DeepSeek重磅披露：理論成本利潤率545%，每天GPU成本8.7萬美元

每經編輯 張錦河    

3月1日，DeepSeek在知乎上發(fā)表題為《DeepSeek-V3/R1 推理系統(tǒng)概覽》的文章，全面揭曉V3/R1 推理系統(tǒng)背后的關鍵秘密。

據(jù)文章介紹，DeepSeek-V3/R1推理系統(tǒng)的優(yōu)化目標是更大的吞吐、更低的延遲。為了實現(xiàn)這兩個目標，DeepSeek使用了大規(guī)模跨節(jié)點專家并行（Expert Parallelism / EP）的方法，并通過一系列技術策略，最大程度地優(yōu)化了大模型推理系統(tǒng)，實現(xiàn)了驚人的性能和效率。

具體而言，在更大的吞吐的方面，大規(guī)模跨節(jié)點專家并行能夠使得batch size（批尺寸）大大增加，從而提高GPU矩陣乘法的效率，提高吞吐。

batch size在深度學習中是一個非常重要的超參數(shù)，指模型在訓練過程中每次使用的數(shù)據(jù)量大小。它決定了每次模型更新時使用的訓練樣本數(shù)量，調整batch size可以影響模型的訓練速度、內存消耗以及模型權重的更新方式。

在更低的延遲方面，大規(guī)模跨節(jié)點專家并行使得專家分散在不同的GPU上，每個GPU只需要計算很少的專家（因此更少的訪存需求），從而降低延遲。

但是，由于大規(guī)模跨節(jié)點專家并行會大幅增加系統(tǒng)的復雜性，帶來了跨節(jié)點通信、多節(jié)點數(shù)據(jù)并行、負載均衡等挑戰(zhàn)，因此DeepSeek在文章中也重點論述了使用大規(guī)模跨節(jié)點專家并行增大batch size的同時，如何隱藏傳輸?shù)暮臅r，如何進行負載均衡。

具體來看，DeepSeek團隊主要通過規(guī)模化跨節(jié)點專家并行、雙批次重疊策略、最優(yōu)負載均衡等方式，最大化資源利用率，保證高性能和穩(wěn)定性。

值得注意的是，文章還披露了DeepSeek的理論成本和利潤率等關鍵信息。據(jù)介紹，DeepSeek V3 和R1的所有服務均使用英偉達的H800 GPU，由于白天的服務負荷高，晚上的服務負荷低，DeepSeek實現(xiàn)了一套機制，在白天負荷高的時候，用所有節(jié)點部署推理服務。晚上負荷低的時候，減少推理節(jié)點，以用來做研究和訓練。

通過時間上的成本控制，DeepSeek表示DeepSeek V3和R1推理服務占用節(jié)點總和，峰值占用為278個節(jié)點，平均占用226.75個節(jié)點（每個節(jié)點為8個H800 GPU）。假定GPU租賃成本為2美元/小時，總成本為87072美元/天；如果所有tokens全部按照DeepSeek R1的定價計算，理論上一天的總收入為562027美元/天，成本利潤率為545%。

不過，DeepSeek也強調，實際上的收入或許并沒有那么多，因為V3的定價相較于R1要更低，另外夜間還會有折扣。記者注意到，2月26日，DeepSeek在其API開放平臺發(fā)布錯峰優(yōu)惠活動通知。根據(jù)通知，北京時間每日00:30-08:30為錯峰時段，API調用價格大幅下調，其中DeepSeek-V3降至原價的50%，DeepSeek-R1降至25%。DeepSeek鼓勵用戶在該時段調用，享受更經濟更流暢的服務體驗。

上周五（2月21日），DeepSeek宣布連續(xù)五天開源五大軟件庫。2月25日DeepSeek選擇了先在GitHub上線，然后再在官推發(fā)布上新通知。該公司25日宣布將DeepEP向公眾開放。在宣布后的約20分鐘內，DeepEP已在GitHub、微軟（MSFT.US）等平臺上獲得超過1000個Star收藏。

據(jù)悉，DeepEP是MoE模型訓練和推理的ExpertParallelism通信基礎，可實現(xiàn)高效優(yōu)化的全到全通信，以支持包括FP8在內的低精度計算，適用于現(xiàn)代高性能計算。DeepEP還針對從NVLink到RDMA的非對稱帶寬轉發(fā)場景進行了深度優(yōu)化，不僅提供高吞吐量，還支持流式多處理器數(shù)量控制，從而在訓練和推理任務中實現(xiàn)高吞吐量性能。

每日經濟新聞綜合自公開信息

免責聲明：本文內容與數(shù)據(jù)僅供參考，不構成投資建議，使用前請核實。據(jù)此操作，風險自擔。