9 月 27 日，据《The Information》援引知情人士的报道，DeepSeek 按近期收入水平折算的年化收入已经达到 10 亿美元，而几个月前这个数字还不足 5 亿美元——翻了一倍还多。收入增长的主要来源，是今年 8 月的 API 提价。更反直觉的是，创始人梁文锋在投资者会议上明确表示：涨价并没有让客户群缩小，需求依然强劲。
消息一出，很多人第一反应是：涨价还能翻倍赚钱，这不就是躺着收割吗？也有人反过来嘀咕：开源权重都白送了，靠 API 赚钱能持久吗？这两种看法其实都踩在同一个误区上——把大模型 API 当成了普通的"卖水生意"。这篇文章就把这笔账拆开算给你看。
一、事件复盘
先把已确认的事实按时间线捋一遍，信息来源以《The Information》原文及新浪财经等权威媒体的转述为准：
8 月：DeepSeek 对 API 价格进行调整，据多家媒体报道，部分模型调用价格有数倍幅度的上调（具体倍数来自市场流传的报道口径，官方未逐项确认）。
9 月下旬：梁文锋在一场投资者会议上披露，按近期收入水平折算，DeepSeek 的年化收入运行率已达 10 亿美元，较几个月前不足 5 亿美元的水平增长一倍以上；涨价未导致客户流失。
同时披露的还有几个关键信息：
- DeepSeek 的收入几乎全部来自 API 服务，面向普通用户的聊天应用免费、无广告、不产生收入；
- 公司正在推进第二轮融资，计划以 5000 亿元人民币估值融资 500 亿元，目标 10 月底前完成，并已在筹备登陆上交所科创板；
- 目前公司 70% 以上的算力用于训练新模型，不足 30% 用于运行现有模型、处理用户请求。
一句话总结：一家把模型权重免费开源的公司，靠卖 API 调用把收入做翻倍了，而且是在涨价之后。
二、技术核心拆解
1. 涨价客户不跑，账要算"替代成本"而不是"绝对价格"
很多开发者看到"涨价几倍"就默认客户会跑，是因为下意识拿现在的价格和过去比。但企业客户采购大模型 API 时，对比的从来不是"现在的价格 vs 过去的价格"，而是 "调 API vs 自己搞" 的总成本。
自己搞意味着什么？买卡或租卡、机房和电费、推理框架调优、运维团队、模型迭代跟进——每一项都是长期支出。一个工程师一年的成本，就能顶掉海量 token 的 API 费用。所以只要 API 的绝对价格仍然显著低于自建的替代成本，涨价只是在压缩"原本白赚的性价比空间"，并没有越过客户的决策红线。
再加上大模型调用普遍存在迁移成本：提示词要重新调、输出格式要重新对、效果要重新评估、代码要改造适配。换模型不是改一行 base_url 那么简单，这份隐性成本本身就是黏性。
2. 翻倍的收入背后，是推理效率这张底牌
注意一个细节：DeepSeek 目前 70% 以上的算力在跑训练，只有不足 30% 用于推理服务。也就是说，它的 API 收入是用不到三成的算力撑起来的。这背后是多年来在推理效率上的持续投入：
- MoE 混合专家架构：模型参数总量很大，但每个 token 只激活其中一小部分"专家"网络，推理时的计算量远小于同规模稠密模型；
- KV Cache 优化：把对话过程中产生的中间缓存数据进行压缩、下卸（比如挪到便宜的内存而不是昂贵的显存），单位算力能服务的并发请求就更多；
- 工程细节的持续打磨：调度、批处理、量化，这些不写进新闻稿的活，直接决定"一张卡能卖多少 token"。
推理效率高意味着单位 token 的成本被压得很低，这样即使单价上调，仍然有可观的利润空间——这就是"敢涨价"的技术底气。近期市场流传其 API 业务毛利率高于行业平均水平的说法，官方未正式确认，但方向上是符合这套逻辑的。
3. 开源和赚钱，本来就不是对立面
DeepSeek 收入几乎全部来自 API，而模型权重开源免费。两者看似矛盾，其实分工明确：
- 开源解决的是"信任和分发"：权重开放，企业和开发者可以自己验证模型能力，衍生生态做大，品牌影响力随之扩大；
