DeepSeek的技术突破一度引发市场对高端AI芯片需求的担忧，但国泰君安证券2025年3月发布的深度报告指出，这种担忧恰恰忽略了杰文斯悖论的核心逻辑——技术效率提升反而通过降低准入门槛和催生海量推理需求扩大了市场规模。报告系统测算了DeepSeek生态将产生的推理算力需求：日均184,800亿tokens、88.8万PFLOPS、对应约300万张H20等效芯片。本文拆解算力需求的结构、测算逻辑与产业意义。
日均184,800亿tokens：推理算力需求的系统性测算框架
DeepSeek推理算力需求的测算基于四大场景的差异化假设。第一大场景是DeepSeek自有应用（App/Web端），假设App端DAU长期维持3000万、Web端1000万，普通用户每日5次请求（1000tokens/次）、重度用户（占20%）每日20次请求（2000tokens/次），自有应用每日消耗4800亿tokens（占比2.6%）。第二大场景是云平台服务，以百度智能云为例——接入DeepSeek后每日亿次调用量增长超20倍，按百度智能云在中国大模型平台19.9%市场份额推算，DeepSeek为云平台增加了每日10万亿tokens需求（占比54.1%）。第三大场景是大型平台集成，微信DAU约10亿、20%用户使用搜索DeepSeek、每人每日10次请求，叠加百度搜索每日10亿次搜索中20%使用DeepSeek，微信与百度合计产生2.4万亿tokens，假设其他平台与之相当，集成类应用每日产生约5万亿tokens（占比27.1%）。第四大场景是企业级本地化部署，50万家企业深度集成（日耗500万tokens）、500万家企业简单辅助（日耗10万tokens），合计3万亿tokens（占比16.2%）。四场景合计日均184,800亿tokens。
从tokens到PFLOPS：88.8万PFLOPS与300万张H20的算力映射
日均184,800亿tokens对应每秒需求约2.13亿tokens，考虑日内时间分布不均与并发需求，保守估计算力需满足3亿tokens/秒。硬件映射方面，两台H20服务器（16张H20卡）可满足1600tokens/s推理速度，单张H20卡对应100tokens/s响应能力。H20的FP8算力为296TFLOPS，故DeepSeek推理时每Mtokens/s对应2960PFLOPS算力需求，对推理算力的总需求为88.8万PFLOPS（2960×30）。按单张H20卡算力0.296PFLOPS折算，满足DeepSeek推理需求约需300万张H20等效芯片。以每台H20服务器租赁成本3万元/月/台（8卡/台）计算，每月算力租赁支出约112.5亿元，每年产生1350亿元开支。不支持FP8精度的芯片（如华为昇腾早期产品、寒武纪等）在处理DeepSeek推理时需以FP16精度计算，算力将大打折扣，对应芯片需求将显著增加——若使用A100/A800 PCIe（FP16 0.312PFLOPS）约需285万张，若使用H100（FP8 3.958PFLOPS）仅需22.4万张，FP8支持能力直接决定了推理部署的经济性。
需求结构解析：B端占97.4%，C端仅为冰山一角
DeepSeek推理算力需求的结构分析揭示了一个关键事实：C端需求在整体算力需求中占比极小。自有应用（App/Web端）每日4800亿tokens仅占总需求的2.6%，而云平台服务（54.1%）、大型平台集成（27.1%）、企业级应用（16.2%）合计占97.4%。这意味着，尽管DeepSeek作为C端爆款应用引发了全民关注，但真正驱动算力需求增长的是B端市场——企业通过云平台API调用、微信/百度等超级App集成、以及私有化/本地化部署，将DeepSeek能力嵌入业务流程。这一需求结构决定了算力基础设施的建设方向：面向C端的推理需求相对集中可控，而面向B端的企业级推理需求具有场景多样化、并发波动大、数据安全性要求高等特点，对算力基础设施的弹性、可靠性和部署灵活性提出了更高要求。随着DeepSeek在金融、医疗、教育、汽车等垂直行业的持续渗透，企业级推理需求占比有望进一步提升。
Scaling Law延伸与算力需求的长期增长逻辑
DeepSeek的技术创新并未颠覆Scaling Law，而是在post-training和test-time阶段产生了延伸。Post-training scaling包含领域微调、量化、剪枝、知识蒸馏等优化技术，这些技术虽然降低了单次训练成本，但使企业能够进行更多次的实验和迭代。Test-time scaling则专注于推理阶段的动态优化——思维链推理需要多轮深入逻辑推导和结果验证，Agent化架构（如Manus）将复杂任务精细分解为多步操作，每次工具调用和状态监控都需要额外算力支持。Scaling Law作为AI发展的基本规律将持续指引行业发展，Sam Altman明确指出AI智能水平与训练和运行资源的对数呈正相关，且AI使用成本每12个月下降约10倍，成本的快速下降进一步刺激使用需求。算法精耕与Scaling Law绝非势不两立——规模扩张为算法优化提供验证场景，算法精耕通过架构改进降低边际成本，二者螺旋互促。DeepSeek的成功将坚定整个行业的信心，推动更多企业加大投入，加速算力需求的持续增长。
DeepSeek推理算力需求测算汇总| 需求场景 | 每日Token需求（亿） | 占比 | 核心假设 |
|---|
| DeepSeek自有应用（App/Web） | 4,800 | 2.6% | DAU 4000万，普通/重度用户分层 |
| 云平台服务 | 100,000 | 54.1% | 百度云调用量增20倍，市占率19.9% |
| 大型平台集成 | 50,000 | 27.1% | 微信+百度+其他平台 |
| 企业级本地化部署 | 30,000 | 16.2% | 550万家企业分级使用 |
| 合计 | 184,800 | 100% | 对应88.8万PFLOPS、300万张H20 |
