当前位置：

社区首页

电脑数码

电脑整机

服务器

AIGC文章详情

AI服务的隐形成本：从使用限制到算力账单真相

源自166位全网作者

05-30 22:17

精选参考来源

利好新分支！deepseek 刷屏了！，快看看吧！1. 降价利好板块（短期直接催化）• AI应用/下游客户：大模型调用成本大降，直接降低企业AI开发门槛，利好AI+办公、教育、电商等场景的应用落地。• AI算力租赁（推理侧）：低价模型会带来推理调用量爆发，利好提供高性价比推理算力的租赁商。• 模型生态/开发者工具：低价+开源模式会吸引更多开发者，利好AI开发平台、低代码工具等生态链企业。2. 融资利好板块（长期资本加持）• 上游算力/硬件：700亿融资核心用于算力建设，利好GPU、光模块、服务器、数据中心等上游硬件厂商，订单确定性提升。• 国产AI算力链：DeepSeek作为国产头部模型企业，融资落地会带动国产算力生态（如国产GPU、存储、交换机）的采购与适配需求。• AI安全/合规：大模型研发与商业化加速，会同步带动AI安全、内容审核、数据合规等配套需求。3. 整体总结1. 降价+融资是「短期抢市场、长期扩产能」的组合拳，分别利好下游应用和上游硬件两条主线。2. 短期看情绪催化，优先受益于算力租赁、AI应用；长期看订单兑现，核心利好上游算力硬件。3. 行业竞争会进一步加剧，具备成本优势、技术壁垒的龙头企业，会持续受益于行业集中度提升。

都在问泡沫何时破，老黄直接下了更大的赌注 #英伟达#黄仁勋#ces2026#GPU#AI新星计划

全部
来源

内容由AI生成

1. 利好新分支！deepseek 刷屏了！，快看看吧！1. 降价利好板块（短期直接催化）• AI应用/下游客户：大模型调用成本大降，直接降低企业AI开发门槛，利好AI+办公、教育、电商等场景的应用落地。• AI算力租赁（推理侧）：低价模型会带来推理调用量爆发，利好提供高性价比推理算力的租赁商。• 模型生态/开发者工具：低价+开源模式会吸引更多开发者，利好AI开发平台、低代码工具等生态链企业。2. 融资利好板块（长期资本加持）• 上游算力/硬件：700亿融资核心用于算力建设，利好GPU、光模块、服务器、数据中心等上游硬件厂商，订单确定性提升。• 国产AI算力链：DeepSeek作为国产头部模型企业，融资落地会带动国产算力生态（如国产GPU、存储、交换机）的采购与适配需求。• AI安全/合规：大模型研发与商业化加速，会同步带动AI安全、内容审核、数据合规等配套需求。3. 整体总结1. 降价+融资是「短期抢市场、长期扩产能」的组合拳，分别利好下游应用和上游硬件两条主线。2. 短期看情绪催化，优先受益于算力租赁、AI应用；长期看订单兑现，核心利好上游算力硬件。3. 行业竞争会进一步加剧，具备成本优势、技术壁垒的龙头企业，会持续受益于行业集中度提升。

2. 都在问泡沫何时破，老黄直接下了更大的赌注 #英伟达#黄仁勋#ces2026#GPU#AI新星计划

3. 如何看待DeepSeek连续多次降价？

4. 如何看待deepseek v4 pro2.5折特价延长到5月31日？

5. 1/10Token 消耗干同样的活！Ling-2.6-flash 想帮开发者把 AI 成本打下来

6. 黄仁勋最怕中国AI的事 DeepSeek刚刚做到了黄仁勋最害怕事还是发生了：DeepSeek V4发布，华为昇腾超节点深度适配，全球AI圈等待已久的大事落定，聊一聊背后的三大核心真相 #ai #deepseek v4 #deepseek #黄仁勋 #梁文锋

7. 盘点一周AI大事(11月30日)｜AI自己剪片子奥特曼预告下一代大模型Shallotpeat Anthropic发布最强编码模型Claude Opus 4.5 DeepSeek发布最强开源推理模型DeepSeek-Math-V2 微软开源最强行动智能体Fara-7B Black Forest推出最强开源图像模型Flux.2 阿里发布开源版小香蕉平替Z-Image 腾讯发布开源版Veo 3平替Tencent Harmony 字节开源AI剪辑大模型Vidi2 腾讯开源最强OCR模型HunyuanOCR 1B 科学家研发出最强数据分析智能体Edison Analysis RAI研发棒球陪练机器人港科大训练出首个会打篮球的机器人工程师开源家用机器人Aloha mini #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

