【经管大课堂·AI经管实践】DeepSeek开源DeepInfer：每卡每小时38美元背后的推理成本经济学

案例背景

2026年10月20日，DeepSeek宣布全面开源其内部大规模云服务推理框架DeepInfer，并同步开源生产级Token编解码组件deepseek-recipe。前者集成高性能算子与深度优化的推理引擎，支持分布式推理、推测解码、SWA Bounded Replay与结构化输出，可运行在英伟达SM100与华为昇腾950两类平台上；后者把Chat Completions、Responses、Messages三套主流API协议统一转换为内部对话格式，处理逻辑与官方API完整对齐。官方披露，基于该框架的DeepSeek-V4.1-Flash单集群日吞吐达155万亿Token，线上平均首字时延约400毫秒、吐字速度约230 Token/秒，按谷价计算整体收入达到每卡每小时38美元。

但这次开源并不完整。KVCache管理与负载均衡组件因与内部基础设施耦合较深，代码尚未开放。而恰恰是”缓存”而非”算得更快”的部分，才是DeepSeek账本里最关键的一栏：官方线上系统平均输入缓存命中率达96%，谷时输入价0.15美元/百万Token、输出价0.60美元、缓存命中价仅0.003美元——命中价是输入价的五十分之一、输出价的两百分之一。开源算力调度、保留省算力组件，这一取舍本身就是一个值得拆解的战略命题。

核心分析

一、开源不是让渡利润，而是争夺互补品与标准主权

用双边市场与平台领导力理论看，DeepSeek开放推理框架并非”慈善”。Rochet与Tirole的双边市场理论指出，平台的核心决策是对哪一侧补贴、从哪一侧获利；Gawer与Cusumano的”平台领导力”则强调，企业可通过开放核心接口、扶持互补品供应商，把自有技术变成行业事实标准。DeepSeek把推理框架连同协议转换层一并开源，等于把”部署环节”这个互补品市场做大：云厂商、政企、运营商每多一次私有化部署，DeepSeek模型的应用面就扩张一分，而模型权重仍握在自己手中。更微妙的是昇腾950被列为一级支持平台——国产NPU首次进入其官方框架，等于用开源代码换取国产算力生态中的入口位置。此处开源是市场扩张工具，而非收入来源。

二、推理成本经济学：把”算得省”置于”算得快”之上

AI推理服务的单位成本可粗略分解为算力折旧、电力、显存占用与重复计算四部分，DeepInfer的优化几乎全部指向”减少重复计算”：Prefill与Decode分离部署，8卡机器承担Prefill、64—128卡超节点承担Decode，两者独立扩缩容；KVCache被做成集群级共享数据层，约100 PiB SSD承载，agent流量留存3天、chatbot流量留存7天，命中率96%；SWA Bounded Replay让重算代价与上下文长度、层数脱钩，Decoder部分Prefill计算量近乎减半；DSpark变长验证使每步验证的候选Token数从固定5个降至3.2—4.4个，吞吐提升4%—7%。其经济学本质是边际成本递减：一次缓存命中的边际成本趋近存储读取成本，远低于重新前向计算。当命中率达到96%，规模越大单位Token成本越低，规模经济与学习效应同时成立。这也解释了38美元的含义——它并非售价，而是”单位算力要素的产出效率”，正在成为AI服务行业衡量要素生产率的新口径。

三、开源边界即实物期权：保留”怎么算得省”

DeepSeek开放”怎么算得快”、保留”怎么算得省”，可用实物期权理论解释。Myers与Trigeorgis指出，在高度不确定的技术环境中，把不可逆投入拆成一系列可延迟、可分阶段的期权，比一次性决策更有价值。KVCache系统与三个负载均衡器是DeepSeek成本优势的核心，一旦完整开放，竞争对手可低成本复制其成本曲线，其API价格竞争力将迅速被抹平。保留这些组件，等于持有一份”可择机开放、也可长期不开放”的看涨期权：若生态竞争加剧、需要更大部署份额，则行权；若格局稳定，则继续独占成本优势。对学习者而言，这是一条通用命题——开源边界应由”哪些能力构成持久差异化”决定，而不是由技术壁垒高低决定。

管理启示

第一，评估一项开源决策，应从”收入损失”转向”标准份额+互补品规模”的复合指标，把生态采纳量纳入KPI而非只看短期毛利。第二，AI服务的成本竞争已从模型参数规模转向工程细节，缓存命中率、Prefill/Decode配比、负载均衡比值等运营指标正成为财务指标的前置变量，管理者需建立”技术指标—单位成本—毛利”的贯通口径。第三，企业应对自身能力做期权式盘点：把可商品化的部分主动开放以做大规模，把构成成本曲线的部分设为保留项，并对保留项设定明确的行权条件与复核周期。第四，警惕benchmark与线上的系统性落差——官方披露线上仅能达到理想离线基准的80%，任何算力投资测算都不应直接套用实验室数据。

其他思考

1. 当开源模型的推理成本曲线被公开披露，模型厂商的定价权会从”模型能力”转向”工程效率”吗？中小厂商应当自建推理能力，还是全面依赖开源框架？
2. 若KVCache与负载均衡组件未来补齐开源，DeepSeek在成本优势与生态份额之间将如何取舍？企业应如何设计开源边界的评估框架？
3. “每卡每小时38美元”是按谷价计算的理论收入，未扣除电力、折旧与人力成本。若要将其作为行业要素生产率基准，还应补充哪些口径才能形成可比的会计指标？

关键词：开源战略、推理成本经济学、实物期权
来源：第一财经/经济观察网 | 整理：经管大课堂