DeepSeek открытая платформа для вывода, социальные медиа рассчитывают маржу прибыли от вывода или более 95%

DeepSeek — это открытая инференс-рамка, которая переводит обсуждение возможностей больших моделей в индустрии в сторону затрат на инференс.

20 октября DeepSeek объявила об открытии своей внутренней инференс-рамки DeepInfer и инструмента deepseek-recipe для кодирования и декодирования токенов. DeepSeek заявляет, что DeepInfer предназначен для масштабного инференса DeepSeek V4.1-Flash с целью повышения пропускной способности при снижении задержки. Рамка поддерживает GPU от NVIDIA и NPU от Huawei, использует лицензию Apache-2.0.

Одним из фонов, вызвавших интерес к этому открытию, является раскрытие доходов от инференс-услуг DeepSeek. Согласно опубликованным на GitHub вопросам и ответам по развертыванию, V4.1-Flash обрабатывает 1,55 триллиона токенов в день на одном кластере, а общий доход составляет 38 долларов за час на один GPU по ценам на электроэнергию в часы пик.

Социальные медиа, основываясь на предположениях о коэффициентах кэширования, пропускной способности и ценообразовании, оценивают, что его валовая прибыль от инференса может достигать 84,2% — 96,1%. Аналитики указывают, что валовая прибыль API основных моделей OpenAI и Anthropic также может достигать 95%.

Это раскрытие предоставляет возможность наблюдать за экономикой инференса. Однако сами цифры дохода не могут объяснить уровень прибыли. Чтобы определить, сколько валовой прибыли соответствует доходу в 38 долларов в час, необходимо знать затраты на амортизацию оборудования, энергетику, сеть, кэш-хранилище и эксплуатацию.

Социальные медиа оценивают валовую прибыль выше 96%

Иностранный исследователь в области технологических инвестиций Zephyr опубликовал расчеты в социальной сети X, указав, что DeepSeek фактически "раскрыла свой основной секрет бизнес-модели". Он оценивает, что валовая прибыль от инференса DeepSeek может достигать 84,2% — 96,1%, скорректировав ранее озвученный диапазон 87,76% — 96,94%.

Он установил типичную базовую модель: предположим, что в реальном производстве 97% входных данных попадают в кэш, а 2% не попадают в кэш, и 1% составляет выходные данные.

Кэшированные входные данные (Cached Input): составляют 97% от общего объема токенов (очень низкая цена, легкая вычислительная нагрузка);

Некэшированные входные данные (Uncached Input/Prefill): составляют 2% от общего объема токенов;

Выходные данные (Output/Decode): составляют 1% от общего объема токенов.

В этой структуре потока Zephyr, основываясь на официально опубликованной предельной пропускной способности одной карты (предзагрузка 80 000 токенов в секунду, декодирование 16 000 токенов в секунду), оценил производственные показатели. Согласно его модели, одна GPU при полной загрузке теоретически может обрабатывать соответствующие комбинации токенов и генерировать максимальный доход около 49 долларов в час.

Если учитывать текущие рыночные ставки аренды на облачные услуги, одна высокопроизводительная GPU (например, NVIDIA H100 или аналогичное оборудование следующего поколения) обычно стоит от 1,5 до 4 долларов в час, то формула валовой прибыли от инференса на уровне оборудования будет следующей:

В условиях предельного тестирования (выход 49 долларов в час, стоимость вычислительных ресурсов от 1,5 до 6 долларов):

Zephyr заявил, что при определенной идеальной нагрузке валовая прибыль от инференс-бизнеса (Inference Gross Margin) этой рамки находится в диапазоне от 87,76% до 96,94%. В своем твите он прямо сказал: "Публичные результаты NVIDIA, SGLang и vLLM были просто раздавлены."

Затем Zephyr скорректировал параметры расчетов на основе реальных операционных деталей, раскрытых DeepSeek. Он добавил: "Эти экстремальные показатели валовой прибыли основаны на идеальных сценариях, когда провайдер может генерировать около 49 долларов в час. DeepSeek официально сообщила, что в не пиковые часы доход составляет около 38 долларов за карту в час, и производственная среда может достичь 80% от базового тестирования. На основе этих последних цифр переоценка показывает, что фактическая валовая прибыль находится в диапазоне от 84,2% до 96,1%."

В настоящее время в зарубежном облачном сервисном рынке общая стоимость аренды одной высокопроизводительной GPU обычно составляет от 2 до 4 долларов в час. Огромная разница между доходом в 38 долларов за карту в час и стоимостью вычислительных ресурсов является основным основанием для повышения оценок валовой прибыли.

Отраслевой горизонтальный анализ: валовая прибыль ведущих лабораторий

После публикации этих расчетов в отрасли быстро начались цепные обсуждения о реальной прибыльности ведущих AI-лабораторий.

Наблюдатель за технологическими инвестициями Алекс Коррино, пересылая вышеуказанные расчеты, задал вопрос: "Если я скажу вам, что валовая прибыль всех ведущих AI-лабораторий по API на самом деле может превышать 80%?"