8. 统计一下业内AI大模型公司2025年的研发投入（不包含资本开支）- DeepSeek约40亿人民币- 智谱约32亿人民币- Kimi 约30亿人民币- 百川约25亿人民币- 阶跃星辰约20亿人民币- MiniMax约18亿人民币- 昆仑万维约18亿人民币#小米今年AI研发及资本开支达160亿#

9. 核心AI场景首超英伟达，一场国产算力的“破局叙事”｜甲子光年

10. 全网刷屏的 DeepSeek V4，官宣万亿参数架构，支持百万 Token 超长上下文。推理成本仅为 GPT-4 Turbo 的八分之一，还全面深度适配华为芯片，国产 AI 黑马已然站稳脚跟。它不止做模型迭代，更瞄准通用人工智能、端侧轻量化、全模态升级三大方向。后续还计划布局 AI 专用芯片、智能穿戴硬件，打造算法、芯片、硬件、应用全生态闭环。技术领跑、成本碾压、绑定国产算力的同时，难免遭遇同行人才挖角、算力封锁、价格内卷。但凭借硬核技术壁垒与战略合作加持，短期根本无法被替代。DeepSeek 早已不只是一款大模型，而是国产 AI 全产业链的核心玩家。#专业视频创作季##AI创造营##科技先锋官# 种斌Marco的微博视频

11. 央视信息，OpenRouter 最新数据显示，中国 AI 大模型周调用量达到 4.69 万亿 Token（3 月 9 日至 3 月 15 日），连续两周超越美国。全球调用量排名前三的位置也被中国模型包揽。Seedance2.0一段15秒钟的视频token消耗量就达30万token以上，OpenClaw和各种龙虾最近的繁荣，带动了中国大模型的调用增长。摩根大通预测，中国的 AI 推理 Token 消耗量将从 2025 年的约 10 千万亿增长至 2030 年的约 3900 千万亿，五年间增长约 370 倍。

12. 云涨 Token 涨，DeepSeek 偏降价？其他的企业集体上调 AI 算力价格，行业 Token 成本普涨之际，DeepSeek V4 却逆势降价，V4-Flash 输出价低至 2 元 / 百万 Token，仅为竞品的 1/40，上演价格反向操作，DeepSeek的底气在哪里？系统方面，DeepSeek通过稀疏注意力革命，在同样是百万 Token 场景下，推理算力需求降至前代 10%-27%，KV Cache 占用仅 7%-10%，这就让长文本成本不升反降。V4-Pro 1.6T 参数仅激活 49B，V4-Flash 284B 参数仅激活 13B，避免全参数计算浪费，算力利用率拉满。小模型继承大模型能力，推理成本再降 50%。在硬件方面，DeepSeek 率先全栈适配华为昇腾 950，从 CUDA 迁移至 CANN 框架。国产芯片单卡推理性能为英伟达 H20 的 2.87 倍，采购成本更低。芯模协同优化，训练推理成本较海外方案降低 70%-85%，直接对冲云厂商涨价影响。市场方面，2026 年是AI智能体落地元年，Token 消耗呈指数级增长，低成本是规模化关键。DeepSeek 采用了V4-Flash 低价走量，V4-Pro 走高端市场的市场价格策略。开源吸引开发者，降低企业落地门槛，是能够快速抢占市场份额的。DeepSeek 逆势降价，是国产 AI 摆脱海外依赖、靠技术定义成本的里程碑。这场降价，本质是国产 AI 的成本革命与话语权争夺。

13. 李彦宏认为 AI 时代的度量衡可能是「日活智能体数」，比 Token 消耗，更接近价值，对此你怎么看？

14. 中国大模型偷了老美的家，原因竟然是电多？ #燃起来了大国重器 #春节世界观察 #新年囤点专业货

15. 独家｜聚焦大模型推理，水下AI芯片公司斩获10亿元Pre-A轮融资

16. DeepSeek-TUI 霸榜 GitHub，小白不到 10 元开发应用，将带来哪些影响？

17. DeepSeek V4好用吗？【秋芝的AI开箱】

18. #DeepSeek连续两天降价#这波降价怕不是个信号——AI时代的价格战怕是要拉开序幕了！DeepSeek都下场卷价格，可见大模型赛道的厮杀已经白热化。以前拼技术、拼参数，现在怕是要开始拼成本、拼性价比了。毕竟企业要用、开发者要试，真金白银的成本摆在那儿，谁能把价格打下来，谁就能抢下更多市场。“平价AI”快来！

