21世纪经济报道记者雷晨 北京报道

在人工智能技术高速发展的今天，模型即服务（MaaS）作为连接AI模型与用户的关键环节，本应借助技术的优势为用户提供便捷的AI服务，从而获取丰厚的收益。然而，现实却相对“骨感”。

随着DeepSeek于2025年3月1日发布《DeepSeek-V3/R1推理系统概览》，其理论成本利润率高达545%，引发了市场广泛关注。

但在其生态链上的MaaS厂商，如潞晨科技，却在实际运营中陷入了高成本泥沼。这一典型事件，揭示了MaaS行业在探索可持续商业模式过程中所面临的局部挑战。

尽管技术进步为行业带来了巨大的潜力，但如何在技术创新与商业模式优化之间找到平衡，仍然是MaaS厂商亟待解决的关键问题。

对此，北京人工智能产业联盟元宇宙专委会主任颜阳博士对21世纪经济报道记者表示，就目前MaaS商业模式来看，短期需聚焦现金流优化与垂直领域突破，长期则依赖国产替代和技术-生态双轮驱动。

成本困境

DeepSeek于2025年3月1日发布《DeepSeek-V3/R1推理系统概览》，其中公开了大规模部署成本和理论收益情况。

在大规模部署成本方面，假定GPU租赁成本为2美元/小时，其每日总成本为87072美元。计算依据是统计到的2月27日24点到2月28日24点，推理服务占用节点的情况（峰值占用为278个节点，平均占用226.75个节点，每个节点为8个H800GPU）。

如果所有token都以DeepSeek-R1的定价计费，其单日理论收入竟高达562027美元。这样算下来，其成本利润率达到了惊人的545%。

然而，实际运营中的 MaaS 厂商所面临的境况却与DeepSeek有所不同。

MaaS厂商是从事模型即服务的企业，它们将机器学习模型部署到企业端，以API、SaaS等形式提供给用户使用。

作为连接DeepSeek模型与用户的关键环节，本应借助模型的优势为用户提供便捷的AI服务，从而获取收益。但现实是，像潞晨科技这样的MaaS厂商在实际运营中陷入了成本的泥沼。

近期，MaaS厂商潞晨科技创始人尤洋公开表示，满血版DeepSeek-R1每百万token（输出）定价16元，若完成1000亿token的输出，需约4000台搭载H800的机器，每月仅机器成本就达4.5亿元，企业方可能面临每月4亿元的亏损，可谓“用户越多，亏损越多”。

而DeepSeek官方公布的线上系统理论成本利润率达545%，看似与尤洋的观点大相径庭。

但实际上，DeepSeek的计算是基于将APP和网页完全超负荷占满的极端情况，并且仅核算了等量租用GPU的费用，硬盘、存储、内存CPU、人力运维等均未计算在内；收入却将APP、网页、API消耗的所有Token（toC和toB的总消耗量）加在一起，均按照API（toB）的价格计算。

从常规MaaS产品的角度来看，要实现稳定输出，需要准备的机器可能是理论的数倍之多。对于潞晨科技这类中小云MaaS机构而言，承担如此高昂的成本，压力可想而知。

21世纪经济报道记者获悉，在企业服务领域，稳定性是至关重要的。MaaS作为典型的企业服务，其核心诉求并非单纯的性能，而是稳定。

云厂商为了保证稳定性，通常会采取弹性伸缩、按需取用的策略，这就意味着必须准备足够大的冗余。而目前众多MaaS平台用户使用数量稀少，难以做到削峰填谷实现资源高效利用。在这种情况下，中小MaaS厂商面临着巨大的成本考验。

与大型云厂商如阿里云、腾讯云等相比，中小厂商在资金和算力资源储备上处于劣势，难以支撑提供DeepSeek服务所带来的短期亏损。

当DeepSeek官方公布的成本价越来越低，第三方MaaS厂商若无法提供与官方成本和性能接近或者更优的服务，盈利空间将被极大压缩，甚至陷入亏损的泥沼。

这也反映出当前AI行业在商业模式探索上的局部困境。MaaS行业在整个AI产业链中，似乎承担了亏损的重担。各大厂和模型厂的API服务大多亏本，真正有收益的往往是定制开发或者私有化等合作项目。

从市场竞争角度来看，MaaS行业竞争激烈，巨头凭借资金、技术和资源优势，以低价抢占市场，这使得中小MaaS企业的生存空间被进一步压缩。

何以破局？

对于中小MaaS厂商来说，单纯依靠倒卖DeepSeek API这类服务，在成本居高不下、盈利模式不清晰的情况下，无疑是赔本赚吆喝。

这也促使整个行业思考，如何构建可持续的商业模式，实现技术与商业的良性循环。

颜阳对21世纪经济报道记者表示，DeepSeek的出圈带火了三个词——尤里卡时刻、斯普特尼克时刻、杰文斯悖论。尤里卡时刻代表创新原动力，斯普特尼克时刻驱动系统性变革，而杰文斯悖论揭示技术发展的复杂副作用。他认为，用这三个理论可以解释MaaS的困境本质是技术、商业与生态的协同失衡。

艾文智略首席投资官曹辙总结道，对于中小型MaaS企业而言，主要面临三方面的困境，“一是成本结构复杂，除GPU租赁外，还有网络带宽、存储、运维等隐性成本，且实际收入受定价策略、服务负载波动影响大。二是稳定性要求高，MaaS因共享算力资源，易受其他应用抢占资源影响性能。三是市场竞争激烈，巨头以低价抢占市场，导致企业亏损随用户量增加而增长。”

但这并不意味着中小MaaS企业就此丧失机遇。

“就目前MaaS商业模式来看，短期需聚焦现金流优化与垂直领域突破。长期则依赖国产替代和技术-生态双轮驱动。”颜阳告诉记者。

他进一步指出，在MaaS领域，中小公司需抓住“尤里卡时刻”实现技术突破，例如通过模型剪枝、蒸馏等优化手段降低推理成本，聚焦医疗、金融等细分场景（可以直达C端）构建垂直解决方案，避免与巨头在通用模型上正面交锋。同时可借鉴“斯普特尼克时刻”的竞争逻辑，借力开源生态构建差异化壁垒。通过在特定领域深耕细作，满足客户个性化需求，收取较高费用，从而实现盈利。

而大公司应警惕“杰文斯悖论”，在利用规模效应压低价格扩张市场时，需平衡算力成本与营收模型，防止边际收益递减。颜阳认为，大公司可借助自身优势转化为可持续的生态护城河，通过生态共建，与产业链上下游企业合作，打造完整的MaaS生态系统，实现规模经济。同时，拓展国际市场，扩大用户群体，提高市场份额。

曹辙则认为，一方面，MaaS厂商可通过技术优化，如采用智能调度技术提升资源利用率，可以降低成本。另一方面，进行商业模式创新，针对金融、医疗等高价值行业提供私有化部署与定制化服务，与芯片厂商、云服务商深度协同降低算力成本。

多位受访者表示，随着人工智能技术的不断进步和应用场景的拓展，MaaS将受到越来越多企业和开发者的青睐。特别是在互联网、制造、金融、能源等行业，MaaS的应用场景将越来越广泛。

更多内容请下载21财经APP