先说结论，
得用价差，把用户都赶到夜里去用。
再说建议
我建议』的促销。
再说由来，
当下，DeepSeek空闲档的是2分钱，
高峰档的输出是8块钱，倍数是400倍。
然而，这还远远不够。
我的促销活动的策划灵感从哪里来的呢？
先看这条国外的推文。
那这条推特在讨论啥？
要好好看这张图，信息量爆炸，
得保存在手机相册里，有空就好好琢磨。
我想，GPU卡有点像发电机了。
只要有，就可以发电（Token），
当然，开源模型反正也不要钱。
这个推特讨论的已知条件是每用户125tok/s，
这个生成速度，这非常高了，
人眼看肯定不用这么高，之所以定得这么高，
是因为场景是，输出不是给人读的，
一个智能体任务要来回几十轮。
每秒生成token数肯定要高。
第零个前提，你得有电，
用爱发电不行，
还得一吉瓦。
这个问题在中国不难受。
所以是第零个前提。
第一个前提，是有卡。
不谈这个，谈这个伤感情。
第二个前提，这个"125tok/s/user"，
就是说9成用户的输出速度，
不低于每秒125个token。
所有用户的输出速度从慢到快排队，划一条线，
90%的使用感受不差于这条线，
这样就有P90这个服务水平线了。
现在，业界讲延迟、讲吞吐，
基本都用中位数，因为平均数不行了，
平均数看不到倒霉蛋的体（悲）验（惨）。
简而言之就是，
第三个前提，利用率，""，
只有六成的时间在真正产出token。
剩下四成是闲置和维护。
算力成本是按全年8760小时，
一方面，成本按100%的时间算，
另一方面收入只按60%的时间算，
这个设定其实相当诚实，闲置的卡真浪费。
所以所有卡的这个成本里，
包含了大量"卡在发呆但钱照烧"的时间。
说人话就是，成本的分母是8760小时。
收入的分母是8760×60%≈5256小时。
在保证九成用户都有125token/s的前提下，
每秒实际吐出多少token？
于是，推文是在算这样一笔账：
那些有卡有电的GPU云厂，
把开源模型跑起来，
再照DeepSeek官方的那个价格对外卖token。
到底能赚多少钱？
这个推文，一图顶千言了。
唯有沉默看图了。
答案按卡型有不同的钱数，
比如，跑开源的DeepSeekV4.1Flash，
哪怕按官方定价卖token，
每一吉瓦电一年能收上来约多少钱。
咱们看怎么算的？
先说梁文锋和。
我发现这门生意的盈亏，
和"高峰时段"这一个变量关系极大。
因为缓存命中输入的时候，真便宜。
梁文谷时的缓存命中输入，
大约是每百万token人民币两分钱（0.02元）。
BGM响起来，2分钱，买不到吃亏，
买不到上当。
还有，缓存命中和未命中之间差50倍。
咱就讨论B200这个型号的卡。
B200的收入152 亿、成本89 亿、利润63 亿，
都印在柱子上。
成本是$1.73/卡/小时。
卡数由电力决定，1吉瓦。
1吉瓦体感多大呢？
三峡电站总装机22.50万千瓦，
相当于22.5台1吉瓦的机组。
B200 的全包功耗约1.7千瓦，
1吉瓦除以B200每张卡分到1.7千瓦，
一吉瓦电只能养活58.7万张B200。
成本是怎么来的？
公式是：
成本=卡数 × 单卡每小时成本 × 8760小时
所以成本是89亿美元。
最后，推文里有句话，
用 DRAM卸载，省钱了，为啥？
V4.1Flash里有个著名的记忆模块，
（叫Engram，有1960亿参数，大小约189GB）。
跑推理的时候，把模型里那块"查表数据"，
从昂贵的显存搬到便宜的内存甚至硬盘上，
省下了昂贵的HBM。
证据都说完了，别废话，怎么赚大钱？
一眼看上去，两条：
能选对卡，人生赢家。
能让用户错峰出行，人生赢家。
你再深入好好看看，
好玩的附加题来了，
当下，既然空闲档的缓存命中输入是2分钱，
高峰档的输出是8块钱，差400倍。
看在钱的面子上，
让我做智能体做成本优化时，注意什么?
第一，好好设计前缀，
因为『缓存命中』这一档，太便宜了。
第二，尽量在谷时用，
谷时，便宜了好多。
第三，输出永远是最贵的一档，
输出长了太费钱了，
而且智能体场景是给程序看的，
怎么好好设计一下，好好控制下，
程序看懂就行了。
附加题我就不会了，
我只能提个小建议，
建议DeepSeek搞个『峰谷差千倍』的促销。
差距400倍根本不够，
用价差，把价格敏感的用户，
都赶到夜里去。
2.
3.
4.
6.
7.
《AI产品和技术模块》
1.
2.
3.
4.
5.
6.体感报告
7.
8.
9.
《具身智能》
1.
2.
3.
4.
5.
6.
7.
8.
9.