Zephyr немедленно процитировал этот твит и дал более радикальную оценку: "Для Anthropic и OpenAI эта цифра на самом деле составляет 95% (для основных моделей, таких как Sol, Fable, Sonnet, Astra и т.д.)."

Anthropic, вероятно, зарабатывает большие деньги?

При предположении о высокой валовой прибыли в отрасли инвестиционный аналитик Скотт далее перенес эту логику на экономическую модель "подписки" конечных пользователей, анализируя реальные карты ведущих зарубежных компаний.

Согласно отчету исследовательской организации SemiAnalysis, фактический лимит токенов, предоставляемый Anthropic для своих премиум-подписчиков "Claude Max", составляет 58,6 раза больше, чем его соответствующая официальная цена API. На основании этого внешние наблюдатели предположили, что пользователи с высоким объемом подписки будут значительно поглощать прибыль платформы, что приведет к убыткам.

Скотт предложил обратную формулу:

Установив базовое предположение: предположим, что валовая прибыль от оборудования API Anthropic также достигает 99% (стоимость составляет всего 1%).

Обратный расчет затрат при максимальном использовании подписки: пользователь платит 1 единицу подписной платы, если полностью использует эквивалент 58,6 единиц по цене API, то фактические затраты на оборудование, которые несет Anthropic, составляют:

Фактические затраты на оборудование = 58,6 × 1% = 0,586 единицы фактических затрат на оборудование = 58,6 × 1% = 0,586 единицы

Расчет валовой прибыли от подписки в экстремальных условиях:

Экстремальная валовая прибыль Claude Max = 1 − 0,5861 = 41,4% Экстремальная валовая прибыль Claude Max = 11 − 0,586​ = 41,4%

Скотт в своем анализе заявил:

"Если валовая прибыль DeepSeek может достигать 95% и предположить, что валовая прибыль API Anthropic составляет 99%. На основе тестирования SemiAnalysis, Claude Max предлагает использование на уровне 58,6 раз больше, чем цена API. Это означает, что даже если все пользователи полностью используют свои лимиты, Anthropic все равно сможет сохранить около 41% валовой прибыли в модели подписки. На практике большинство пользователей не будут использовать свои лимиты полностью."

Он отметил: "На самом деле, пока валовая прибыль API Anthropic остается выше 98,3%, даже если пользователи полностью используют лимиты, их подписной бизнес может достичь безубыточности. Anthropic в настоящее время абсолютно находится в стабильном состоянии прибыли."

Технологический аналитический аккаунт Teortaxes также отметил: "На фоне внутренних архитектур ведущих лабораторий все публичные бенчмарки на рынке не стоят ничего. Это результат серьезной инженерной работы, инференс-бизнес сам по себе является машиной для печатания денег. Вы можете представить, насколько тревожен Дарио (генеральный директор Anthropic) в данный момент."

Технические пути различий: программная реконструкция против специализированных чипов

С появлением реальной структуры затрат на инференс в отрасли также переосмыслены различные пути снижения затрат на технологии.

В области аппаратной архитектуры и затрат на единицу пропускной способности отрасль сравнила это решение с производителями чипов, такими как Groq, которые ориентированы на сверхнизкую задержку.

Отраслевые наблюдатели указывают, что аппаратная архитектура LPU, представленная Groq, зависит от встроенной SRAM, что обеспечивает экстремальную скорость генерации взаимодействия, но объем видеопамяти этих чипов очень мал, что требует многократного наращивания аппаратных плат и обширной взаимосвязи узлов для поддержки основных больших моделей, что приводит к высоким затратам на амортизацию оборудования и закупку на уровне одного токена.

В отличие от этого, DeepInfer демонстрирует другую бухгалтерскую логику общего чипового пути: на универсальных GPU и коммерческих NPU, таких как Ascend, просто с помощью программного управления можно максимально извлечь параллельную пропускную способность, чтобы получить прибыль от масштабируемых API-услуг при более низких общих затратах на оборудование.

Тем не менее, несколько отраслевых наблюдателей в обсуждениях отметили, что вышеуказанные оценки валовой прибыли от 80% до 95% в основном сосредоточены на прямой бухгалтерской разнице между "ценой токена и потреблением аппаратного обеспечения одной карты". Эти микрооценки не учитывают предварительные затраты на разработку и обучение, которые составляют миллиарды долларов (R&D), затраты на высокоскоростные сети для глобальных узлов, а также высокие зарплаты системных инженерных команд.

Следующим шагом необходимо проверить, может ли открытая реализация стабильно увеличивать пропускную способность и снижать стоимость каждого эффективного выходного токена при различных аппаратных средствах и реальных бизнес-нагрузках. Что касается DeepSeek, внешние наблюдатели также нуждаются в дополнительных данных о стоимости и коэффициенте использования ресурсов, чтобы оценить, насколько высокие маржинальные прибыли, оцененные в социальных сетях, близки к реальному уровню ведения бизнеса.