DeepSeek 大幅調降價格 75%，以低於 Anthropic 和 OpenAI 最多 17 倍的價格搶市。

DeepSeek 已將其 V4 Pro 模型的價格永久調降 75%，此舉使其旗艦產品在輸入端比 Anthropic 的 Claude Sonnet 或 OpenAI 的 GPT 5.5-Med 便宜 7 倍，輸出端便宜 17 倍。這家中國人工智慧實驗室更小型的 V4 Flash 模型，在每代幣基礎上，比 Anthropic 的 Claude Haiku 便宜高達 10 至 25 倍。此次降價並非短期促銷，而是推論經濟學的結構性重置，其背後驅動力來自 DeepSeek 激進的架構效率：其 1.6 兆引數模型僅需 5.48 GB 高頻寬記憶體（HBM）即可執行 100 萬代幣的上下文迴圈，僅為西方實驗室達成同等效能所需資源的一小部分。此際，Anthropic 正完成一輪 650 億美元的募資輪，估值幾乎增至三倍，超越 OpenAI 成為估值最高的人工智慧實驗室；同時 Mistral 正探索客製化晶片設計以降低自身代幣成本。時機絕非巧合。更便宜的代幣加速從人類互動式聊天轉向代理驅動的工作負載，這正是從微軟到 Google 等雲端供應商正圍繞突發運算資源與共享記憶體重新設計其基礎設施以服務人工智慧代理的原因。這些事件的匯合顯示，人工智慧產業的競爭軸心正從單純的模型品質，轉向一場針對推論成本的殘酷戰爭。DeepSeek 剛打響了第一槍，這將重塑企業採用、超大規模雲端業者資本支出，以及整個全球雲端基礎設施堆疊。

DeepSeek 的 5.48 GB HBM 優勢及其架構根源

DeepSeek 永久性 75% 降價並非行銷噱頭，而是其模型架構的直接結果。V4 Pro 的 1.6 兆引數模型採用混合專家設計，每個代幣僅啟動一小部分引數，大幅降低每次推論呼叫所需的運算資源。關鍵指標在於 HBM 消耗：在 V4 Pro 上執行 100 萬代幣的上下文迴圈僅消耗 5.48 GB 的 HBM，而西方前沿模型在類似上下文長度下通常需要 80 GB 或更多。這種效率來自 DeepSeek 專有的注意力機制與量化技術，該公司已透過多個模型世代持續精進。其結果是，DeepSeek 能以極低的成本提供推論服務，同時在許多基準測試上維持競爭力。VentureBeat 報導指出，Ramp 在自動化網路安全代理集群上對 DeepSeek V4 Pro 進行基準測試：該模型在高量基線任務上達到 100% 偵測率，但在複雜安全邏輯上則表現持平。這種混合表現特質正是 DeepSeek 路線的典型特徵。它在例行性、高吞吐量任務上表現卓越，但在細膩推理上較弱。對於執行大規模代理工作負載的企業而言，成本節省往往勝過偶爾的效能落差，尤其是在速度與量比深度分析推理更重要的任務上。DeepSeek 的工程團隊已公開表示，透過持續的量化精進，HBM 消耗可進一步降低，這將使其成本優勢更加擴大。

650 億美元籌資與 75% 降價如何重塑人工智慧經濟學

人工智慧推論的財務數學正同時從兩個方向被改寫。DeepSeek 的降價壓縮了每個在通用型聊天與代理工作負載上競爭的實驗室的每代幣營收。在輸入端便宜 7 倍、輸出端便宜 17 倍的情況下，每月在 Claude Sonnet 或 GPT 5.5-Med 上花費 10 萬美元的開發者，可以在 DeepSeek V4 Pro 上以約 6,000 至 14,000 美元獲得相同的代幣量。對於每天執行數百萬次推論呼叫的企業而言，每年節省的金額可達數百萬美元。這立即對 Anthropic 和 OpenAI 形成壓力，迫使它們要么跟進 DeepSeek 的定價（壓縮自身利潤率），要么在品質與安全性上做出足夠的差異化以合理化溢價。Anthropic 的 650 億美元募資輪使其估值幾乎增加兩倍，並使其成為最具價值的人工智慧實驗室，提供了吸收短期利潤率壓縮的資金儲備。但這輪募資也提高了賭注：投資人押注 Anthropic 能夠在支出與創新上超越競爭對手，不僅在模型品質上，還包括贏得企業合約所需的基礎設施與通路布局。如今排名第二的 OpenAI 同樣面臨此策略困境。代幣經濟學戰爭正迫使每個實驗室在價格競爭、品質競爭，或尋找 DeepSeek 架構難以輕易競爭的利基市場之間做出選擇。Bernstein 的分析師指出，此次降價實際上重置了企業推論成本的基準線，使任何西方實驗室在缺乏明確差異化的情況下更難維持溢價定價。

哪些公司在重新洗牌中受惠與受創

DeepSeek 價格戰中最大的輸家是那些以溢價推論為商業模式基礎的西方人工智慧實驗室。Anthropic 和 OpenAI 如今面臨結構性定價劣勢，這將侵蝕它們在價格敏感區隔中的市占率，尤其是那些將成本置於前沿效能之上的新創與中型市場企業。Claude Sonnet 和 GPT 5.5-Med 在可靠性與安全性至關重要的高風險應用中仍將保有吸引力，但隨著 DeepSeek 證明 90% 的企業工作負載可以在沒有顯著品質損失的情況下，以更便宜、架構更高效的替代方案執行，溢價推論的可及市場正在萎縮。

