尤洋：中小云平台做MaaS月亏4亿，别入坑

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）

这是一篇关于AI算力生意的复盘访谈。关键数字：尤洋实测中小云部署DeepSeek API月亏4亿（B·第三方），对比DeepSeek官方84.5%毛利（B·官方）。对搞钱者意味着：中小平台单纯卖API是死局，别碰；机会在于私有化部署或视频模型训练。下一步：如果你是算力方，避开MaaS卖Token的赛道，转向私有化交付或垂直模型训练。

• 中小平台做MaaS卖Token必亏，切勿入场
• 算力生意应转向私有化部署或自研模型
• 参考尤洋实测数据规避高亏损陷阱
• 利用视频生成模型创业窗口期
• 避免低价竞争，保研发资源

一、这是什么机会

面向中小云厂商与算力集成商，利用 GPU 集群为大模型推理提供 API 调用服务（MaaS），按 Token 消耗量收费。核心逻辑是低价获取上游算力或自购显卡，通过高吞吐调度实现规模效应，赚取中间差价。

二、独立判断

不建议入场做通用 API 转售，风险极高。尤洋实测显示，若按行业平均吞吐量（每节点每秒输出约 300 Tokens）计算，中小平台月亏损可达 4 亿元；而头部厂商如 DeepSeek 通过极致优化达到每节点每秒输出 14.8k Tokens，实现 84.5% 毛利。这表明纯转售模式仅适合拥有独家模型深度优化能力或超大规模算力折扣的巨头，中小玩家缺乏成本优势且面临价格战绞杀。机会在于避开“卖水”，转向“卖铲子”：为特定行业提供私有化部署服务，或自研垂直领域模型（如视频生成）以掌握定价权。

三、冷启动路径

第一步：选定 1-2 个高净值垂直行业（如医疗影像、法律咨询），不自研大模型，而是采购成熟开源模型（如 Llama、Qwen）进行微调；第二步：建立“私有化部署+数据清洗+运维”的一体化交付包，按项目制或年费制收费，而非按 Token 收费；成本量级约为 20-50 万元（人力+测试环境），周期 1-3 个月完成首个标杆案例，验证付费意愿后再规模化。

四、最大风险与避坑

1. **吞吐量陷阱**：低估线上服务中用户请求多样化、输入输出波动导致的效率损耗，导致实际成本远高于理论测算。应对：在压测中加入真实业务噪声，预留 30% 冗余资源，不要按理想峰值报价。
2. **价格战内卷**：大模型 API 价格战由掌握算力和模型双重优势的巨头发起，中小平台无法跟进。应对：坚决不进入通用 API 市场，将业务锚定在“私有化数据不出域”的合规需求上，或聚焦多模态（视频/图像）等高门槛领域。

五、案例复盘（别人怎么做的）

• 潞晨科技（尤洋）早期策略：曾通过实测发现中小平台部署 DeepSeek API 月亏 4 亿，核心原因是吞吐量仅为官方峰值的 2% 左右，成本无法覆盖算力租金与折旧。（推断：基于其公开言论反推其退出原因）
• 潞晨科技转型动作：3 月 1 日正式停止包括 DeepSeek API 在内的 MaaS 服务，剥离亏损业务，避免现金流断裂。
• 业务重心转移：转向为大小企业提供模型私有化部署，解决数据隐私痛点；同时探索“AI 版 Databricks”方向，提供数据基础设施与模型训练环境。
• 新赛道卡位：启动自研视频生成模型训练，意在抓住多模态大模型爆发前的窗口期，避免在文本 LLM 红海中与大厂竞争。
• 关键财务逻辑：尤洋指出，高额利润是研发投入的来源，低价竞争会导致全行业无资源研发，最终劣币驱逐良币，因此必须保留利润空间用于技术迭代。

六、双轨可执行性

跨境：可行，可打包“合规私有化部署”服务出海至数据监管严格的地区（如欧盟、东南亚），按项目制收费，启动需 3-6 个月建立信任。
国内：可行，聚焦国企、医疗等对数据主权要求高的 B 端客户，以“本地化运维+定制微调”为切入点，避开公有云价格战，启动周期短，1-2 个月可出样。

原文 · 晚点聊 LateTalk：阅读原文 →