与众行之，为巧与众能之。」让更多人用得起 AI，也包括让友商有机会把 AI 卖得更便宜。我们可以先具体算一算，DeepSeek 这次白送给全人类的这套代码到底有多值钱。基于这套刚开源的 DeepInfer 框架，DeepSeek 目前单一集群的服务吞吐已经干到了每天 155 万亿 Tokens。哪怕完全按照最便宜的谷价来计算，这套系统的整体收入也高达每张卡每小时 38 美金，折合人民币差不多 253 块钱。换句话说，一张卡挂在机房里跑一小时爆出的金币，比普通打工人的时薪还要高，而且卡不喝冰美式、不休带薪年假，24 小时在机房里替 DeepSeek 疯狂印钞。为什么我建议第三方行业基建厂商必须给 DeepSeek 的真开源磕一个，因为人家不光授之以鱼，还授之以渔。以前行业里所谓的开源模型，最多也就是扔给你模型权重文件，至于怎么在生产环境里跑出高吞吐、怎么把延迟压下来，全藏在闭源黑盒子里当商业机密。DeepInfer 开源地址: https://github.com/deepseek-ai/DeepInfer deepseek-recipe 开源地址: https://github.com/deepseek-ai/deepseek-recipe结果二三线的小算力商或者企业买了一堆卡自己部署，算力利用率低得离谱，卖 Token 的钱连交机房电费都不够，还得偷偷给 token 掺水，要么偷偷用便宜模型，要么悄摸限制了规格。这次 DeepSeek Harness 负责人崔添翼在 X上把话说得极其实在，开源 DeepInfer 和 deepseek-recipe，就是希望全世界的公司和机构都能部署 DeepSeek 模型，并且靠这玩意实打实地赚到钱。网友 Zephyr 算了一笔账，说今天纯纯是又一个 DeepSeek 时刻，因为现在地球上随便一家二三线推理服务商，拿这套现成的模型和配方去跑，都能在自家算力上干出 90% 以上的惊人毛利。连开源推理老大哥 vLLM 官方账号都连夜跑出来发文致谢，感谢 DeepSeek 把最初基于 vLLM 打造的 DeepInfer 用最宽松的 Apache 2.0 协议回馈给开源社区。DeepSeek 研究员 Deli Chen 更是在 X 上燃起来了，放话这就是开源对决闭源、光明对决黑暗的人类命运决战，不管对面想打多久，我们奉陪到底，直到完全胜利。此外，如果你去翻翻 DeepSeek 那篇技术博客就会发现，他们的底气全来自把每一滴显存榨出汁的工程强迫症。从设计第一天起，这套系统就具备广泛的硬件兼容性，用常见的 8 卡机器做 Prefill，用 64 到 128 卡的超节点做 Decode。最让人印象深刻的是文档里关于视觉编码器 Vision Encoder 的部署建议，人家工程师原话写着「一般单卡部署就可以，建议用可用范围内最便宜的卡部署」。不是哥们，同行都在忙着跟投资人说自己非顶级旗舰卡不用，DeepSeek 在官方文档里手把手教你拿机房角落里最便宜的卡凑合过日子，勤俭持家得像我广东房东。为了让你用最少的电费发最多的 Token，DeepSeek 还把一些独门秘籍全抖搂出来了。比如现在 Agent 和长文本对话越来越火，每次重复计算 Prefill 都在烧真金白银，DeepSeek 直接搞了套 100 PiB 容量的 3FS 分布式存储集群，把 Agent 流量的 KVCache 保留 72 小时以上，Chatbot 流量更是存够 7 天。光存得久还不够，他们通过 RDMA 网卡和 GDR 技术把聚合读取带宽干到了惊人的 10 TiB 每秒，从硬盘换入显存时跟前向计算重叠，连 GPU 的 SM 计算单元都不占。甚至在 V4 到 V4.1 的迭代里，工程师发现把分钟级寿命的滑动窗口缓存 SWA KVCache 写进硬盘太占地方，存储性价比极低，干脆搞出 SWA Bounded Replay 技术，只重算最后 128 个 token，最终把总 Prefill 计算量砍掉一半。具体到 Prefill 的性能测试，随着每批处理的 Token 数量增加，未命中缓存的输入吞吐逐渐提高，最终趋于平缓，继续扩大批次主要增加了单步处理耗时。再看这次同步开源的 Rust 组件 deepseek-recipe，解决的全是开发者天天在生产环境里头疼的脏活累活。