DeepSeek-V3/R1 的 Hosting 成本预估

作者：Ligeng Zhu，Nvidia Research

原文：https://zhuanlan.zhihu.com/p/23282743306

>> 加入青稞AI技术交流群，与青年AI研究员/开发者交流最新AI技术

随着 deepseek-v3/r1 的爆火，各大 serving 厂商久旱逢甘霖终于是找到机会来宣传自家服务，在各大 MaaS 上线的如火如荼的时候，有人担忧厂商价格这么便宜（¥16 / Mtoken）真的能赚钱吗，会不会 V3/R1 的火热只是昙花一现

即便H800 GPU打满并且做出一流优化，H800每百万token的成本是约150元，昇腾是约300元 … 如果满血版的DeepSeek R1每日输出1000亿token，那么每月的机器成本是4.5亿，亏损4亿！用户越多，亏损越多。

TLDR

如果不优化直接用 TP / PP，那么部署是亏钱的，但如果优化的好，盈利点十分充裕 (>90%)

考虑到 serving throughput = latency * batch-size

H100 / H800 的 throughput 很好预估，它们都是 80G 的卡，显存塞满的时候每一步 decoding 都需要把 GPU memory 挪到 L123 cache，那么预估 latency 是 3.35TB/s / 80G = 42.88 token/s 。在 SGLang 提供的 deployment 方案中，我们可以很容易的 observe 到 32 token/s + 的实际速率。

2x8H100 throughput with SGLang

接下来算 batch-size，参照 deepseek-v3 论文 sec2.1.1 的信息，kvcache 需要缓存的是 ctkv[dc,l]/ktr[dhr,l]c_t^{kv} [d_c, l] / k_t^{r} [d_h^{r}, l] ，那么每个 token 需要的缓存 kvcache 是

\underbrace{(d_c + d_h^{r})}_{\text{arch params}} * \underbrace{N}_{\text{seqlen}} * \underbrace{L}_{\text{ #num layers}}

(512 + 64) * 5000 * 61 = 167M（假设每个输出为 5k seqlen）。参考 v3 论文 32 + 320 的配置，model weights 经过 shard 后占用可忽略，主要是每个 node 被 kvcache 占满。因此理论 batch size 可达到 80G / 167M = 479（考虑 overhead 向下取 400）。这样每张卡的理论 throughput 可达到 400 bs × 42.8 token/s = 17K token/s = 61M token/hour。H100 的租金为 $2/hour，因此 offline batched hosting成本可低至 $0.03/M。

考虑实际 throughput 30 token/s，bs 40，即 1.2K token/s = 4M token/hour，比较实际的成本为 $0.5/M tokens = ¥3.7/M tokens，相比官方 API 16元的价格仍有利润空间， 更别说后面还有 MTP / fp4 等优化。

那回到一开始，为什么有一些 source 认为 hosting dsv3 需要高达 ¥150 / M token 的成本呢？因为他们采用的是 SGLang 现有的 out-of-box PP + TP ，并没有上 DeepSeek 介绍的 320 + 32 为 sparse experts 方案。现在 SGLang 在 2x8h800 上部署 single query 是 ～33 token/s，如果 batch-size 开到 12，那么 throughput ~ 400 token/s = 1.4M token/hour，机器的价格是 $32/h，算下来就是 $22.3 / M tokens ~= ¥150 / M token。而这个价格，离实际上的硬件最优利用率仍有很大距离。

那回到一开始，为什么有一些 source 认为 hosting dsv3 需要高达 ¥150 / M token 的成本呢？因为他们采用的是 SGLang 现有的 out-of-box PP + TP ，并没有上 DeepSeek 介绍的 320 + 32 为 sparse experts 方案。现在 SGLang 在 2x8h800 上部署 single query 是 ～33 token/s，如果 batch-size 开到 12，那么 throughput ~ 400 token/s = 1.4M token/hour，机器的价格是 $32/h，算下来就是 $22.3 / M tokens ~= ¥150 / M token。而这个价格，离实际上的硬件最优利用率仍有很大距离。

很多计算公式源于和 Yixin Dong 的讨论，他的 XGrammar 是现在最好 LLM 的形式化输出插件，强烈推荐。