如果你在3月29日晚上用过AI,大概率经历了一场突如其来的“失联”。
这场风暴的中心,是国内头部大模型厂商——DeepSeek。从当晚9点35分开始,其网页端与App几乎同时出现异常,登录失败、对话中断、内容丢失,“服务器繁忙”的提示刷满屏幕。对于普通用户来说,这只是一次短暂的不便,但对于正在赶论文的学生、卡着DDL的打工人来说,这更像是一场毫无预警的“灾难”。
更让人崩溃的是,这次故障并非一次性崩溃,而是典型的“反复横跳”。23点短暂恢复,零点再次崩盘,凌晨紧急修复,直到第二天早上才逐渐稳定。
整整12小时的波动,不仅刷新了DeepSeek的宕机时长纪录,也让用户对大模型的稳定性产生了前所未有的质疑。
01 一场意料之外的崩溃,问题真的只是“人太多”吗?
宕机发生后,最先被抛出的解释是“用户过多,服务器被挤爆”。
这种说法听起来合理,但很快被现实数据泼了冷水。根据近期AI应用榜单,DeepSeek的月活规模大约在1.5亿量级,虽然体量不小,但并没有出现爆炸式增长。换句话说,这并不是一次典型的“出圈式流量冲击”。
那么问题就变得更耐人寻味了:如果用户数量没有突然暴涨,为什么系统会在短时间内彻底失控?
答案,很可能藏在更底层的结构之中。
02 算力与需求的正面碰撞,AI行业的隐性危机
过去一年,大模型能力几乎以肉眼可见的速度进化。从更长的上下文,到更强的推理能力,再到多模态的不断扩展,模型的“能力上限”被不断抬高。
但与此同时,一个更基础却更关键的问题正在被放大——算力供给,正在逐渐逼近极限。
大模型的每一次响应,本质上都是一次算力消耗。模型越大、上下文越长、推理越复杂,背后所需要的计算资源就越高。当用户规模、调用频率与模型复杂度同时上升时,系统承压几乎是必然的结果。
也正是在这样的背景下,DeepSeek的这次宕机,不再只是单点故障,而更像是一次“系统性压力测试”。
据天眼查平台信息显示,DeepSeek关联主体在人工智能算法研发与算力基础设施方向持续加码布局,相关技术投入与产业协同正在不断强化。
事实上,承压的不止DeepSeek一家。近期,包括 MiniMax 在内的厂商已经开始在高峰期限制调用频率,而 阿里云 等算力服务提供方,也在不同程度上调整价格策略。
表面上看,这是商业行为,但背后反映的,是同一个现实——AI基础设施的供给,正在跟不上需求的增长速度。
03 “养龙虾”热潮,被忽视的流量放大器
在这次事件中,还有一个容易被忽略却极具影响力的因素——所谓的“养龙虾”玩法。
这类玩法本质上是通过API持续调用模型,让AI自动执行任务,属于Agent应用的早期形态。与普通对话相比,这类调用的频率极高,甚至可以达到分钟级乃至秒级触发。
当少量用户使用时,它只是一个有趣的尝试;但一旦形成规模,就会迅速演变成算力消耗的“放大器”。这也解释了为什么在用户总量没有明显变化的情况下,系统依然可能出现类似“雪崩”的情况。
从某种程度上说,这次宕机,其实是一次典型的“新应用形态冲击旧基础设施”的案例。
04 V4临近,期待背后的更大压力
有意思的是,这场长达12小时的宕机,并没有明显削弱市场对DeepSeek的期待,反而在一定程度上放大了关注度。
原因很简单——下一代模型V4即将到来。
目前业内流传的信息显示,DeepSeek V4将在多个关键能力上实现跃迁:上下文长度有望从此前的128K tokens提升至百万级别,多模态能力与Agent执行能力也将同步增强。更重要的是,其在算力适配上可能进一步向国产芯片体系倾斜,这对于国内AI生态而言具有不小的意义。
但问题也同样清晰:当模型能力进一步提升,对算力的需求也会同步放大。如果底层基础设施没有同步升级,那么类似的稳定性问题,很可能会再次出现。
05 从“模型竞争”到“基础设施竞争”
回看这次事件,它的意义或许已经超出了单一产品层面。
过去两年,大模型行业的竞争焦点始终围绕“能力”展开——谁更聪明、谁更强大、谁在Benchmark上更领先。但随着应用规模的扩大,一个新的维度正在浮现:稳定性与成本。
用户开始关心的不再只是“能不能用”,而是“能不能一直用”;企业关注的,也不再只是性能指标,而是整体运行成本与可持续性。
换句话说,AI竞争正在从“模型层”向“基础设施层”迁移。
DeepSeek这次12小时的宕机,更像是一次提前到来的提醒:当AI真正进入大规模应用阶段,决定胜负的,未必是模型本身,而是背后的算力、架构与工程能力。
06 结语:一场意外,还是一个信号?
所以,这12小时到底意味着什么?
它既可以被看作是一次发展过程中的意外,也可以被理解为一次“结构性预警”。前者关乎个体,后者关乎行业。
可以确定的是,随着AI应用不断深入,类似的压力测试还会不断出现。而每一次波动,都会推动整个行业向更成熟的阶段迈进一步。
某种意义上说,DeepSeek的这次崩溃,并不是结束,而是一个开始。
最后也想问一句:那12个小时里,你在用AI做什么?
本文来自微信公众号“铑科技”,作者:铑科技
