今天小编分享的互联网经验：云大厂卖DeepSeek服务，不得不直面五大拷问，欢迎阅读。
" 一天十几个客户电话进来，有的一打一个多小时，我中午饭都没顾上吃。" 云大厂政企销售小顾哑着嗓子告诉雷峰网，开源大模型 DeepSeek 出现后，市场反馈热烈，云大厂这边也接到不少客户来电，咨询相关的 API 接入和线下部署方案。
不过小顾坦言，DeepSeek 眼下这么火爆，主要是因为它帮国人把大模型的信心又找回来了，但最终能转化成多少商业收益，能为云大厂带来多少拉动，还要打个问号。
究其原因在于，DeepSeek 虽然降低了大模型的成本门槛，但它的能力跟 ChatGPT 差别不大，也面临和 ChatGPT 一样的困境：应用场景实在有限。
DeepSeek 爆火后，作为产业链上的核心一环，云大厂们迅速跟进，手里的 " 战略牌 " 一张连着一张打了出来：组织变阵，业务调整，大笔投入，战略重构……整个一个目不暇接。
但随着这些市场动作的推进，一些问题也开始凸显，它们如同 DeepSeek 这波浪潮之下尖锐的礁石，直击云大厂们最紧张的神经。
面对 DeepSeek 引发的一体机热潮，跟还是不跟？
" 几百个咨询里，能有一单成交就不错了。" 眼下，手握 DeepSeek 一体机的云厂销售们正在经受着 " 冰火两重天 " 的煎熬。
DeepSeek 的出现，大幅降低大模型推理门槛，对热衷于私有化部署的国内政企用户们来说，可谓正中下怀，于是便催生了 DeepSeek 一体机热潮。
然而，这一热潮是真正的价值机遇，还是昙花一现的浮躁之风，跟还是不跟？成为摆在云大厂面前的一道难题。
雷峰网通过调研了解到，眼下一众国内云大厂可抽成两派：一派是推出 DeepSeek 一体机硬體部署方案的，有阿里、火山、华为、百度等；一派是没推出的，如腾讯云。
尽管大部分云大厂都推出了 DeepSeek 一体机，但实际上，一体机这一产品形态在落地应用时，还存在不少挑战，如客户业务扩展的灵活性、模型更迭的兼容性等问题。不少业内人也都向雷峰网表达了类似 "DeepSeek 一体机虽然眼下大热，但从中长期来看，可能是个伪需求。" 的观点。
除了 " 光咨询不下单 " 外，还有不少政企客户，由于支付能力、采购流程等问题，会设法先把样机拿去用，而在回款进度上卡壳。
这些都让云大厂们不得不犹豫：如果大力投入，万一卖不出去砸手里怎么办？
不过某些云大厂对此自有一套对应之策。
多位业内人告诉雷峰网，某云大厂的 DeepSeek 一体机测试样机大部分都全款卖给了 OEM，OEM 又卖给了集成商，层层转售下，对于云大厂来说，" 卖不出去 " 的风险早已转移了出去。云大厂们在一体机上的花活不止这些，更多故事，可添加作者微信 xf123a 交流。
适配国产芯片，到底有多难？
" 国货之光 DeepSeek 出现后，市场反应火爆，尤其是政府侧和金融侧的客户，然而对云大厂来说，想要回应这类客户的需求，并非易事。因为这两类客户都有信创指标，要在国产芯片上适配 DeepSeek，目前还存在不少挑战。" 政企 IT 老兵高荣坦言。
事实上，早在 2022 年，国资委 79 号檔案就部署了国央企信创国产化的具体要求和推进时间表，要求到 2027 年央企国企 100% 完成信创替代，替换范围涵盖芯片、基础軟體、作業系統、中间件等领網域。
"DeepSeek 本身是在英伟达 H800 GPU 集群上训练出来的，而且其 AI Infra 能力，尤其是软硬體协同优化能力，才是其性能强大的关键。如果用国产化芯片来适配 DeepSeek，这里面会有很高的技术难度。" 高荣补充道。
比如，国产芯片在算力密度和显存带宽上与英伟达 GPU 存在代际差距，这会导致适配 DeepSeek 后模型推理效率下降。
再比如，軟體生态上，DeepSeek 眼下的实践更多还是在英伟达 CUDA 生态内的优化，而国产芯片大多无法原生支持 CUDA，需要通过兼容层或重新开发相应的工具链来实现适配，这增加了适配的难度和成本。
此外更让云大厂头疼的是，定制化噩梦似乎再次上演了：信创场景要求全栈自主可控，从芯片驱动到模型微调均需定制化开发，这背后的人力、财力、交付周期都不是小问题。
" 政企需要私有化部署大模型，而且有很多行业术语和自己领網域内的规则规范，都要对大模型微调后才能用，微调就是也要训练，满血版的价格不菲。" 高荣告诉雷峰网，因为成本太高，眼下很多政企宣称率先用上了 DeepSeek，其实十之八九都是之前买的 AI 算力没用完，正好闲置利用。
可以说，云大厂面临的这些困境折射出国内 IT 行业积弊已久的深层矛盾：市场需求倒逼技术跃进，但基础软硬體的代差仍需时间弥合。
DeepSeek 掀起的这波热潮，看似把中国 AI 能力向前推进了一大步，但实际上，中国 AI 仍未摆脱英伟达芯片卡脖子的阴影，而这也为行业后续埋下了风险。
组织变阵：B、C 融合还是 B、C 分离？