最大贏家是企業與開發者，如今能以大宗商品價格取得前沿水準的人工智慧。Ramp、Databricks 與 Snowflake（將人工智慧嵌入核心產品的公司）的銷貨成本將大幅下降。Databricks 與 Snowflake 已重新定位為人工智慧記憶體與檢索系統，而更便宜的推論加速其大規模建置代理式工作流程的能力。Cloudflare 推出支援持久代理環境的基礎設施，受惠於價格降低所引爆的推論量激增，因為每一分增額成本下降都直接轉化為其網路上更高的呼叫量。

開源推論平台與 API 聚合商是第二層贏家。隨著開發者將 DeepSeek V4 Pro 與 Claude 及 GPT 進行指標比較，發現例行工作負載的每任務成本比有利於中國模型，推論路由的中介軟體市場隨之成長。編排多模型架構、將廉價模型導向高量任務、將溢價模型導向複雜推理的公司，無論底層模型由誰勝出，都能獲得槓桿。

輝達面臨的結果較為微妙：DeepSeek 的效率意味每次推論呼叫所需 GPU 減少，但更便宜代幣帶來的量增可能足以彌補。輝達真正的威脅在於，DeepSeek 的架構創新可能降低對其最高利潤率、高 HBM 含量產品的需求，迫使這家晶片製造商在價格上更積極競爭。

對超大規模雲端業者、硬體與企業買家的下游影響

DeepSeek 降價的第二階效應，如漣漪般擴散至整個 AI 供應鏈。微軟、亞馬遜與 Google 等超大規模雲端業者，正為 AI 代理（agent）工作負載（而非面向人類的應用）重新設計其雲端基礎設施。微軟已更新 Azure 以因應 AI 代理的突發需求與共享記憶體，而 Google I/O 大會則展示了使用者將複雜任務委派給 AI 系統的實例。更便宜的推論成本加速了此一轉變：企業消耗的代幣越多，所需的雲端運算資源就越多。但經濟模式正從高利潤率的 GPU 租賃，轉向低利潤率、高流量的推論服務。Mistral 的回應說明了此一策略轉向：執行長 Arthur Mensch 宣布，Mistral 正探索客製化 ASIC 設計以降低代幣部署成本，同時在法國與瑞典投資 40 億歐元興建資料中心。這家法國實驗室全新的推論資料中心與企業級代理平台，顯示歐洲業者將此價格戰視為在基礎設施效率（而非模型規模）上競爭的契機。對企業買家而言，考量相當直接：DeepSeek 的 V4 Pro 在處理高流量網路安全任務時，能以極低的成本達到 100% 的偵測率，使其成為基礎自動化的理想選擇。其取捨（在複雜安全邏輯上表現持平）意味著企業將採用多模型架構，以廉價模型處理例行工作，以高階模型應對邊緣案例。此一分流將重塑採購模式，創造對推論編排平台的新需求，並加速代理基礎設施的建置，因為組織正擴大自動化任務的規模，而這些任務只有在 DeepSeek 的價格水準下才具經濟可行性。

價格戰對市場軌跡的訊號

DeepSeek 的永久降價，是迄今最明確的訊號，顯示 AI 產業正進入通用推論的大宗商品階段。其架構效率（能在 100 萬代幣上下文迴圈中僅消耗 5.48 GB 的 HBM）並非一次性突破，而是 DeepSeek 將持續精進的系統性工程成果。依賴蠻力擴張（更多引數、更多 GPU、更多 HBM）的西方實驗室，正面臨結構性成本劣勢，這是再多資金也無法完全彌補的。

Anthropic 募資 650 億美元，是押注前沿模型品質與安全性仍能享有溢價，但隨著 DeepSeek 在例行任務上縮小效能差距，此溢價正逐漸縮水。這輪募資重新定義了競爭格局：Anthropic 不再只是研究實驗室，而是平台公司，其護城河取決於企業信任、安全法遵，以及大宗商品推論供應商難以複製的全端開發者工具。OpenAI 也面臨同樣的考驗，其近期的估值里程碑同樣建立在品牌與模型品質能維繫定價能力（即使成本底線崩跌）的假設之上。

Mistral 進軍客製化晶片與歐洲資料中心的舉措，反映第三種策略：在基礎設施主權與垂直整合上競爭，而非僅靠模型規模取勝。Arthur Mensch 宣布在法國與瑞典投資 40 億歐元建設資料中心，直接傳達出一個訊號：歐洲企業，尤其是受監管產業的業者，將願意為留在歐盟管轄範圍內且符合《人工智慧法案》的 AI 服務支付溢價。

市場正分化為三個層級：以 DeepSeek 為首的成本領導者、以 Anthropic 與 OpenAI 為首的品質與安全領導者，以及以 Mistral 為首的區域基礎設施業者。對投資人而言，關鍵問題在於，隨著推論量因代理驅動的網際網路而爆發成長——正如 TechCrunch 分析所指出的，網際網路正為機器重新建構——哪個層級能掌握最大價值。答案將決定 AI 軍備競賽下一階段的贏家與輸家，而這將由代幣經濟學與模型基準測試共同決定。