3月1日，DeepSeek官方认证账号在知乎发布了《DeepSeek-V3/R1推理系统概览》(下称《概览》)一文 ，首次公布模型推理系统的核心优化方案 ，并披露理论成本利润率高达545%，刷新了全球AI大模型领域的盈利高点 ，引发业内震动 。
《概览》显示 ，DeepSeek-V3/R1推理系统的优化目标是更大的吞吐 、更低的延迟 。
为了实现上述两个目标，DeepSeek使用大规模跨节点专家并行(EP）。首先EP使得批量尺寸大大增加 ，从而提高图形处理器(GPU)矩阵乘法的效率 ，提高吞吐 。其次 EP 使得专家分散在不同的 GPU上，每个GPU只需要计算很少的专家 ，因此更少的访存需求 ，从而降低延迟 。
EP同时也增加了系统的复杂性。因此，《概览》就如何使用EP增大批量尺寸 、如何隐藏传输的耗时、如何进行负载均衡等进行了讲解 。
DeepSeek还披露了DeepSeek的理论成本和利润率等关键信息 。
文章称，在北京时间2月27日12:00 至2月28日12:00 ，DeepSeekV3和R1推理服务占用节点总和 ，峰值占用为278个节点，平均占用226.75个节点(每个节点为8 个H800 GPU)。假定GPU租赁成本为2美元/小时 ，总成本约为8.71万美元/天 。
如果所有tokens全部按照DeepSeek R1的定价计算 ，理论上一天的总收入大约56.20万美元，成本利润率为545% 。
DeepSeek此次披露的数据 ，不仅验证了其技术路线的商业可行性 ，也预示着AI大模型的盈利闭环已从理想照进现实。此前发布的DeepSeek-V3模型训练成本仅557.6万美元，是同类产品的1%-5%。
DeepSeek此次在知乎发布《概览》 ，引来近600条评论 、5000多点赞 。有网友称 ，今日发布的《概览》技术文章是“开源周彩蛋 ”，直接亮出了底牌 。有网友称赞：“太强了 ，AI算力成为水电的基础是要足够便宜 ，Deepseek迈出了一大步 ”。
《概览》发布也标志着全球关注的“DeepSeek开源周”正式收官 。“DeepSeek开源周 ”自2月24日至2月28日，陆续开源最新技术进展 。其中，包括FlashMLA 、DeepEP、DeepGEMM和3FS四个开源项目 ，以及DualPipe 、EPLB等代码库。
