尤洋实测：中小云做MaaS月亏4亿，建议转私有部署

编辑点评 · AI 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）

潞晨科技创始人尤洋实测中小云平台售卖DeepSeek API月亏4亿（B·实测自述），因吞吐量远低于官方值。这揭示中小厂商做MaaS是“必死局”，但反向证明了私有化部署的高价值。对搞钱者而言，机会不在卖Token，而在提供“高吞吐私有部署+调优”服务。下一步：学习推理优化算法，向中小AI公司兜售私有化部署方案。

• 避开中小MaaS服务，该赛道巨头垄断且利润极低
• 切入私有化部署，服务无自建算力能力的中小企业
• 掌握DeepSeek推理优化代码，作为高溢价技术卖点
• 验证点：找3家无算力中小AI公司测试私有化意愿

一、这是什么机会

面向缺乏自建算力能力的中小型企业，提供高吞吐率的模型私有化部署及推理优化服务。核心是通过技术调优解决厂商端吞吐量低、亏损严重的痛点，按项目制或年度维护费收费。

二、独立判断

值不值得做？结论是高度值得，但门槛极高。关键理由在于 DeepSeek 官方实测数据（8 张 H800 节点每秒输出 14.8k Tokens）与中小厂商实测数据（约 300 Tokens/秒）存在巨大鸿沟，这种效率差直接导致中小平台售卖 API 月亏 4 亿。编辑视角判断，市场急需能打通这一技术壁垒的中间服务商，而非简单的云资源转售商。

三、冷启动路径

第一步验证动作：立即研读 DeepSeek 开源的推理优化代码，在本地模拟环境下复现官方吞吐量指标，形成可量化的优化方案。成本量级：需租用 8 张 H800 服务器进行为期 2-4 周的调优测试，预估成本 10-15 万元。周期：1 个月内完成技术验证并产出案例报告。

四、最大风险与避坑

致命坑 1：技术复现失败。若无法在私有环境中达到接近官方的吞吐量，则无法证明“高吞吐”价值，客户只会按市场价采购通用云服务。应对：聘请资深推理优化工程师，重点攻克序列波动导致的效率下降问题。
致命坑 2：巨头降维打击。OpenAI 或大型云厂商直接优化服务。应对：聚焦垂类模型或特定行业（如视频生成、代码辅助）的定制化部署，避开通用大模型的红海。

五、案例复盘（别人怎么做的）

• 技术对标：分析 DeepSeek 官方数据，识别出 24 小时内处理 6080 亿输入 Tokens、1680 亿输出 Tokens 的高效基线，锁定 226.75 个节点（1814 张 H800）支撑 2000-3000 万日活的运行逻辑。
• 痛点实测：潞晨科技尤洋团队实测发现中小平台部署 DeepSeek 后，每节点每秒输出仅 300 Tokens 左右，远低于官方理论值，直接算出月亏损 4 亿的结论，验证了“高吞吐”是生死线。
• 战略转型：3 月 1 日，潞晨科技宣布停止包括 DeepSeek API 在内的 MaaS 服务，明确认知到单纯卖 Token 是“买 GPU 时间、卖调用量”的高风险业务，决定转向专注给大小公司部署私有模型。
• 商业化定位：不再做 API 转售，而是做“AI 版 Databricks”，提供从模型部署、推理优化到运维的一体化私有化解决方案，向有算力但无技术优化能力的企业收费。
• 技术难点攻克：（推断）针对实际服务中输入输出序列波动、用户请求多样化导致的线上服务效率下降问题，建立动态资源调度机制，以维持高利用率。

六、双轨可执行性

跨境：此轨道可行性较低，境外市场竞争由 AWS/Azure/GCP 及 OpenAI 主导，且 H800 等高性能卡受出口管制，获取硬件成本高，难以快速启动。
国内：高可行性，当前国内大量中小企业拥有算力资源但缺乏推理优化能力，DeepSeek 开源生态成熟，可立即启动 3 家无算力中小 AI 公司的私有化意愿测试与部署实施。

原文 · 晚点聊 LateTalk：阅读原文 →