19. 谷歌第一次把TPU明确拆成了两条线——训练版和推理版。- TPU 8t：专门负责训练大模型- TPU 8i：专门负责推理和大规模部署这事为什么重要？因为现在 AI 基础设施的矛盾已经变了。前两年大家卷的是：能不能把模型训出来。现在更现实的问题是：能不能把模型更便宜地跑起来、服务更多用户。所以谷歌这次不是只说“芯片更强”，而是在告诉市场：AI 芯片正式进入“训练”和“推理”分工时代。直白点说：以前像是一辆车既想拉货又想跑赛道，什么都干，但不够极致。现在谷歌直接分成两种车：- 一种专门拉重货，狠狠干训练- 一种专门跑运营，狠狠干推理成本这背后其实有三个信号：1、谷歌不想再只是“买 GPU 的云厂”它在走的是完整的 AI 全栈路线：- 自研芯片- 自家模型- 自家云- 自家网络- 自家软件栈意思很明确：不想只租英伟达，也想自己定义下一代 AI 基础设施。2、谷歌开始正面卷“推理成本”这次最值得注意的不是训练芯片，而是 TPU 8i。因为现在真正决定 AI 能不能大规模赚钱的，往往不是训练，而是推理。模型能跑，不代表能便宜地跑。能便宜地跑，才有机会真正落地。3、AI 芯片竞争，已经不只是拼单卡参数了谷歌现在卷的是整套系统：- 芯片- 网络- 存储- 调度- 软件框架- 集群扩展能力它甚至直接提到，配合新网络架构和软件栈，训练集群可以扩到百万级 TPU 芯片规模。这说明什么？现在比的不是一颗芯片有多猛，而是谁能把几万、几十万颗芯片高效组织起来。所以，谷歌第八代 TPU 的真正意义不是“又更新了一代”，而是：谷歌正式把 AI 芯片战略，从单一加速器，升级成了“训练 + 推理双路线”的全栈基础设施平台。对英伟达短期当然谈不上颠覆，但对整个行业是个很明显的信号：未来 AI 芯片不会只有一种最优解。训练一套，推理一套，可能会越来越成为主流。

20. #DeepSeek连续两天降价# 这波操作也太猛了吧！连续两天降价，现在百万token居然只要2分钱，这价格直接卷到地板了！AI时代的降价潮要来袭了吗？大模型进入“干活”阶段，token成本确实是硬骨头。DeepSeek敢这么狠，是背后有超强算力撑着吧？这力度，哪位大佬在后面给足了底气，不然哪敢这么玩？

21. 给大家说一个新东西：HBF（High Bandwidth Flash，高带宽闪存）。这东西为什么冒出来？一句话——推理太贵了。现在做 AI 的都知道，HBM 是标配。比如 NVIDIA 的 H100、B200 这一类卡，核心旁边堆着 HBM，带宽极高，专门解决“内存喂不饱算力”的问题。没有它，大模型根本跑不动。但问题也很明显：HBM 贵，而且容量上不去。你想在一台机器上多跑几个模型，或者挂一个超大模型，显存很快就顶满，成本更是夸张。于是存储厂商开始推一个新方向：HBF。简单理解，就是把 3D NAND 往“更高带宽、更近封装”方向改造，试图卡在 HBM 和传统 SSD 之间，做一个中间层。现在在积极推动这个方向的，基本都是存储大厂：三星，海力士，镁光，闪迪他们的逻辑也很清晰：未来 AI 不只是训练，而是大规模推理。推理拼的是成本、功耗和容量。如果什么都靠 HBM，容量上不去，而且也来不及生产。所以市场急需一个东西——比 SSD 快很多，但比 HBM 便宜很多。HBF 就是在这个背景下被推到台前的。它不会取代 HBM。HBM 还是算力核心的“心脏”。但在超大规模推理集群、或者端侧模型场景里，确实可能成为一个缓冲层，让更多模型能“装得下、跑得起”。如果说前两年是“拼训练规模”的时代，那么现在明显进入“拼推理成本”的阶段了。这一波如果启动了，模型的推理成本可能大降，以后大家养虾自由就不是梦了。。