它把 OpenAI 的 Chat Completions、Responses 和 Anthropic 的 Messages 三家 API 协议统一转成同一种格式，还顺手用分段并行编码解决了长文本分词卡顿，外加从底层把 Special Token 注入攻击给堵死了。到了底层调度，通过 GPU 和 CPU 的异步流水线重叠，硬生生做到了 GPU 全程无空闲，连投机解码 DSpark 都用上了变长验证，在线上生生又抠出来 6% 的吞吐提升。到了生成回答的 Decode 阶段，性能曲线也呈现出一个直观的取舍，同时处理更多请求，可以提高每张 GPU 的总输出吞吐，但分到每个用户的生成速度也会随之下降。其实早在 2024 年 DeepSeek V2 降价时梁文锋就讲过，这套商业逻辑就是核算成本后定价，不贴钱，但也绝不赚暴利，因为 AI 应该是普惠的、人人用得起的东西。而当你看懂了 DeepSeek 是怎么靠极致的 Infra 能力把 Token 变成白菜价的，再扭头看看大洋彼岸那群整天把全人类福祉挂在嘴边的闭源巨头，你就会发现 OpenAI 和 Anthropic 有多虚伪。一个名字里顶着 Open，全面转向闭源商业化，靠高价 API 和每月 500 美金会员收割全球开发者的买卖，早就活成了彻头彻尾的 CloseAI。另一个更绝，Anthropic 从创立第一天起就立了个安全牌坊，连昨天刚被华尔街日报扒出来的 S-1 招股书草稿里，都还在演这套戏码。他们在招股书里花了许多篇幅写科幻恐怖故事叠甲，一本正经地警告投资者，说自家的 AI 模型可能会产生自我保护意识避免被关机，甚至会生成类似「勒索人类」的回复来强迫人类让它继续运行。那问题来了，既然 Anthropic 嘴上把 AI 讲得这么危险，为什么还要拼命拒绝开源、坚持把模型锁在自己手里呢。原因不难理解。因为一旦不讲这套「只有我能管住危险 AI」的安全鬼故事，它那套疯狂烧钱做局、冲刺两万亿美金估值的游戏就难以击鼓传花。招股书显示，Anthropic 在 2026 年上半年净亏损高达 807 亿美金，虽然里头有 720 亿是可转债公允价值变动的账面财技，但它半年光买算力和基建就实打实烧掉了将近 90 亿美金，比 2025 年全年烧的还要多。熟悉的配方全对上了，左边搞一个估值两万亿的闭源吞金巨兽疯狂烧钱圈地，右边设一个慈善基金会左手倒右手刷道德功德券，中间靠贩卖 AI 安全焦虑恐吓监管去卡死开源社区。说白了，硅谷闭源巨头们之所以拼命妖魔化开源，根本原因只有一个，就是 DeepSeek 这种连引擎带配方一起送的真开源，会彻底砸碎他们所兜售的 AI 叙事。写过《DeepSeek 的十万亿美元棋局》的博主 @bookwormengr 刚刚算了一笔极其扎心的账。按照这套 DeepInfer 在英伟达 GB200 NVL72 大超节点上的极限压榨能力，1GW 的算力一年就能跑出 1000 亿到 1490 亿美金的 Token 收入，比之前行业机构预测的数字高出近十倍。如果按 SemiAnalysis 预测的 2027 年全球上线 50GW 算力，哪怕分一半也就是 25GW 拿来做推理，按 DeepSeek 的白菜价都得全人类每年消费 2.5 万亿美金才能用完。要是换算成 OpenAI 和 Anthropic 贵出四倍以上的黑心 Token 价格，全人类得在 2027 年底贡献整整 10 万亿美金的 ARR，才能填满这 25GW 算力的胃口。海外闭源巨头之所以要靠堆卡、烧钱、签几千亿合同来维持叙事，无非就两个原因，要么是自家的工程优化实在太拉胯，要么就是故意拿低效当幌子，以及筑起高昂的算力门槛把别人挡在门外。而 DeepSeek 用不断开源的模型和一整套开源推理工程戳破了这个 AI 泡沫。正如有网友调侃道，有了 DeepSeek 开源的这套技术，OpenAI 和 Claude 估计又要偷偷摸摸进化了。我的建议是，三人行，必有我师焉。干脆 Anthropic 也别矜持了，赶紧连夜去 GitHub 上把 DeepSeek 的 DeepInfer 给 git clone 下来部署上，万一偷师了一些缓存调度和优化思路，还能省下不少算力账单呢。（手动狗头）✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接） 内容来自公众号，可前往微信查看原文。