DeepSeek 每日成本仅 1.14 美元，双 DGX 需 24 年回本？开源 AI 的算力经济学
在 AI 推理成本持续走低的当下，一则来自 Hacker News 的讨论引发关注：一位 OpenCode 用户使用 DeepSeek 模型，每日成本仅为 1.14 美元；而若自建算力，购买双 DGX 服务器（NVIDIA 的高端 AI 训练/推理设备）需要 24 年才能回本。这一对比直观展现了云端 API 与本地部署之间的巨大鸿沟，也折射出开源模型商业化路径的新思考。
成本悬殊：云端 API 为何如此便宜？
DeepSeek 作为开源大模型，其 API 定价远低于主流闭源模型。以每日 1.14 美元的使用量推算，若换成同等规模的 GPT-4 或 Claude 3，成本可能高出数十倍。这得益于 DeepSeek 在模型架构和训练效率上的优化，以及其采用 MoE（混合专家）等先进技术，大幅降低了推理时的计算开销。
对于个人开发者或小团队而言，按需付费的 API 模式无疑是最具性价比的选择——无需前期硬件投入，也无需承担维护成本。
自建算力：24 年回本意味着什么？
双 DGX 服务器（如 DGX A100 或 H100）单价通常在 10 万至 30 万美元之间，加上机房、电力、运维等开销，总投入不菲。若仅用于支撑一个轻量级应用（如 OpenCode 这类编码辅助工具），其利用率可能极低，导致成本无法摊薄。
计算显示，在日均成本 1.14 美元的前提下，双 DGX 的投入需 24 年才能通过节省 API 费用回本。这几乎等同于设备寿命的极限，表明对于大多数中小型用户，本地部署并不划算，除非有数据隐私、合规或离线运行等特殊需求。
开源模型的商业化悖论
这一案例也凸显了开源 AI 的一个有趣现象：模型虽然开源，但其商业价值却往往通过云服务实现。DeepSeek 等公司通过提供低价 API 吸引用户，同时依靠规模效应和成本控制盈利。而用户则享受了开源带来的透明度与可控性，却不必承担底层硬件成本。
结语
当然，这一成本对比基于特定使用场景，若用户有大规模推理需求或对延迟有极致要求，自建算力或许仍有其价值。但就当前趋势而言，云端 API 正成为 AI 普惠化的主流路径，而本地部署则逐渐退居为小众或企业级选择。
对于开发者而言，理解不同模式的经济性，将有助于在 AI 浪潮中做出更理性的决策。