文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
曾以低价高性能震撼市场的DeepSeek ， 为何在自家平台遇冷 ， 市场份额下滑？背后隐藏的「Token经济学」和这场精心策划的战略转移 ， 正悄然改变着AI的价值链与分发模式 。
最近 ， 全世界的大厂都在蠢蠢欲动了！
GPT-5、Grok 4 ， 甚至Claude ， 都已经纷纷有了消息 ， 一场恶战仿佛就在眼前！
DeepSeek这边 ， 似乎也有新动静了 。
就在昨天 ， 一个疑似DeepSeek的新模型现身LM Arena 。
也有人猜测 ， 这个模型更可能是DeepSeek V4 ， 而DeepSeek R2会稍后发布 。
套路很可能和之前是一样的 ， 先在第一个月发布V3 ， 然后在下个月发布R1 。
所以 ， 曾经轰动全球AI圈的中国大模型DeepSeek R1 ， 如今怎样了？
到今天为止 ， DeepSeek R1已经发布超过150天了 。
当时一经问世 ， 它就以OpenAI同等级的推理能力和低90%的价格而迅速出圈 ， 甚至一度撼动了西方的资本市场 。
可是如今 ， 它在用户留存和官网流量上却双双遇冷 ， 市场份额持续下滑 。
DeepSeek就这样昙花一现 ， 红极一时后迅速衰落了？
其实不然 ， 在这背后 ， 其实隐藏着另一条增长曲线——
在第三方平台上 ， R1已经成爆炸性增长 ， 这背后 ， 正是折射出AI模型分发与价值链的悄然变革 。
SemiAnalysis今天发布的这篇文章 ， 挖出了不少一手的内幕信息 。
DeepSeek ， 盛极而衰？DeepSeek发布后 ， 消费者应用的流量一度激增 ， 市场份额也随之急剧上升 。
为此 ， SemiAnalysis做出了下面这份统计曲线 。
当然 ， 他们也承认 ， 由于中国的用户活动数据难以追踪 ， 且西方实验室在中国无法运营 ， 下面这些数据实际上低估了DeepSeek的总覆盖范围 。
不过即便如此 ， 曾经它爆炸性的增长势头也未能跟上其他AI应用的步伐 ， 可以确定 ， DeepSeek的市场份额此后已然下滑 。
而在网络浏览器流量方面 ， 它的数据就更为惨淡了：绝对流量一直在下降 ， 但其他顶尖模型的用户数却噌噌飞涨 ， 十分可观 。
不过 ， 虽然DeepSeek自家托管模型的用户增长乏力 ， 但在第三方平台那里 ， 就完全是冰火两重天了 。
可以看到 ， R1和V3模型的总使用量一直在持续快速增长 ， 自R1首次发布以来 ， 已经增长将近20倍！
如果进一步深挖数据 ， 就会发现：只看由DeepSeek自己托管的那部分Token流量 ， 那它在总Token中的份额的确是逐月下降的 。
那么 ， 问题来了：为何在DeepSeek模型本身越来越受欢迎、官方价格非常低廉的情况下 ， 用户反而从DeepSeek自家的网页应用和API流失 ， 转向了其他开源提供商呢？
【DeepSeek流量暴跌？AI大模型全球霸主离奇遇冷，外媒曝出真相】SemiAnalysis点出了问题关键——
答案就在于「Token经济学」 ， 以及在平衡模型服务的各项KPI时所做的无数权衡 。
这些权衡意味着 ， 每个Token的价格并非一个孤立的数字 ， 而是模型提供商根据其硬件和模型配置 ， 在对各项KPI进行决策后得出的最终结果 。
Token经济学基础我们都知道 ， Token是构成AI模型的基本单元 。 AI模型通过读取以Token为单位的互联网信息进行学习 ， 并以文本、音频、图像或行为指令等Token形式生成输出 。
所谓Token ， 就是像「fan」、「tas」、「tic」这样的小文本片段 。 LLM在处理文本时 ， 并非针对完整的单词或字母 ， 而是对这些片段进行计数和处理 。
这些Token ， 便是老黄口中数据中心「AI工厂」的输入和输出 。
如同实体工厂一样 ， AI工厂也遵循一个「P x Q」（价格 x 数量）的公式来盈利：其中 ， P代表每个 Token的价格 ， Q代表输入和输出Token的总量 。
但与普通工厂不同 ， Token的价格是一个可变参数 ， 模型服务商可以根据其他属性来设定这个价格 。
以下 ， 就是几个关键的性能指标（KPI） 。
延迟（Latency）或首个Token输出时间（Time-to-First-Token）
