当同行还在涨价保利润时，DeepSeek两天连降两次价，把百万tokens成本砍到2分5厘——读一本《挪威的森林》花不到1分钱。梁文锋不是在打价格战，他是在重新定义"AI基础设施"的定价权。更隐秘的棋局藏在华为昇腾950的集群里：国产芯片方案比英伟达便宜60%-70%，DeepSeek的降价，或许正是国产算力替代故事的开场白。
梁文锋又出手了，而且还是二连降价。
4月25日，DeepSeek-V4-Pro开启限时2.5折优惠，输入价格（缓存命中）降至0.25元/百万tokens。
业内还没反应过来呢，结果4月26日晚间，DeepSeek就再次降价。
全系API输入缓存命中价格直接降至首发价的1/10。
叠加限时折扣后，V4-Pro的缓存输入低至0.025元/百万tokens, V4-Flash降至0.02元/百万tokens，创下全球大模型价格新低。
这是个什么概念呢？
上海译文出版的《挪威的森林》，全书约20万字。将整本书命中缓存后喂给DeepSeek-V4-Pro，那么其总成本不到1分钱。
DeepSeek这次降的，不只是token的单价。它是把“长文本、长代码、长知识库”这些原本最烧钱的AI应用场景，全都打入了价格的谷底。
DeepSeek两天两降，这不是简单的价格战。
先用限时折扣测试市场承受力和服务器负载，紧接着对缓存命中这一高频场景实施永久性降价。尤其是对于RAG知识库、智能客服、文档分析等缓存命中率超过60%的应用场景，成本可以直接下降90%以上。
DeepSeek研究员陈德里在社交媒体上确认，输入缓存降价是永久性的，并打上了“AGI for Everyone”的标签。
虽然说国内所有AI公司，几乎都是摸着DeepSeek过河，但DeepSeek这波降价之后，却并非所有人都担心。
尤其是大厂，他们压根不在乎DeepSeek降价。
这是因为，大厂卖API的本质，是卖背后的一整套服务。大模型API只是用来引流的，真正赚钱的是背后的计算、存储、数据库等云服务。
以阿里云为例，4月15日算力卡涨5%-34%、存储涨30%，但同时又愿意代理DeepSeek。关键点就在于，即便是客户使用DeepSeek，他们依然离不开阿里云的算力和存储。
阿里、腾讯、字节这些AI大厂，他们靠的是生态和平台赚钱。
真正难受的是智谱、MiniMax和月之暗面这样的中间层。
智谱AI在4个月里已经连续三次涨价。2月代码订阅套餐上调30%,3月旗舰API上调20%,4月8日再次上调10%，累计涨幅83%。调价后，GLM系列编程场景缓存命中Token单价已接近Claude Sonnet 4.6的水平。
智谱CEO张鹏的解释只有一句话：“瓶颈在算力，不在客户。”
在首份财报中，智谱公开了自己的商业逻辑公式：AGI商业价值=智能上限×Token消耗规模。
对于智谱这个上市公司来说，算力是稀缺资源。智谱的API年化收入（ARR）在过去12个月暴涨60倍至17亿元，Token调用量在价格上涨83%的背景下仍增长400%。
问题不是客户不愿意付钱，而是现有算力已经接近满载，继续低价只会让服务质量下降。与其通过价格战抢来大量低价值客户，不如提高价格筛选出高价值客户，把有限的算力用在刀刃上。
月之暗面和MiniMax的特点是量大便宜，当DeepSeek把API价格打到这么低，这两家或多或少都会有些难堪。
但月之暗面的K 2.6以及MiniMax即将发布的M3模型，性能都要高于DeepSeek-V4-Pro。他们在客户群体上可能会和DeepSeek有交集，但很难形成全面冲突。
促使DeepSeek降价的原因或许来自于融资，此前DeepSeek曾传出100亿美元估值，如今随着阿里、腾讯入局，估值进一步拉高至200亿美元。
