今天小編分享的互聯網經驗：雲大廠賣DeepSeek服務，不得不直面五大拷問，歡迎閲讀。
" 一天十幾個客户電話進來，有的一打一個多小時，我中午飯都沒顧上吃。" 雲大廠政企銷售小顧啞着嗓子告訴雷峰網，開源大模型 DeepSeek 出現後，市場反饋熱烈，雲大廠這邊也接到不少客户來電，咨詢相關的 API 接入和線下部署方案。
不過小顧坦言，DeepSeek 眼下這麼火爆，主要是因為它幫國人把大模型的信心又找回來了，但最終能轉化成多少商業收益，能為雲大廠帶來多少拉動，還要打個問号。
究其原因在于，DeepSeek 雖然降低了大模型的成本門檻，但它的能力跟 ChatGPT 差别不大，也面臨和 ChatGPT 一樣的困境：應用場景實在有限。
DeepSeek 爆火後，作為產業鏈上的核心一環，雲大廠們迅速跟進，手裏的 " 戰略牌 " 一張連着一張打了出來：組織變陣，業務調整，大筆投入，戰略重構……整個一個目不暇接。
但随着這些市場動作的推進，一些問題也開始凸顯，它們如同 DeepSeek 這波浪潮之下尖鋭的礁石，直擊雲大廠們最緊張的神經。
面對 DeepSeek 引發的一體機熱潮，跟還是不跟？
" 幾百個咨詢裏，能有一單成交就不錯了。" 眼下，手握 DeepSeek 一體機的雲廠銷售們正在經受着 " 冰火兩重天 " 的煎熬。
DeepSeek 的出現，大幅降低大模型推理門檻，對熱衷于私有化部署的國内政企用户們來説，可謂正中下懷，于是便催生了 DeepSeek 一體機熱潮。
然而，這一熱潮是真正的價值機遇，還是昙花一現的浮躁之風，跟還是不跟？成為擺在雲大廠面前的一道難題。
雷峰網通過調研了解到，眼下一眾國内雲大廠可抽成兩派：一派是推出 DeepSeek 一體機硬體部署方案的，有阿裏、火山、華為、百度等；一派是沒推出的，如騰訊雲。
盡管大部分雲大廠都推出了 DeepSeek 一體機，但實際上，一體機這一產品形态在落地應用時，還存在不少挑戰，如客户業務擴展的靈活性、模型更迭的兼容性等問題。不少業内人也都向雷峰網表達了類似 "DeepSeek 一體機雖然眼下大熱，但從中長期來看，可能是個偽需求。" 的觀點。
除了 " 光咨詢不下單 " 外，還有不少政企客户，由于支付能力、采購流程等問題，會設法先把樣機拿去用，而在回款進度上卡殼。
這些都讓雲大廠們不得不猶豫：如果大力投入，萬一賣不出去砸手裏怎麼辦？
不過某些雲大廠對此自有一套對應之策。
多位業内人告訴雷峰網，某雲大廠的 DeepSeek 一體機測試樣機大部分都全款賣給了 OEM，OEM 又賣給了集成商，層層轉售下，對于雲大廠來説，" 賣不出去 " 的風險早已轉移了出去。雲大廠們在一體機上的花活不止這些，更多故事，可添加作者微信 xf123a 交流。
适配國產芯片，到底有多難？
" 國貨之光 DeepSeek 出現後，市場反應火爆，尤其是政府側和金融側的客户，然而對雲大廠來説，想要回應這類客户的需求，并非易事。因為這兩類客户都有信創指标，要在國產芯片上适配 DeepSeek，目前還存在不少挑戰。" 政企 IT 老兵高榮坦言。
事實上，早在 2022 年，國資委 79 号檔案就部署了國央企信創國產化的具體要求和推進時間表，要求到 2027 年央企國企 100% 完成信創替代，替換範圍涵蓋芯片、基礎軟體、作業系統、中間件等領網域。
"DeepSeek 本身是在英偉達 H800 GPU 集群上訓練出來的，而且其 AI Infra 能力，尤其是軟硬體協同優化能力，才是其性能強大的關鍵。如果用國產化芯片來适配 DeepSeek，這裏面會有很高的技術難度。" 高榮補充道。
比如，國產芯片在算力密度和顯存帶寬上與英偉達 GPU 存在代際差距，這會導致适配 DeepSeek 後模型推理效率下降。
再比如，軟體生态上，DeepSeek 眼下的實踐更多還是在英偉達 CUDA 生态内的優化，而國產芯片大多無法原生支持 CUDA，需要通過兼容層或重新開發相應的工具鏈來實現适配，這增加了适配的難度和成本。
此外更讓雲大廠頭疼的是，定制化噩夢似乎再次上演了：信創場景要求全棧自主可控，從芯片驅動到模型微調均需定制化開發，這背後的人力、财力、交付周期都不是小問題。
" 政企需要私有化部署大模型，而且有很多行業術語和自己領網域内的規則規範，都要對大模型微調後才能用，微調就是也要訓練，滿血版的價格不菲。" 高榮告訴雷峰網，因為成本太高，眼下很多政企宣稱率先用上了 DeepSeek，其實十之八九都是之前買的 AI 算力沒用完，正好閒置利用。
可以説，雲大廠面臨的這些困境折射出國内 IT 行業積弊已久的深層矛盾：市場需求倒逼技術躍進，但基礎軟硬體的代差仍需時間彌合。
DeepSeek 掀起的這波熱潮，看似把中國 AI 能力向前推進了一大步，但實際上，中國 AI 仍未擺脱英偉達芯片卡脖子的陰影，而這也為行業後續埋下了風險。
組織變陣：B、C 融合還是 B、C 分離？