指模型生成第一个Token所需的时长 。 这也可以理解为模型完成「预填充」阶段（即将输入提示词编码到KVCache中）并开始在「解码」阶段生成第一个Token所需的时间 。
吞吐量（Throughput）或交互速度（Interactivity）
指生成每个Token的速度 ， 通常以「每个用户每秒可生成的Token数量」来衡量 。
当然 ， 有些服务商也会使用其倒数——即生成每个输出Token的平均间隔时间（Time Per Output Token TPOT） 。
人类的阅读速度约为每秒3-5个单词 ， 而大部分模型服务商设定的输出速度约为每秒20-60个Token 。
上下文窗口（Context Window）
指在模型「遗忘」对话的早期部分、并清除旧的Token之前 ， 其「短期记忆」中能够容纳的Token数量 。
不同的应用场景需要大小各异的上下文窗口 。
例如 ， 分析大型文档和代码库时 ， 就需要更大的上下文窗口 ， 以确保模型能够对海量数据进行连贯的推理 。
对于任何一个给定的模型 ， 你都可以通过调控这三大KPI ， 设定出几乎任何价位的单位Token价格 。
因此 ， 单纯基于「每百万Token的价格」（$/Mtok）来讨论优劣 ， 并没有什么意义 ， 因为这种方式忽略了具体工作负载的性质 ， 以及用户对Token的实际需求 。
DeepSeek的策略权衡所以 ， DeepSeek在R1模型服务上采用了何种Token经济学策略 ， 以至于市场份额会不断流失？
通过对比延迟与价格的关系图 ， 可以看到 ， 在同等延迟水平上 ， DeepSeek的自有服务已不再是价格最低的选择 。
事实上 ， DeepSeek之所以能提供如此低廉的价格 ， 一个重要原因在于 ， 用户等待数秒后 ， 才能收到模型返回的第一个Token 。
相比之下 ， 其他服务商的延迟会短得多 ， 价格却几乎没有差别 。
也就是说 ， Token消费者只需花费2-4美元 ， 就能从Parasail或Friendli这类服务商那里 ， 获得近乎零延迟的体验 。
同样 ， 微软Azure的服务价格虽比DeepSeek高2.5倍 ， 但延迟却减少了整整25秒 。
这样看来 ， DeepSeek现在面临的处境就尤为严峻了 。
原因在于 ， 现在几乎所有托管R1 0528模型的实例都实现了低于5秒的延迟 。
沿用同一图表 ， 但这次我们将上下文窗口的大小用气泡面积来表示 。
从中可以看到 ， DeepSeek为了用有限的推理算力资源来提供低价模型 ， 所做的另一项权衡 。
他们采用的64K上下文窗口 ， 几乎是主流模型服务商中最小的之一 。
较小的上下文窗口限制了编程等场景的发挥 ， 因为这类任务需要模型能够连贯地记忆代码库中的大量Token ， 才能进行有效推理 。
从图表中可见 ， 若花费同样的价格 ， 用户可以从Lambda和Nebius等服务商那里获得超过2.5倍的上下文窗口大小 。
如果深入硬件层面 ， 在AMD和英伟达芯片上对DeepSeek V3模型的基准测试 ， 就可以看清服务商是如何确定其「每百万Token价格」（$/Mtok）的——
模型服务商会通过在单个GPU或GPU集群上同时处理更多用户的请求（即「批处理」） ， 来降低单位Token的总成本 。
这种做法的直接后果 ， 就是终端用户需要承受更高的延迟和更慢的吞吐量 ， 从而导致用户体验急剧下降 。
之所以DeepSeek完全不关心用户的体验到底如何 ， 实际上是一种主动作出的战略选择 。
毕竟 ， 从终端用户身上赚钱 ， 或是通过聊天应用和API来消耗大量Token ， 并不是他们的兴趣所在 。
这家公司的唯一焦点就是实现AGI！
而通过采用极高批处理方式 ， DeepSeek可以最大限度地减少用于模型推理和对外服务的计算资源消耗 ， 从而将尽可能多的算力保留在公司内部 ， 从而用于研发 。
另外还有一点：出口管制也限制了中国AI生态系统在模型服务方面的能力 。
因此 ， 对DeepSeek而言 ， 开源就是最合乎逻辑的选择：将宝贵的计算资源留作内部使用 ， 同时让其他云服务商去托管其模型 ， 以此赢得全球市场的认知度和用户基础 。
不过 ， SemiAnalysis也承认 ， 这却并没有削弱中国公司训练模型的能力——无论是腾讯、阿里、百度 ， 还是小红书最近发布的新模型 ， 都证明了这一点 。
