商业腾讯新闻·田丰说··AI 生成
DeepSeek崩了5小时：照出国产大模型的“稳定课”
本文以DeepSeek一次近5小时的宕机事件为切入点，深入分析了国产大模型在服务稳定性上的系统性缺陷。作者指出，这次故障不仅暴露了算力紧张、软硬件换栈和频繁版本发布叠加带来的风险，更揭示了AI服务由跑分竞赛转向可靠性竞争的必要性。文章通过对比Anthropic等公司的透明化复盘、引述多位专家的观点，提出了用‘有效能力’公式来评估模型服务和建立‘多活架构’的应对策略。适合关注AI产业竞争本质、云计算与SLA体系的技术决策者与投资者阅读。原文 ↗原文 ↗
核心观点
- ▍大模型服务的稳定性必须写进估值框架，跑分第一不等于有效能力，模型能力需根据可用率和峰值吞吐折算，行业下一阶段的分水岭在于如何将‘智力供给’做到像电力一样稳定。
- 012026年10月15日8时11分开始，DeepSeek网页端、App及多条API全线中断，持续4小时52分钟，当月可用率被拉到约99.3%，一次用掉了全年停机额度（99.9%的SLA折合约8.8小时）的一半以上。
- 02从2026年初至今，DeepSeek状态页已记录44次服务异常，其中3月底有一次跨夜瘫痪约12小时，5月异常五次，10月仅过半便已发生五起。
- 03故障原因被归结为三股压力叠加：算力供给紧张（API已实行峰谷定价，高峰价格为闲时两倍）；V4系列首次混用英伟达GPU与昇腾NPU带来的新硬件栈不稳定；2026年至今密集的模型版本发布（V4预览版、Flash、Pro等）增加了改动风险。
- 04直接经济损失约370万元，但更大的代价是客户因断服而接上‘备胎’，由于DeepSeek原生兼容其他厂商API，客户迁移工程成本低，这可能会侵蚀其核心API业务的需求刚性。
- 05与Anthropic等公司相比，DeepSeek缺乏透明的故障复盘和细粒度SLA披露（如按产品、模型披露月可用率及技术复盘），外界无法判断同类故障是否已根治。
- 06第二轮融资正在进行，投前估值约5000亿元人民币，此次故障撞上融资交割与年底递表窗口，可能成为上市审核问询的素材。
反方 / 局限
- — 安全专家黄立冲指出，在官方没有故障复盘之前，不能断定问题就是算力不足，也可能是推理任务调度或底层共享服务机制引发的连锁反应。
- — 技术专家杨先生认为，DeepSeek在组织定位上更像研究机构而非常规商业公司，其投入在线上服务和运维保障上的意愿和资源不足，这是稳定性问题的深层原因。
- — 本文的数据与观点主要基于时代财经的报道和几位专家访谈，缺乏DeepSeek官方的直接回应和更广泛的数据验证，结论的普适性和深度可能存在局限。
13 分钟 · 5 卡片 · 15 资料
读原文 →概念锚点
前置背景
平行视角
未来推演
延伸追问