10月2日凌晨，知乎热榜挂出一个问题：如何看待DeepSeek从03:40起性能下降？官方状态页确实记录了这次网页/API性能下降事件，随后标注"已解决、服务已恢复"。
有意思的是时间点。就在两天前的9月30日，DeepSeek刚把面向华为昇腾平台的全套基础设施组件开源——TileLang编译工具、计算库、通信库，和英伟达平台上的版本一一对应。一边是里程碑式的大动作，一边是隔三差五的"服务器繁忙"。这两件事放在一起看，反而能看清一家AI公司真实的处境。
我把近期的公开报道翻了一遍，发现这次崩溃不是意外，而是一道早就写好的数学题。
崩溃的根源：一道追不上的数学题
虎嗅9月的报道里算过一笔账：DeepSeek用户量暴涨了66.7%，同期算力储备只涨了8.3%。缺口就是这么拉开的。今年5月，它一个月崩了四次；8月4日，V4-Flash被"前所未有的访问量"打到性能下降；9月20日周日下午——注意，是闲时——又弹出"服务器繁忙"。
为什么追不上？钛媒体引用了梁文锋今年7月在一场闭门投资者会议上的坦率发言：DeepSeek目前运营着约2万块英伟达H系列同等算力的芯片，训练和推理还在同一个池子里抢资源；训练顶级大模型可能需要约5万颗GB300，若用华为昇腾950则需要约20万颗。他的原话是："今年能花出去200亿人民币，就说明我们的采购团队表现出色了。芯片买不到，价格还高。"
再叠加一个背景：DeepSeek V4-Pro的API输入价格低至0.25元/百万词元，而GPT-5.5 Pro的加权平均输入价格约30美元/百万词元，相差超过700倍。极致低价换来了极致流量，极致流量又反过来击穿算力上限。价格越良心，崩得越频繁——这是个结构性矛盾，不是修一次就能好的bug。
所以9月30日那次开源昇腾工具链，本质是在给自己修第二条腿：让训练代码不再绑死在英伟达的CUDA生态上，未来算力可以从更多地方来。乌兰察布的自建数据中心也在补课中。解药在路上，但远水解不了近渴。
普通人的应对：给你的AI备一个"B方案"
行业算力紧张是全行业的事——Kimi K3发布后48小时请求量顶到集群极限，只能暂停新用户订阅。指望任何一家"永不宕机"都不现实。与其抱怨，不如做三件小事：
第一，重要任务别只押一个工具。 写作、翻译、代码、绘画，每一类都给自己留一个备选入口。DeepSeek繁忙时，同类任务换个模型往往立刻能跑。我平时整理了一份覆盖各类场景的免费AI工具清单，就放在AI家园（spark1.cn）的工具页里，94个工具按场景分好类，谁忙就用谁，不用临时抓瞎。
第二，收藏官方状态页。 status.deepseek.com 会实时标注服务状态，看到"性能下降"就别反复重试——重试只会加重拥堵，等十几分钟再来，成功率反而高。
第三，错峰用重活。 深度思考、长文档总结这类高算力任务，尽量避开晚上8点到11点的高峰。轻量问答放高峰，重活放闲时，体验会稳很多。
工具会崩，但你的节奏不该跟着崩。多备一条路，AI断供的那几分钟，你依然从容。
本文素材综合自DeepSeek官方状态页、虎嗅、钛媒体、封面新闻等公开报道。
💬 评论