DeepSeek 出現前後，雲大廠們圍繞大模型相關業務做出了兩類組織變陣：一是 B、C 分離；二是 B、C 融合。前者以百度、阿裏為代表；後者以騰訊、火山為代表。
去年下半年，百度将百度網盤（百度大模型核心應用場景之一）的 C 端業務從百度雲（ACG）中拆分出來，重新劃歸移動生态事業群組（MEG），相關 To B 業務則繼續留在百度雲裏，與百舸、千帆等其他百度雲產品一道面向 B 端用户提供服務。
阿裏這邊類似。2024 年底，阿裏将 AI 應用 " 通義 " 從阿裏雲分拆出來，并入阿裏智能信息事業群，與智能搜索產品 " 誇克 " 一起，由該事業群總裁吳嘉統管。而原有的通義實驗室，以及大模型 To B 業務則繼續留在阿裏雲。
不同于百度雲、阿裏雲在大模型上業務上 "B、C 分離 " 的模式，騰訊雲則是 " 反其道而行 "。随着元寶調入騰訊雲，騰訊雲走起了 "B、C 融合 " 的路子。
今年 1 月騰訊，騰訊将元寶從技術工程事業群（TEG）調整至雲與智慧產業事業群（CSIG），交由騰訊會議的負責人吳祖榕負責。并在不久後，将原本在 PCG ( 平台與内容事業群）裏的 QQ 浏覽器、搜狗輸入法、ima 等產品也匯入 CSIG，與元寶一起，作為騰訊面向大模型時代的產品組合。
至此，在這場 DeepSeek 衝擊波到來之際，雲巨頭們紛紛擺好了陣型。不過在眼下這波瞬息萬變、復雜難料的技術浪潮裏，上述組織調整成效如何，以及會給各家帶來哪些後續影響，還需持續校驗。
雲大廠扭虧為盈時間表，再度遙遙無期？
雷峰網此前從多位業内人處了解到，騰訊、華為兩家雲大廠原本計劃在今明兩年實現盈虧平衡，但現在，DeepSeek 的出現打亂了他們的計劃。關于各家雲大廠更多盈虧内幕，可添加作者微信 xf123a 交流。
國内雲大廠苦虧損久矣。目前只有阿裏雲實現了盈利。但對比其此前在雲與 AI 上累計投入的數千億元，眼下的盈利可謂牛九一毛。不僅如此，DeepSeek 出現後不久，阿裏就對外宣布，未來三年将向 AI 和雲計算業務繼續投入 3800 億。這無疑為阿裏雲接下來的利潤表現打上了一個問号。
騰訊雲面臨相似的難題。經過前些年的巨額投入後，集團内部對騰訊雲 " 盈利，上岸 " 的呼聲越來越高。不久前的集團年會上，馬化騰也直言，過去一年騰訊雲的表現超過他原本的要求，2025 年騰訊雲有望 " 浮出水面，形成一片大陸 "。
但 DeepSeek 的到來，正在打破這一預期。今年 1 月，騰訊把 C 端大模型產品 " 元寶 " 從 TEG（技術工程事業群）轉入 CSIG（騰訊雲與產業事業群），進入做大增長階段。随着元寶用户前端調用次數的增多，其後端算力資源的消耗也在攀升，騰訊雲的盈利節點大概率要向後推移。
回望過去，雲與 AI 因其基建屬性，以及玩家之間的 " 内卷式 " 競争，讓絕大部分參與者都深陷虧損泥潭。如今，随着 DeepSeek 的崛起，雲巨頭們再次被推入新一輪的大模型基建競賽裏。上一輪未解決的盈利困境，能否在這一輪中找到更優解，仍是懸而未決的挑戰。
DeepSeek 成燒錢巨獸，何時是盡頭？
DeepSeek 走開源路線，本來為雲大廠們提供了一次 " 當中間商，賺差價 " 的機會，但眼下，提供 DeepSeek 服務，對雲大廠來説還是一門燒錢的生意。
DeepSeek 推出後沒多久，一系列有關成本的争論就衝上了科技圈熱搜榜。有 MaaS 服務商甚至推算出了 " 接入 DeepSeek R1，MaaS 公司或将月虧 4 億 " 的結論。
對于包括雲廠商在内的，提供大模型服務的 MaaS 公司來説，一邊是用户大批湧入，API 調用量飙升，一邊又是生成效率拉跨、價格戰更新，多重夾擊下，DeepSeek 一度成為 MaaS 廠商們的 " 燒錢巨獸 "。
DeepSeek 公司之所以能把成本利潤率做到 545% 之高，得益于其在模型架構、軟硬體協同等 AI Infra 能力上能做到極致的工程化創新，使得其平均每台 H800 的吞吐量在生成任務上能達到 14800 token/s，效率是市面上其他供應商的幾倍甚至十幾倍。
若不能做到這一點，則虧損難以避免。而眼下市面上，包括雲大廠在内的 MaaS 供應商能做這一點的還寥寥無幾。更多相關研發進展與内情，可添加作者微信 xf123a 交流。
因此，如果説在上一輪大模型浪潮中，各家雲大廠還能安心做個穩賺不賠的 " 賣水人 "，那麼在這一輪由 DeepSeek 掀起的大模型普惠浪潮裏，雲大廠眼下難逃虧損。
而這場 " 燒錢大戰 " 才剛剛開始。
回顧過去兩年，國内雲大廠在大模型業務上本已格局初定，但 DeepSeek 的異軍突起，打破了這一平衡。DeepSeek 不僅讓各家互聯網巨頭的雲業務估值迎來高光時刻，還讓雲計算從一項 " 老舊 " 業務重新煥發生機，在接下來的 AI 產業浪潮裏，面對更多充滿危與機的不确定性。
注：文中受訪者均為化名。
