一张 GPU 一个月赚 18 万，DeepSeek 把账本公开了

一家 AI 公司最不愿意公开的数字，不是模型参数有多少，而是每张卡每小时能挣多少钱。

工资单是隐私，单位经济是命门。

10 月 20 日，DeepSeek 把这张工资单贴了出来：每卡每小时 38 美元，按谷电价计算。

乘一下：38 × 24 × 30，一张卡一个月约 2.7 万美元，折合人民币 18 万出头。

同一天，它开源了内部的大规模推理框架 DeepInfer，还有 Token 编解码组件 deepseek-recipe，加一个给 Agent 用的搜索接口 Search 与 Fetch。

一份技术报告，三行成本数据，行业里那句谁都知道、谁都不说的事，被摆到了台面上。

先把这笔账自己算一遍

单集群每天 155 万亿 tokens 的吞吐，平均每张卡每小时 38 美元。

这个数字的参照物是什么？业内 B300 的租赁报价大概在每小时 7 到 10 美元，便宜的地方能压到 5 美元，贵的云厂商报到 17 美元以上。

也就是说，同样一张卡，租出去和跑 DeepSeek 的服务，收入差了三到五倍。

于是很多人立刻得出一个结论：这生意利润率 80%，稳赚不赔。

先别急。

38 美元是收入，不是利润

这是整份披露里最容易被看错的地方。

38 美元/卡/小时，说的是收入——按 API 定价、按满负荷、按谷电算出来的收入。

它没有扣掉的东西有一长串：卡的成本或租金、电费、机架、网络、存储、运维、折旧、闲置。

而"抵扣成本后还剩 80%"这种算法，通常是拿 38 美元直接减掉 7 到 10 美元的租赁报价。这个减法的问题在于，租赁报价里已经含了别人分摊的机房和电力，而你自己搭集群，这些成本一样都跑不掉。

梁文锋自己给了另一个更硬的标尺。

他在投资人闭门会上说过：API 定价大概能做到"买一批设备回来，10 个月收回成本"。

10 个月回本，年化大约 120%。听着不低，但那是设备回本，不是毛利率；而且它成立的前提只有一个——卡一直有人用。

真正值钱的不是毛利率，是回本周期。因为毛利率可以算得很漂亮，回本周期骗不了人。

这 38 美元，是一层层抠出来的

155 万亿 tokens 一天，靠的不是堆卡，是把每一秒都拆开用了。

第一刀，把输入和输出拆成两条流水线。

输入阶段（Prefill，理解你发的那一大段话）用 8 卡服务器，输出阶段（Decode，一个字一个字往外吐）用 64 到 128 卡的超节点。

打个比方，一家餐厅把"备菜"和"出菜"分给两拨人。备菜的人手快但不需要多，出菜的人要一直守在那儿。混在一起干，两边都会互相等。

第二刀，把算过的东西记住。

平均每个请求输入 7.7 万 tokens，其中 96% 命中缓存。

缓存是什么？就是小抄。同一个 Agent 每次都把同样的一大段系统提示词、同样的工具说明、同样的历史记录重新喂给模型——第一次算完，答案就存在那儿，后面直接调取。

命中缓存之后，每卡吞吐翻 25 倍。

这才是 38 美元里最大的那一块。算力的钱不是省出来的，是"重复利用"出来的。

第三刀，猜着算。

Decode 阶段用投机解码：先一次猜好几个 token，再统一核对。官方说线上吞吐因此提升约 6%。

6% 听起来不多。但在 155 万亿 tokens 的量级上，6% 是每天多出九万亿 tokens 的产能。

顺带一句：那些缓存存在一个约 100 PiB 的分布式文件系统里，Agent 流量保留 3 天，聊天场景保留 7 天。100 PiB，相当于把几十万块家用硬盘串成一条走廊。

他为什么敢公开

因为这套账本，抄得走数字，抄不走规模。

梁文锋的说法是：DeepSeek 的护城河压根不在成本上。

这话听着像谦辞，其实是打法。2011 年可口可乐配方泄露，股价没动，销量还涨了。因为可乐真正靠的从来不是糖浆配比，是灌装网络、货架位置和品牌。

DeepSeek 这次一起开的三样东西，逻辑一模一样。

Search 与 Fetch 是给模型用的搜索接口，返回的是清洗过的正文，不是给人看的网页。1000 次请求 5 块钱，11 月 1 日之前不计费。

免费期把接口塞进 Claude Code、Codex 这些别人的工具里，等于把印着自己商标的冰柜，摆进对手的店里。

recipe 更微妙。它把 DeepSeek 的提示词和工具调用格式做成公共库，谁用谁就对齐了它的行为。用的人越多，这套格式越像行业默认写法。

敢把配方公开的，手里都握着比配方值钱的东西。

那没开源的部分，才是真话

官方仓库写得很清楚：发布的是离线推理和大规模服务的核心能力。想搭一套完整的在线服务，还得自己补上 KV 缓存管理、推理阶段分离部署、跨副本负载均衡。

而 KV 缓存管理和负载均衡这两块，因为跟内部基础设施耦合太深，没有完整开放。

这两块恰恰是最难的部分。缓存留多久、存在哪一层、哪台机器接下一个请求——这些决定的是那张卡到底是满负荷还是空转。

所以真正被藏起来的不是模型，是"怎么让卡不闲着"。

还有一个更硬的前提：155 万亿 tokens 一天，意味着必须真有这么大的调用量。没有需求撑着，38 美元只是一个纸面上的除法。

目前这套降本幅度还没有第三方独立复现的测试数据。

这套账本里最贵的东西不是设备，是"一直有人在用"。

窗户纸捅破之后

以前大家比模型分数，榜单刷得再高，也说不清一门生意怎么活。

现在比的是每张卡的周转率：同样一度电、同样一块硅片，一小时能吐出多少 token，能收到多少钱。

对普通人的影响没那么玄。

便宜的模型会更便宜，因为单价的成本底线第一次被公开了；Agent 会更能扛长上下文，因为缓存命中率已经成了核心指标；但"便宜"是有条件的——得有人把这些卡跑满，摊薄每一份成本。

下次你抱怨某个 AI 功能开始收费，可以想想这个数字：一小时 38 美元。

它得先被人不间断地问满 3600 秒，才能挣回自己的电费。