DeepSeek重启融资，我看的不是估值，是那张算力账单

微信鸿蒙版破7000万，尊界MPV卖64.8万起，这些都不如早报里一行小字让我抬了头：DeepSeek重启第二轮融资。我第一反应不是估值翻几倍，而是这张算力账单打算怎么签。

朋友圈里做AI应用的朋友昨晚还在问我，说DeepSeek这波用量起来之后，推理成本还能不能压。我上周用昇腾跑了一周他们的开源模型，说实话，单看模型结构的优化空间，这团队是真懂省。但问题从来不在模型本身，在部署那一层。

我这边测下来，同样的batch size，DeepSeek的MoE结构在显存带宽上比同体量的稠密模型轻松不少，但前提是你能把expert routing的调度做干净。我拿他们的V3跑了一周，发现一个有意思的现象：单卡推理延迟看着挺好，但一旦上多卡，通信开销直接吃掉三成以上的吞吐。这跟我之前调算子碰到的情况一模一样，单算子再快，融合不上，数据在L2和HBM之间来回搬家，一切都是白搭。

融资新闻里没有人会提这些。投资人看到的是月活、token消耗量、API调用次数，这些数字确实漂亮。但我关心的那张账单是：每百万token的推理成本，在什么硬件上、什么batch size下、什么并行策略下算出来的。这个数不写清楚，融资估值就是个黑盒。

我拿DeepSeek和现在市面上主流的大模型API做对比跑了一轮，结论可能跟大多数人想的不一样。DeepSeek在长上下文场景下确实便宜，这是它的MoE结构天然的优势，不是靠补贴烧出来的。但短请求、高并发的场景下，优势没那么明显，因为它的服务端要维护的expert状态太多了，内存带宽反而成了瓶颈。这跟我在华为调昇腾算子时的体验类似，稀疏结构省了算力，但没省数据搬运。

所以我的判断是，DeepSeek这轮融资的核心看点不在模型能力，在它能不能把推理基础设施的账算清楚。DeepSeek的知名度已经没问题了，问题是它要证明自己能把成本曲线压到别人追不上的位置。这个位置，靠的是调度系统、算子库、编译器这套底层功夫，而不是模型结构本身。

说白了，模型是脸，推理栈是腰。脸好看能拉来流量，腰硬不硬决定能不能挣钱。

我上周帮一个朋友在他们内部集群上试了DeepSeek的开源权重，场景是给客服系统做长文档问答。跑下来发现，如果只做单机8卡以内的部署，性价比确实能打。但一旦业务量上来要横向扩，通信瓶颈就露出来了。朋友问我能不能优化，我说能，但这是他们团队要雇编译器工程师的信号，不是换个模型能解决的。

这也是我对这轮融资最想说的：7000万微信用户是鸿蒙生态的里程碑，DeepSeek的估值是市场的里程碑，但真正的分水岭在推理成本能不能随规模下降。我见过太多AI公司死在用户涨起来、算力账单也涨起来的那个拐点上。DeepSeek的模型底子是好的，现在要看的，是它背后的工程团队能不能把那张账单给我一个漂亮的答案。

行动建议就一个：如果你在考虑用DeepSeek做业务，别只看API价格表，先拿你自己的真实请求分布去压测一轮，看它在你的负载下每百万token的实际开销。融资新闻是给市场看的，那张账单才是你该盯的。