估值拉高以后，融的金额也就多了，同时梁文锋也需要用市场、收入来证明DeepSeek达到估值所对应的高度。
所以即便DeepSeek是在赔本赚吆喝，也并不会让人感到非常意外。
对于上市公司来说，API就是核心收入，压低API价格就等于降低毛利。
更关键的是，如果承认“我们也要降价才能竞争”，就等于承认“我们没有技术护城河”。但如果坚持高价，又必须拿出足够有说服力的差异化价值。
DeepSeek降价的本质是他们找到了对应的客户。
梁文锋不需要DeepSeek有最强的性能。
无论是企业客户还是个人客户，模型的性能和使用体验之间有一道鸿沟。模型的性能跑分是它的上限，但是我们只需要我们能用到的部分。
只要有足够多的开发者和企业知道“还有这么便宜的选择”，整个行业的定价体系就会被重构。就像当年小米手机对智能手机市场的冲击一样，不是销量第一，但改变了所有人对“合理价格”的预期。
而且梁文锋也意识到一个问题，那就是AI就是基础设施，就和柴米油盐是一样的，那么价格战就变得在所难免，最终，AI也会像云计算一样走向“规模经济+薄利多销”。
在这个逻辑下，谁的成本结构更优、谁的技术迭代更快、谁能更早实现规模效应，谁就能活到最后。
更关键的是，DeepSeek已经适配华为昇腾生态。
DeepSeek官方透露，目前Pro版本的服务吞吐受限于高端算力，预计下半年昇腾950超节点批量上市后，Pro的价格还将大幅下调。
所以这次价格下降，还只是预告而已。
昇腾950超节点通过集群方案弥补了单卡制程差距。
单颗昇腾910C芯片的BF16性能仅为英伟达Blackwell单芯片的约三分之一，但通过超节点集群方式，单个CloudMatrix 384集群的BF16总性能反而是NVL72的1.7倍，总内存容量为后者3.6倍，总内存带宽为后者2.1倍。
这还只是算力的方面，考虑硬件成本，事情就会更有意思。
华为昇腾950PR的定价约7万元人民币，英伟达同级别H200约合人民币25万元。根据英伟达AI在X上发布的信息，DeepSeek的确可以部署在英伟达Blackwell架构芯片上，不过这个成本更高，约为40万元人民币。
如果我们按FP8精度来算，昇腾950PR是7万元/PFLOPS，英伟达H200是6.31万元/PFLOPS。昇腾950PR毕竟是一张推理卡，如果我们按照推理专用的FP4精度来算，昇腾950PR是4.49万元/PFLOPS，英伟达B200是4.44万元/PFLOPS。
DeepSeek这次降价，砍在了缓存命中的价格上。
这个场景的特点是，模型不用每次重新理解全部上下文，大量重复输入可以复用，压力主要集中在推理吞吐、显存/内存带宽、调度和缓存管理上。
换句话说，它不是最依赖“单卡训练峰值”的场景，而是更适合通过国产芯片集群、工程优化和规模化调度来摊薄成本的场景。
那么我们如果把单卡的性价比优势放到大规模集群部署里，结果又会如何呢？
以100卡集群为例，国内常用的英伟达H20方案裸卡成本为1000万，13台服务器主机286万，加上机柜等，总价约为不到1500万元。同规模华为昇腾950PR的方案约为1000万出头。
昇腾950PR的单卡功耗（600W）比H20（350W）高，但单位算力功耗低65%，相同算力下对电力和制冷的需求大幅降低，基建投入显著减少。
并且，1张昇腾950PR的推理吞吐量约等于2.2-2.8张H20。这就导致实际上昇腾方案可能要比英伟达H20的方案节省60%到70%。
而大模型的API价格，很大程度上取决于硬件成本。那么DeepSeek打折，也很可能带动一波国产AI芯片销量。
连DeepSeek都开始大规模使用国产芯片，整个产业链就会被激活。云厂商会增加国产芯片的采购，芯片厂商会加大研发投入，开发者会适配国产生态。