22. 当下潜藏着严峻危机。股市持续冲高，OpenAI 与 Anthropic 两家企业市值合计已达 2.1 万亿美元，占到纳斯达克整体市值的一成。数据反差格外刺眼：行业年投入成本高达 4500 亿美元，实际营收却仅有 500 亿美元。如今人工智能行业的蓬勃发展，根基依托于一个核心预判 —— 模型推理成本会持续走低。企业也以此作为投资依据，前期大手笔砸入研发资金，寄望后续成本回落便能兑现盈利。可这份预判已然站不住脚。存储硬件成本持续上涨，算力迭代进度不及预期，推理成本降幅也远达不到市场预想。一旦成本无法显著下行，整个 AI 行业的盈利逻辑便会彻底崩塌。行业内部形成闭环抱团模式，企业间合作看似稳固顺畅，营收也仅在圈层内流转，外界却将这种假象视作行业增长。在我看来，这已是资本狂热的尾声阶段。回望 2000 年互联网浪潮，企业纷纷冠以.com 标识，股价随之暴涨。彼时企业盈利微薄，估值却虚高离谱，繁华表象转瞬破灭，纳斯达克指数一度暴跌八成。如今历史场景再度重演，企业贴上 AI 标签便能拉动股价上行，依旧是低利润、高估值的格局，行业故事描绘得无比美好。本质而言，这就是新一轮人工智能概念催生的资本泡沫。泡沫崩塌向来毫无征兆，当市场全员笃定行情稳如磐石之时，危机便会骤然降临。#ai创造营# 凯文思考的微博视频

23. DeepSeek 在 DeepSeek-V3.2 的技术报告中说，与领先的闭源模型如 Gemini 3 Pro 比，DeepSeek-V3.2 所掌握的世界知识的广度还有差距，这是因为预训练阶段的算力不足导致的，未来，DeepSeek 计划通过扩大预训练算力规模来缩小差距。这很有趣。在我看来，DeepSeek 是中国最不可能缺算力的公司，以他们的行业地位，想要租到和买到所需算力应该都不难。会不会有一种可能，在发布 R1 后，他们无法再继续用英伟达芯片进行训练了，而国产芯片做推理替代还不错，训练替代就很难。这可能解释了他们在发布 R1 后又陆续发布了几个扎实的工作，但需要更大算力的 V4 和 R2 迟迟没有露面。

24. DeepSeek登顶全球，这事背后意味着什么？ #大有学问 #AI #燃起来了大国重器 #科技

25. “AI弃子”CPU逆风翻盘：英特尔、AMD与ARM意料之外的一场胜利【硅谷101】

26. 黄仁勋最新访谈（2/3）：面对激烈的竞争，为什么英伟达的市场份额不降反升？#英伟达 #黄仁勋 #GTC #芯片 #算力

27. 很多人还是忽视了 Deepseek 对国产算力卡的巨大拉动作用Deepseek 这家公司对我们真的是国运级，而且连续带来了两次国运级突破！第一次是 R1，告诉全世界：中国人即使算力受限，也可以做出顶级的世界大模型直接破解了美国企图力大飞砖，利用算力限制，在 AI 上卡死我们的想法第二次就是 V4，在计算成本上把国产 AI 卡，特别是昇腾 950，带得飞起来Deepseek V4 训练是离不开 NVIDIA 计算卡的，这点我们必须要承认但是晟腾 950 已经部分参与到了V4的训练，并且可以100%承接推理的需求，这一点特别关键一个大模型的训练当然要消耗很多的算力，但是之前囤积的计算卡，还远没有到捉襟见肘的地步现在大家都已经开始 AI 实用化，拼的就是你能用多低的成本给用户提供多大规模的服务这里面有两个关键，成本要低，服务承载量要大成本低靠的是什么呢？靠的是 Deepseek V4 原生的 FP4 能力，就是把推理精度降下去，换取更高的算力比如原来有一张卡，它的 FP16 算力只有 500T；那么在理论上把精度降低到 FP8，算力可以直接蹦到 1000T；如果更狠一点，把精度降到 FP4，那么算力甚至可以蹦到 2000T！那大家之前为什么不做呢？因为降精度很有可能把模型干崩了训练的时候容易崩溃，导致几百万、几千万美金的成本直接打水漂；推理的时候，也就是给用户服务的时候，更加容易出现幻觉等不稳定的毛病，也会崩溃之前整个行业一般做到 FP8 就不敢再动了，再动就会严重影响整个训练和推理的体验只有一些开源的 AI 模型网站上，为了在PC这种小算力平台上部署，大家才会用 FP4 或者 INT4 做量化Deepseek V4 这次比较狠的地方，就是原生的 FP4 推理，非常好的控制了训练和推理过程的质量在精度暴跌的情况之下，依然可以非常精准的控制模型，这是真正的 AI 屠龙术而偏偏美国这次想卖的 H200，它的架构原生是不支持 FP4 的（要到下一代B300芯片才支持）并不是说不能运行，模型一样可以跑，只不过必须要反转到 FP8 模式，这就导致H200 跑模型推理的时候，用 FP4 毫无性能增益但是昇腾 950 却因为支持FP4，运行 V4 的时候可以凭空多出一倍的算力这就导致我国对于 H200 的需求量大大减低：训练的时候，我们确实还离不开 NV但是训练算力现在已经不是大头，Deepseek 都可以靠库存的 N 卡训练出一个 V4；其他家要是训不出来，那纯粹是水平问题现在最重要的是推理，是如何让 AI 来服务更多的用户，不要人用多了就卡死了既然在推理端，Deepseek V4这样的大模型可以用昇腾 950 干出一个吓死所有人的低价，那你买 H200 回来不就等于是赔钱吗？所以不买 H200 并不是一个强硬的政治主张，是有背后极其现实的经济利益以前离不开你，是因为你太强了，国产芯片完全没法用现在我用国产芯片反而推理成本更便宜，Token 单价轻松砍掉 80%，那我还买个锤子？