DeepSeek 出现前后，云大厂们围绕大模型相关业务做出了两类组织变阵：一是 B、C 分离；二是 B、C 融合。前者以百度、阿里为代表；后者以腾讯、火山为代表。
去年下半年，百度将百度网盘（百度大模型核心应用场景之一）的 C 端业务从百度云（ACG）中拆分出来，重新划归移动生态事业群组（MEG），相关 To B 业务则继续留在百度云里，与百舸、千帆等其他百度云产品一道面向 B 端用户提供服务。
阿里这边类似。2024 年底，阿里将 AI 应用 " 通义 " 从阿里云分拆出来，并入阿里智能信息事业群，与智能搜索产品 " 夸克 " 一起，由该事业群总裁吴嘉统管。而原有的通义实验室，以及大模型 To B 业务则继续留在阿里云。
不同于百度云、阿里云在大模型上业务上 "B、C 分离 " 的模式，腾讯云则是 " 反其道而行 "。随着元宝调入腾讯云，腾讯云走起了 "B、C 融合 " 的路子。
今年 1 月腾讯，腾讯将元宝从技术工程事业群（TEG）调整至云与智慧产业事业群（CSIG），交由腾讯会议的负责人吴祖榕负责。并在不久后，将原本在 PCG ( 平台与内容事业群）里的 QQ 浏览器、搜狗输入法、ima 等产品也汇入 CSIG，与元宝一起，作为腾讯面向大模型时代的产品组合。
至此，在这场 DeepSeek 冲击波到来之际，云巨头们纷纷摆好了阵型。不过在眼下这波瞬息万变、复杂难料的技术浪潮里，上述组织调整成效如何，以及会给各家带来哪些后续影响，还需持续校验。
云大厂扭亏为盈时间表，再度遥遥无期？
雷峰网此前从多位业内人处了解到，腾讯、华为两家云大厂原本计划在今明两年实现盈亏平衡，但现在，DeepSeek 的出现打乱了他们的计划。关于各家云大厂更多盈亏内幕，可添加作者微信 xf123a 交流。
国内云大厂苦亏损久矣。目前只有阿里云实现了盈利。但对比其此前在云与 AI 上累计投入的数千亿元，眼下的盈利可谓牛九一毛。不仅如此，DeepSeek 出现后不久，阿里就对外宣布，未来三年将向 AI 和云计算业务继续投入 3800 亿。这无疑为阿里云接下来的利润表现打上了一个问号。
腾讯云面临相似的难题。经过前些年的巨额投入后，集团内部对腾讯云 " 盈利，上岸 " 的呼声越来越高。不久前的集团年会上，马化腾也直言，过去一年腾讯云的表现超过他原本的要求，2025 年腾讯云有望 " 浮出水面，形成一片大陆 "。
但 DeepSeek 的到来，正在打破这一预期。今年 1 月，腾讯把 C 端大模型产品 " 元宝 " 从 TEG（技术工程事业群）转入 CSIG（腾讯云与产业事业群），进入做大增长阶段。随着元宝用户前端调用次数的增多，其后端算力资源的消耗也在攀升，腾讯云的盈利节点大概率要向后推移。
回望过去，云与 AI 因其基建属性，以及玩家之间的 " 内卷式 " 竞争，让绝大部分参与者都深陷亏损泥潭。如今，随着 DeepSeek 的崛起，云巨头们再次被推入新一轮的大模型基建竞赛里。上一轮未解决的盈利困境，能否在这一轮中找到更优解，仍是悬而未决的挑战。
DeepSeek 成烧钱巨兽，何时是尽头？
DeepSeek 走开源路线，本来为云大厂们提供了一次 " 当中间商，赚差价 " 的机会，但眼下，提供 DeepSeek 服务，对云大厂来说还是一门烧钱的生意。
DeepSeek 推出后没多久，一系列有关成本的争论就冲上了科技圈热搜榜。有 MaaS 服务商甚至推算出了 " 接入 DeepSeek R1，MaaS 公司或将月亏 4 亿 " 的结论。
对于包括云厂商在内的，提供大模型服务的 MaaS 公司来说，一边是用户大批涌入，API 调用量飙升，一边又是生成效率拉跨、价格战更新，多重夹击下，DeepSeek 一度成为 MaaS 厂商们的 " 烧钱巨兽 "。
DeepSeek 公司之所以能把成本利润率做到 545% 之高，得益于其在模型架构、软硬體协同等 AI Infra 能力上能做到极致的工程化创新，使得其平均每台 H800 的吞吐量在生成任务上能达到 14800 token/s，效率是市面上其他供应商的几倍甚至十几倍。
若不能做到这一点，则亏损难以避免。而眼下市面上，包括云大厂在内的 MaaS 供应商能做这一点的还寥寥无几。更多相关研发进展与内情，可添加作者微信 xf123a 交流。
因此，如果说在上一轮大模型浪潮中，各家云大厂还能安心做个稳赚不赔的 " 卖水人 "，那么在这一轮由 DeepSeek 掀起的大模型普惠浪潮里，云大厂眼下难逃亏损。
而这场 " 烧钱大战 " 才刚刚开始。
回顾过去两年，国内云大厂在大模型业务上本已格局初定，但 DeepSeek 的异军突起，打破了这一平衡。DeepSeek 不仅让各家互联网巨头的云业务估值迎来高光时刻，还让云计算从一项 " 老旧 " 业务重新焕发生机，在接下来的 AI 产业浪潮里，面对更多充满危与机的不确定性。
注：文中受访者均为化名。