华为昇腾、寒武纪、海光信息、摩尔线程、沐曦股份、昆仑芯、平头哥真武、天数智芯8家国产AI芯片品牌在DeepSeek-V4发布当天就完成了适配。
在DeepSeek-V4发布当天，AI算力芯片板块股价大涨。在A股，海光信息以8.2%的增幅领涨、寒武纪增幅为2.23%，在港股，天数智芯的涨幅达到9.54%。
这是一个正向循环。
当然，这并不意味着国产算力已经全面替代英伟达。训练侧仍然更依赖高端GPU、成熟软件栈和大规模集群经验DeepSeek真正走通的路径，可能不是“一夜之间替代英伟达”，而是先在推理侧、缓存场景、长文本应用里，把国产算力的性价比优势释放出来。
芯片只是第一层。
真正决定国产算力能不能吃下这波需求的，是软件生态。模型能不能稳定跑在昇腾上，推理框架能不能适配，算子有没有优化，开发者迁移成本有多高，才决定了这条路是“能演示”，还是“能商业化”。
DeepSeek的价值在于，它不是一家边缘模型厂商做适配，而是一个头部模型亲自把流量和需求带进国产算力生态。
梁文锋真正的杀招不在于“便宜”，而在于“定价”。
梁文锋在用DeepSeek的影响力，让市场形成一个新的认知：“如果DeepSeek这个级别的模型已经能做到这个价，别家为什么还要卖这么贵？”
一旦这个锚点形成，其他厂商就陷入了两难。跟价，利润空间被压缩；不跟，就必须向客户解释“我贵在哪里”。
梁文锋曾在2024年表示：“我们只是按照自己的步调来做事，然后核算成本定价。我们的原则是不贴钱，也不赚取暴利。这个价格也是在成本之上稍微有点利润。我们降价一方面是因为我们在探索下一代模型的结构中，成本先降下来了，另一方面也觉得无论API，还是AI，都应该是普惠的、人人可以用得起的东西。”
他认为，只有让AI真正普惠，才能激发出足够大的应用市场。也只有应用市场足够大，技术迭代的飞轮才能真正转起来。
便宜可以打开市场，但便宜本身不是商业模式。
DeepSeek不能一辈子靠超低API价格活着。
API价格打到这个程度，短期内可以制造影响力，吸引客户，不过它很难成为一家长期公司的全部收入来源。
尤其是大模型推理本身仍然消耗算力、电力、带宽和运维，价格越低，调用量越大，对基础设施的压力也越大。
低价可以是入口，却不应该成为终点。
DeepSeek的目标，是成为中国AI开发者的“默认底座”。
只要足够多的应用和agent以DeepSeek作为基座模型开发，那么DeepSeek就掌握了入口。
API收入只是第一层，模型标准、开发者生态、企业部署、算力适配、云厂商合作，才是梁文锋想要的商业化空间。
DeepSeek更大的商业化机会，可能在企业私有化部署。
对于金融、政务、制造、能源这些行业来说，价格不是唯一问题，数据安全可控才是核心问题。
它们未必会长期使用公共API，但会愿意为一套能部署在自己机房、自己云环境里的模型系统付费。
梁文锋可以把开源模型作为入口，把企业级部署、调优、运维、安全、权限管理、知识库接入变成真正的收费服务。
如果DeepSeek长期只停留在模型层，它仍然会被卷入无休止的价格战。模型能力会被追赶，API价格会继续下降，开发者也会在不同模型之间切换。
真正能提高商业化上限的，是应用层产品，比如agent和CLI。
所以我始终认为，DeepSeek的低价API，应该不是梁文锋心里所想的商业化答案，更像是一个入口。
它先用价格打穿市场，再用开源建立生态，再用企业服务、私有化部署、云厂商合作和应用产品去承接价值。
这才能把“底座”的价值最大化。
本文由人人都是产品经理作者【字母榜】，微信公众号：【字母榜】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。