- API解决的是"便利性付费"：绝大多数客户不想自己买卡部署、维护集群，愿意为"开箱即用、按量付费"支付溢价。
这套模式在开源软件行业早就被验证过——数据库、中间件领域的众多开源公司都是"代码免费、服务收费"。大模型只是把这个逻辑搬到了推理算力上。
4. "年化收入"是个什么数字
报道里的 10 亿美元年化收入，英文叫 run-rate，算法是拿近期单月收入乘以 12 外推全年。它反映的是"当前业务节奏下的收入速度"，不是财务审计后的年度营收。如果未来调用量波动、价格再调整、竞争格局变化，实际数字都可能偏离。这类数字在融资语境下披露，阅读时要打个"未审计"的标签。
5. 三层风险视角
- 功能层面：API 提价和调用量激增后，限流策略、高峰期稳定性会直接影响客户体验，这是客户考虑"要不要备一个 Plan B"的现实因素；
- 安全层面：企业客户通过 API 传输业务数据，涉及数据不出域、脱敏等考量；选择私有化部署的企业则要自己承担推理集群的安全运维责任；
- 合规层面：筹备科创板上市意味着财务数据、关联交易、算力采购等将接受公开市场的审视；对客户来说，供应商进入上市流程后经营透明度提升，但也要关注服务条款和数据权属约定。
三、常见技术误区
误区一：涨价客户不跑，说明客户人傻钱多
不是。企业客户算的是替代成本账：自建推理的硬件、人力、运维综合成本远高于调 API，涨价后的 API 价格仍然在"划算"区间内。客户不跑是理性选择，不是惯性。
误区二：年化收入 10 亿美元，等于今年能落袋 10 亿美元
run-rate 是外推指标，不是审计营收。而且 AI 公司的大头开支在训练算力——DeepSeek 七成算力在跑训练，收入翻倍的同时开支也在滚。收入规模和"赚到的利润"是两回事。
误区三：开源白送模型的公司不赚钱，或者开源就是为了逼你付费
开源权重与 API 收入是分工关系，不是套路关系。开源负责生态和信任，API 负责把便利性变现。客户随时可以拿着开源权重走人自建，恰恰是这种"可退出的自由"，倒逼 API 服务把价格和体验维持在合理区间。
四、实操指引
给开发者：
- 建立成本监控：给 API 调用加上 token 用量与费用统计，按项目和功能拆分，调价公告一出就能算清影响；
- 留住切换能力：主流厂商大多兼容 OpenAI 风格接口，把模型调用收敛到一个抽象层，换模型时改配置而不是改业务代码；
- 定期做效果回归测试：攒一批有标准答案的典型任务，每次换模型或模型升级后跑一遍，避免"价格换了、效果悄悄掉了"没发现；
- 关注缓存与批量计费：命中缓存、批量接口通常有折扣，合理设计请求能实打实降成本。
给企业技术负责人：
- 做 API vs 私有化部署的 TCO 对比：把硬件折旧、电费、运维人力、模型迭代跟进都算进去，而不是只看电费单；
- 数据敏感场景先定边界：哪些数据可以出域调 API、哪些必须留在私有环境，写成制度再选型；
- 供应商策略上留后手：关键业务保持至少一条备用模型通道，避免单点依赖。
给普通读者：
看到"XX 公司年化收入 XX"这类数字，先问三个问题：是审计数字还是外推数字？成本结构如何？信息源头是官方披露还是转述？这三个问题能过滤掉大部分以讹传讹。
五、结尾
DeepSeek 这次披露值得关注的，不是"赚了多少钱"，而是它验证了一件事：在大模型行业，工程效率本身就是定价权。推理成本压得足够低，才有底气在同行降价时反向涨价，还能让客户留下。接下来 10 月底前的第二轮融资和科创板进程，会让这套"开源+API"的商业模式接受更严格的公开检验。
对开发者来说，结论很朴素：别只盯着单价涨没涨，把替代成本、迁移成本、效果稳定性放进同一张表里算，才是对自己钱包负责。
如果这篇文章帮你理清了这笔账，欢迎转发给正在纠结"自建还是调 API"的同事朋友。评论区聊聊：这波涨价，你的项目跟了吗？