28. 用科技行业的黑话说：LLM 的护城河，本质是智商（Intelligence）。“用过了就回不去”的效应非常明显。春节砸钱推广能短暂占据非早期采用者（Late Majority），但回报短暂（聪明的模型可以迅速转移用户），且ROI 可疑（低净值用户潜在回报无法抵消聪明的模型的推理成本，RLHF 价值也可疑）。要知道 Apps 根本不同的地方在于，因为 LLM 的推理成本，用户扩张的边际成本并不是 0 。这种推广的 LTV（用户生命周期价值）> CAC（获客成本）+ 长期推理成本的公式？大概率破产。这波推广本质上是大型互联网公司在 AI 时代的一次‘路径依赖’（Path Dependence）的症状发作。。。而 Apps 时代的 “流量入口逻辑”（Traffic Entry Logic）已经过时，超大规模云端模型的逻辑是 SOTA（State of the Art），能力强就是最大的流量入口。

29. #deepseek为什么影响力大# 说实话，DeepSeek能火成这样，真不是偶然！最关键的是它把 “高性能 + 超低价” 做到了极致，直接打破了行业认知。别家训练大模型动辄几亿美金，它V3模型才花约600万美元，效果却能对标顶尖闭源模型，推理成本更是低到离谱。而且它特别大方，直接全栈开源，免费商用，代码和训练方法都公开，全球开发者都能拿来用、二次开发。这波操作直接拉低AI门槛，催生了超多应用，社区越做越大。再加上技术硬实力能打，MoE架构稀疏激活，算力分配更智能，长文本处理、代码能力都很强。中文理解更是精准，贴合国内用户习惯。可以说，它靠技术创新、极致性价比和开放生态，成了全球AI圈的黑马，影响力自然越来越大。

30. 根据火山引擎2026年4月2日披露的最新数据，豆包大模型日均Token使用量已突破120万亿。按当前国内主流大模型约2-4元/百万Token的推理成本计算，豆包每天120万亿Token的消耗，相当于单日GPU算力支出约3到5亿元人民币。以此推算，一年的算力成本保守估计将超过1000亿元，这相当于网易2025年全年净收入（1126亿元）的规模。按照目前增速，字节全年基本上算力支出在 2000 亿以上了！还只是国内。#东哥笔记#

