DeepSeek的十万亿美元之路：用开源撬动万亿硬件生态
DeepSeek的长期战略并非通过应用层（如编程订阅）直接变现，而是致力于通过一系列底层架构创新，重塑AI训练与推理的成本结构，并推动一个规模达10万亿美元的新硬件生态形成。
其技术创新始终围绕一个核心：在高端算力受限的背景下，如何用更少的资源跑出更强的模型。例如：
1. **压缩KV Cache**：通过MLA、DSA、CSA、HSA等机制，大幅减少长上下文所需的显存（HBM）。DeepSeek V4在100万上下文长度下仅需约5.5GB HBM，远低于其他主流模型，这使得将KV Cache卸载到SSD/NAND成为经济可行的方案，降低了对紧缺的HBM的依赖。
2. **以内存换计算**：其Engram模块利用LPDDR内存进行高效的O(1)知识查找，用更便宜的内存资源节省昂贵的计算开销。
3. **提升硬件兼容性与效率**：通过MoE架构、权重流式加载、TileLang编程语言等，旨在削弱对特定硬件（如CUDA生态）的依赖，让更多国产及全球的GPU、ASIC、存储和网络芯片能够高效运行AI负载。
这些创新若扩散开来，将直接惠及长江存储（NAND/SSD）、长鑫存储（LPDDR）等国内存储厂商，并为众多AI芯片厂商创造机会。DeepSeek的盈利模式可能类似于OpenAI与AMD的合作，通过深度绑定并赋能整个硬件生态，以换取股权等长期回报，从而在推动一个巨大产业形成的同时，实现自身万亿美金估值的终极目标。
marsbit05/25 13:13