Anthropic也一样？和DeepSeek一样 ， Anthropic的算力也是同样受限的 。
可以看到 ， 它产品研发的重心显然放在了编程上 ， 而且已经在Cursor等应用中大放异彩 。
Cursor的用户使用情况 ， 就是评判模型优劣的终极试金石 ， 因为它直接反映了用户最关心的两个问题——成本与体验 。
而如今 ， Anthropic的模型已雄踞榜首超过一年——在瞬息万变的AI行业里 ， 这个时长仿佛已经如十年 。
而在Cursor上大获成功后 ， Anthropic立马顺势推出了Claude Code ， 一款集成在终端里的编程工具 。
它的用户量一路飙升 ， 将OpenAI的Codex模型远远甩在身后 。
为了对达Claude Code ， 谷歌也紧急发布了Gemini CLI 。
它与Claude Code功能相似 ， 但因为背靠谷歌TPU ， 却有非凡的算力优势——用户能免费使用的额度 ， 几乎无上限 。
不过 ， 尽管Claude Code的性能和设计都十分出色 ， 价格却不菲 。
Anthropic在编程上的成功 ， 反而给公司带来了巨大压力——他们在算力上已经捉襟见肘 。
这一点 ， 在Claude 4 Sonnet的API输出速度上就已经体现得淋漓尽致 。 自发布以来 ， 它的生成速度已下降了40% ， 略高于每秒45个Token 。
背后的原因 ， 也和DeepSeek如出一辙——为了在有限的算力下处理所有涌入的请求 ， 他们不得不提高批处理的速率 。
此外 ， 编程类的使用场景往往涉及更长的对话和更多的Token数量 ， 这就进一步加剧了算力的紧张状况 。
无论是何种原因 ， 像o3和Gemini 2.5 Pro这类对标模型的运行速度要快得多 ， 这也反映出OpenAI和谷歌所拥有的算力规模要庞大得多 。
现在 ， Anthropic正集中精力获取更多算力 ， 已经和亚马逊达成了协议 。 它将获得超过五十万枚Trainium芯片 ， 用于模型训练和推理 。
另外 ， Claude 4模型并非在AWS Trainium上预训练的 ， 而是在GPU和TPU上训练 。
速度劣势可由效率弥补Claude 的生成速度虽然暴露了其算力上的局限 ， 但总体而言 ， Anthropic的用户体验（UX）要优于 DeepSeek 。
首先 ， 其速度虽然偏低 ， 但仍快于DeepSeek的每秒25个Token 。
其次 ， Anthropic的模型回答同一个问题所需的Token数量远少于其他模型 。
这意味着 ， 尽管生成速度不占优 ， 用户实际感受到的端到端响应时间反而显著缩短了 。
值得一提的是 ， 在所有领先的推理模型中 ， Claude的总输出Token量是最低的 。
相比之下 ， Gemini 2.5 Pro和DeepSeek R1 0528等模型的输出内容 ， 「啰嗦」程度都是Claude的三倍以上 。
Token经济学的这一方面揭示出 ， 服务商正在从多个维度上改进模型 ， 其目标不再仅仅是提升智能水平 ， 而是致力于提高「每单位Token所承载的智能」 。
随着Cursor、Windsurf、Replit、Perplexity等一大批「GPT套壳」应用（或称由AI Token驱动的应用）迅速流行并获得主流市场的认可 。
我们看到 ， 越来越多的公司开始效仿Anthropic的模式 ， 专注于将Token作为一种服务来销售 ， 而不是像ChatGPT那样以月度订阅的方式打包 。
参考资料：
https://semianalysis.com/2025/07/03/deepseek-debrief-128-days-later/
推荐阅读
- DeepSeek向明星道歉，起底闹剧背后的真相
- 流量劫匪：AI 正在切断互联网的生命线
- 这次毫无预兆！华为突然官宣，暴跌2000元
- DeepSeek降本秘诀曝光：2招极致压榨推理部署，算力全留给内部AGI研究
- 如何用DeepSeek做数据分析？这套方法超神！
- 华为顶级拍照手机暴跌3650元，16G+512G+1英寸主摄，支持卫星通信
- 市值暴跌九成！投影仪从风口到弃子，从神坛跌落只用了三年
- 野生DeepSeek火了，速度碾压官方版，权重开源
- Similarweb最新报告：生成式AI带来的流量消失与再分配
- 下载量暴跌八成，AI社交涨不动了