31. 黄仁勋可能真的开始疯狂自救了，AI算力的游戏规则变了！对中国来说，这反而是一个窗口期。#红衣聊AI #黄仁勋 #英伟达 #芯片 #大有学问

32. Live热知识：聊聊DeepSeek V4全面转向华为昇腾芯片的对话问答【直播问答】

33. DeepSeek首次融资，AGI理想向资本低头？

34. 黄仁勋喊出“推理拐点”，边缘推理的机会窗口打开了吗

35. 推理需求暴增，SRAM 如何解决 GPU 不够用的问题？

36. 如何看待DeepSeek V4 Pro模型价格于5月31日结束2.5折优惠，调整为原定价的1/4？

37. 单卡双芯 48G 显存！打造 20L 紧凑型 AI 算力怪兽：DeepSeek 70B 实测 19 tokens/s

38. DeepSeek为什么选择在内蒙古自建数据中心，而不是租用阿里云的算力资源？

39. DeepSeek 拟首次启动融资，估值超百亿美元，有何战略意图？对国内 AI 大模型赛道带来哪些改变？

40. Z Product｜解析Fal.ai爆炸式增长，为什么说“GPU穷人”正在赢得AI的未来？

41. 2026英伟达GTC：“推理之王”的ASIC反击战与Token经济学【硅谷101】

42. 据The Information报道，#DeepSeek被曝融资500亿#DeepSeek正寻求完成一轮规模超过500亿元人民币（约73.5亿美元）的融资。“腾讯出资60亿，占约2%股权。另一家互联网巨头暂时未入局。”现在不知道会成不成，目前处于“寻求”阶段。

43. 【#免费DeepSeek和收费豆包你选哪个#】免费和付费，正在成为AI产品里越来越明显的两种路线。一边是主打免费、高性能的DeepSeek，另一边是已经积累大量用户、并逐渐探索付费能力的豆包。两者在产品方向和使用体验上也有不少差异。当AI开始变成长期使用的工具后，你会更在意免费，还是好用？免费的DeepSeek和收费的豆包你更青睐哪一个？网页链接

44. #曝字节今年AI支出将超2000亿#字节跳动把AI基建投入提升至2000亿，这并非单纯的资本增加，更像是一场对未来进行定义的“豪赌”。当行业还在较量单点模型时，字节已默默搭建起从芯片、数据中心到液冷系统的完整“铁轨”，目标明确地指向下一代AI驱动的操作系统与生态。这巨额投入背后真正面临的考验是：怎样把基建的“硬实力”高效转化为豆包、MaaS等产品的“软壁垒”？这不仅关系到字节，也关系到中国AI产业能否从“算力竞赛”迈向“价值创造”的更高层面。大家认为，这种重基建模式会是AI竞争的最优解吗？

45. 【#DeepSeek融资新消息#】#多方回应DeepSeek融资# 5月6日，有媒体报道称，国家集成电路产业投资基金（简称“国家大基金”）正在与DeepSeek洽谈主导其首轮融资事宜，其最终估值有望定在450亿美元左右。第一时间从多个权威渠道进行求证，消息人士称，“双方确实在进行洽谈。但是目前估值还未最终确认。”该消息人士同时透露，“同时进行融资谈判的潜在投资方还有很多，其中也包括几个互联网巨头和其他一些国资基金。”不过该人士也表示，现阶段参与本轮融资洽谈的各家投资机构均保持低调。这类头部明星企业的重大融资项目，各方态度普遍更为审慎，在相关事宜最终敲定前不会对外随意披露信息。目前，本轮融资的最终投资机构名单仍未确定。针对DeepSeek的目标估值提升，多位投资人也表示，投资方的热捧一定会拉高DeepSeek的目标估值，不过究竟到达多少目前并不好判断。“这个项目和其他创业项目不同，尽管该公司目前商业化力度有限，但投资者仍看好其发展潜力，现在肯定是投资人追着梁文锋跑，看他最后会选哪一个。”不过，多位投资人分析，“最终投资方阵容，国资一定会扮演非常重要的角色。”值得注意的是，4月24日，DeepSeek-V4预览版正式上线并同步开源。这款搭载全新注意力机制的大模型，不仅拥有全球领先的长上下文处理能力，更通过模型架构的颠覆性创新，为中国AI产业开辟出软硬协同、自主可控的高质量发展新路径。业内人士认为，DeepSeek此次携V4版本发力，不仅刷新了行业技术上限、打破市场固有认知，更巩固了其在国产大模型赛道的核心研发地位，也提升了资本对其价值的认可。数周前谈判初期，外界对DeepSeek的估值约为200亿美元，目前已翻倍。公开信息显示，DeepSeek（深度求索）成立于2023年7月，由幻方量化孵化，创始人为浙大校友梁文锋，此前公司研发资金主要依靠幻方量化内部支持。在融资消息曝光后，DeepSeek近期完成重要股权调整。工商信息显示，2026年4月27日，公司注册资本由1000万元增至1500万元，创始人梁文锋通过增资将直接持股比例从1%提升至34%；原大股东宁波程恩企业管理咨询合伙企业持股比例由99%稀释至66%。调整后，梁文锋通过直接与间接持股合计控制公司约84.29%股权，进一步巩固绝对控制权。据媒体报道，知情人士透露梁文锋也将在本轮融资中以个人名义出资。进一步从知情人士处获悉，DeepSeek本次融资主要是应对日益激烈的行业竞争以及由此引发的人才流失问题。资金主要将用于扩充算力资源、提升薪酬以留住顶尖人才，同时为大模型后续持续性研发和大规模部署提供支持。（上证报）

