在全世界都还处于堆卡续命情况之际，DeepSeek直接声称，耗费557万美元便可以训练出具有6710亿参数的怪兽模型

没错，就是那个预算仅仅是Llama-3.1-405B的9分之一，但是却把Arena分数刷到83.3的“抠门奇迹。

要是你对GPU小时费有那么一些概念，都会忍不住倒吸一口凉气，这就好像把一辆布加迪按照共享单车的单价来开一样，更过分的是，他们，居然还有200张H800没有使用。听起来就好像有人用超市购物券买下了曼哈顿豪宅，要是这件事情是真的，英伟达的股价又将会下降一番，但要是仅仅是PPT把戏，那整个AI领域大概会全面出现情况。这事在2025，年6月12日凌晨被曝光，在新加坡金沙会展中心，DeepSeek研发总监李兆星把热咖啡往桌上一放，对着500多位芯片代理商拿出PPT，训练用了55天，、2048张H800、峰值功耗1.9兆瓦，账单557万美元，比Meta训Llama-3.1-405B的6000万刀直接少了一成。台下有人把计算器按得噼里啪直响，每百万参数的成本是0.83美元，这比OpenAIGPT-4o的7，2美元便宜得那叫一个悬殊。

听着就好像菜鸟驿站跟你讲，亲爱的，moonlight被送到月球，运费到付仅仅只要六块八，而且是包邮但是不退货。简单来说，他们将省钱的三招运用得十分熟练，FP8混合精度使得显存带宽减少了一半，MLA多头与潜注意力把KV-cache压缩到仅为原来的7%，再加上细粒度MoE，每次仅唤醒6.5%的神经元，剩下的九成就这样处于闲置状态。

问题出现了这么抠门，模型不会营养不良吗

可将句子进行重组，调整为，Llama-3.1是凭借1.5万张H100强力运算了时，才获得83.0分，而DeepSeek仅用了3，分之一的算力就反超了0.3分，这样老黄的定律难道要被送进ICU那问题就产生了，2019年IBM走捷径用8位去训练WatsonHealth，结果肿瘤建议开出的是致命剂量，被梅奥诊所直接给赶了出去，在工程上精度换预算要是出了问题，并不仅仅是公关危机，而是关乎生命线的大事。更为实际的是，FP8在梯度累加的时候误差，会被放大，557万里存不存在预留重训险，

有很多聪慧之人存在，可是将训练集群当作印钞机来看待的资本家，更加精明只要重新启动一回，账单就马上变为双倍，商业化真的可以承受得了吗不过说DeepSeek全靠抠门可不太准确，他们背后有量化对冲基金High-Flyer支撑着，那可是最不缺实时风控以及回滚所需的算力，将金融级别的容错机制融入AI训练中，就如同给火箭安装了安全气囊，花费少了，保障却更多了。从另一方面来讲，MoE的稀疏，结构对推理芯片非常不友好，随着batchsize变小，GPU空转率会大幅提升，要是下游客户全是低频调用，节省下来的训练费用，会原封不动地花在部署端，算盘依旧噼里啪响。现实检验需要对照两面镜子，一面是2023年法国的Mistral7B，它花费800万美元，用六周就获得欧洲生成式API市场12%的份额，依靠的是极致稀疏化设计以及本地部署的优势，另一面是印度光辉战机，它历经34年，投入67亿美元，却始终没有攻克国产发动机的难题，问题出在材料技术和供应链薄弱上，DeepSeek现在就差那么一步，如果不把训练阶段节省下来的成本复制到推理环节，那就容易陷入“训练省一块，推理赔十块”的印度式困局了。这不仅仅是一场比拼算力的竞赛，而是一场关于成本转嫁的博弈，只有在训练、推理以及维护这三个环节一起压缩开支，才有资格去探讨普惠型AGI是否有可能，当FP8、MoE架构和通信重叠技术逐渐成为行业里的标配时，接下来的竞争，重点肯定就会转移到部署上，那节省下来的投入仅仅是一张入场券而已，能不能让模型真正产生持续的现金流，才决定谁能进入最后的决胜阶段。

现实很骨感，省钱的香槟别急着开

DeepSeek给整个行业泼了盆冷水，大模型不再是少数巨头的专属游戏，可也绝非一场简单的魔术表演，要是有人跟你说「花小钱就能复制所有成果」，先别急着信，得连问三句精度出问题，谁来兜底

推理空转谁兜底供应链断货谁背锅

AI路远，成本虽低，但商业现实中从不存在既赚快钱又占便宜还全拿好处的美事，省训练成本只是个开头，接下来要做的大事情是把模型放进每家每户的边缘盒子里，让每一度电都能好好发挥作用，这才是重中之重。

声明：本文内容95%左右为人工手写原创，少部分借助AI辅助，但是所有的内容都是本人经过严格审核和核对的。