46. DeepSeek对开发者引入API并发限制，说明DS进入平台治理期

47. 算力告急下的临时措施，小鲸鱼在断臂求生

48. DeepSeek突发服务中断，用户紧急求助背后发生了什么？

49. DeepSeek短暂不可用，真正被提醒的是所有把AI接进业务的人

50. 谁，“逼停” 了 DeepSeek？

51. DeepSeek连夜改页面，免费的AI用不长了

52. DeepSeek V4 上线！算力成本砍九成，英伟达真慌了？

53. DeepSeek V4定价公布！

54. DeepSeek三重杀引爆AI成本革命，API价直降90%，国产算力彻底崛起

55. DeepSeek V4 冲击波

56. DeepSeek V4成本仅OpenAI的1/175

57. 从1元到0.02元！DeepSeek-V4史诗级降价，算力成本直接打穿

58. DeepSeek宣布旗舰模型V4-Pro永久降价75%，算力成本压力或已缓解

59. DeepSeek牵手华为

60. DeepSeek把推理价打穿了

61. DeepSeek的价格对AI世界意味着什么？

62. DeepSeek V4 Pro API宣布永久大降价

63. 需求，记忆，成本～DeepSeek必须收费的三角铁律

64. DeepSeek V4 Pro评测

65. DeepSeek 连续降价之后，我重新算了一遍自己项目的模型账单

66. 为什么 DeepSeek 这么便宜

67. 大模型竞争要算好“能耗账”

68. 大模型推理优化关键技术及应用实践研究报告（2026年）

69. 每一次AI对话都在耗电！大模型能耗已超乎想象

70. 大模型背后的能源真相！推理阶段才是真的电老虎！

71. 700亿美元！字节跳动的AI豪赌

72. 别只聊训练了，大模型推理优化的五个实战技巧

73. 大模型推理成本优化

74. 2025年AI模型推理优化

75. DeepSeek启动首轮百亿级融资

76. DeepSeek拒绝资本干预，这种底气从哪来？

77. DeepSeek 融资冲刺 $50B 估值

78. DeepSeek百亿融资启动，国产算力迎机遇

79. DeepSeek V4（核心公司梳理）

80. DeepSeek融资3亿背后

81. DeepSeek冲击500亿美元估值背后，国产AI拼重资产了

82. DeepSeek被曝融资500亿，国产AI正式进入重资产阶段

83. DeepSeek首轮融资解析

84. DeepSeek 首次融资，估值不低于 100 亿美元

85. 撑不住了？DeepSeek据悉首度对外融资，估值100亿募资

86. 中国AI大模型Token调用领跑全球！算力产业链大爆发

87. 10天连发十个大模型，AI算力都不够用了

88. 2026算力全线爆发！国产大模型密集落地，10家核心公司逻辑全梳理

89. 大模型商业变现全面加速，AI应用与国产算力最核心的公司梳理（附名单）

90. 开卷有益

91. Gartner重磅预测

92. AI 公司最怕的不是训练贵，而是每次回答都在烧钱

93. 【打火看点】推理需求爆发下的边缘算力投资

94. AI 从训练到推理

95. 从训练到推理

96. 大模型部署全景

97. 云端AI推理成本优化指南

98. 推理成本优化合集（初学版）

99. AI芯片

100. AI大模型推理成本一年降90%，中小公司也能用得起大模型了

101. AI推理成本经济学

102. 为什么 AI 推理成本在 Token 单价下降时仍持续攀升

103. 推理芯片

104. Token 成本下降?的临界是多少

105. GPT-5.5 发布

106. AI Infra Brief｜推理主导 AI 支出，6G 与主权风险更新（2026.03.07）

107. DeepSeek重新定义AI发展路径:低成本高效率模式挑战传统范式

108. AI 推理成本高居不下,如何将推理成本下降一个数量级?

109. 实测! AI 智能体在如何烧光你的钱?

110. 硅谷掀桌!DeepSeek遭OpenAI和Anthropic围剿,美国网友都看不下去了

111. “保护数据”还是“阻碍创新”

112. DeepSeek火到“宕机”!AI算力价值得到确认?

113. AI算力成本账本：训练1个大模型到底要花多少钱？

114. 20天估值翻4倍至3000多亿，国家大基金或领投DeepSeek？

115. DeepSeek突发新模型，成本为GPT-5.5的1%！但杀手锏就藏在其中

116. 刚刚！DeepSeek V4 开源发布：1.6万亿参数旗舰，1M上下文推理算力打“骨折”！

117. 芯片受限！DeepSeek仅用2000张H800，美国专家为何称平手？

118. 算力紧缺国内云厂商集体上调AI服务价格

119. 精疲力尽的巨人：当大语言模型变得“又慢又贵”，AI算力如何破局提效？

120. DeepSeek V4深度解析：推理成本暴降的秘密

121. 推理成本骤降73%，DeepSeek开源原生Agent，赋能B端AI降本增效

122. 国家出手“算力网”：以后用AI，能像交水电费一样便宜？

123. DeepSeek发布V4：1.6T参数、百万token，还要用国产算力把价格再次打下来

124. DeepSeek V4 怀胎十月，马上要分娩了吗？

125. AI竞争核心从抢人才转向拼算力？算力已成最大成本项

126. 第十章：高效推理（Inference）—— 从理论到实践的优化艺术

127. DeepSeek携手华为昇腾，推理成本暴降99%！

128. 免费才最贵？你正在为AI隐性成本买单

129. 算力成本腰斩！DeepSeek-V4商用实测，DMXAPI高并发一键组网方案

130. 国产AI全栈突破！DeepSeek V4完成华为昇腾950PR深度适配，推理速度提升35倍

131. DeepSeek连续3天异常，不只是“服务器崩了”这么简单!AI竞争已经从“模型能力”，进入“算力调度能力”阶段

132. Gartner预测AI推理成本将大幅下降90%

133. H100暴涨40%，国产AI却越用越便宜？

134. 大模型的成本拆解

135. AI算力成本全面上涨国内云服务巨头集体调价

136. 2026 AI算力产业深度研判：4300亿预算重构产业链，国产替代与自研双轮驱动

137. DeepSeek V4用Engram技术降成本，对国产算力适配有何帮助？

138. 推理慢吞吞，费用又烫手？DeepSeek和Kimi找到一套省钱解法了

139. Joule：AI 推理到底有多耗电？

140. DeepSeek 融资 500 亿：国产算力集群加速，AI 芯片服务器受益

141. AI 烧钱成本失控，Token Maxxing吞噬预算成本黑洞，寻找“逃生路径”

142. 大模型训练产业链成本分析

143. 企业规模化使用 AI 大模型如何控制算力与调用成本？

144. DeepSeek的融资能否解决前进中的障碍

145. 一次性短期任务算力平台测评：单日项目、临时算力性价比深度解析

146. 算力的经济账——成本、规模、趋势

147. 国家重磅出手！“算力网”来了，以后用AI像用电一样便宜？

148. DeepSeek V4：冲击300亿估值！百万上下文背后的算力成本战

149. DeepSeek API 更新限速与隔离文档：V4 模型并发限制及 user_id 隔离功能

150. 长期租用不划算？GPU算力租用计费模式对比，小时租/月租怎么

151. AI无比伟大，可是电不够用了！

152. DeepSeek上桌费才500亿

153. AI科普-AI算力服务器训练与推理成本拆解分析

154. 字节跳动 2000 亿 AI 基建！液冷赛道迎最强催化

155. AI部署成本飙升？这五大王牌手段让你的模型推理又快又省

156. AI 推理成本失控，CIO如何自救

157. AI领域大变革！推理芯片崛起，训练与推理支出大反转

158. 打破LLM能效瓶颈：32KB缓存+1.4GHz高频竟是最佳硬件甜点？

159. 高盛最新研报：GPU&ASIC 竞争格局与推理成本分析

160. 算力「芯」动向 | 李彦宏提出DAA度量衡与AI进化论，百度“芯云模体”预埋Agent时代算力底座

161. 企业 AI 成本为什么总是失控？ Token 计量与费用归因体系的设计

162. 大模型中转哪个技术服务商靠谱

163. 提示缓存如何让长上下文 LLM Agent 变得可行

164. 从 GPU 到 Infra 的全链路省钱指南 · 实测降低 65% 成本

165. 别再混淆！AI模型训练vs推理：核心差异、成本逻辑与工程避坑全解

166. AI涨价400%！如何把Token花在刀刃上？

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！