DeepSeek 的低价进攻重塑 AI 定价逻辑，也加剧美国厂商困境。

DeepSeek 在 API 定价上发起“自杀式”进攻，让习惯依靠高溢价运营的美国 AI 公司彻底坐不住了。这场价格战已经超出普通商业竞争的范畴，直接冲击了行业内的既有共识：算力成本决定定价基准。当 DeepSeek 把报价压到“地板”，同时仍能保持有竞争力的性能时，依靠昂贵订阅费和调用费维持高毛利的模型厂商发现，自身的护城河正在加速塌陷。

这一变化最直观地体现在开发者对模型能力的判断上。模型能力正在飞速“商品化”，过去人们愿意为某款模型的推理能力支付溢价，但当低价模型已经能够覆盖 90% 的场景时，再为价格贵出十倍的旗舰模型付费，就变得难以自圆其说。开发者开始重新衡量模型能力与调用成本之间的关系，单纯依靠能力领先建立的价格优势也因此受到挑战。

这一定价策略还撕开了“算力成本”与“商业定价”之间的巨大裂口。不少美国 AI 创业公司在融资时向投资人讲的是“规模效应降成本”，DeepSeek 则通过极致的工程优化，在训练阶段极力压低能耗与算力浪费，证明成本能够低到让对手无法只靠堆叠规模来对抗。竞争的关键由模型规模本身，进一步延伸到了成本控制能力。

价格下探也改变了开发者使用模型的方式。大家不必再因担心 API 账单爆炸而限制尝试，可以使用低成本模型开展“弱模型调试法”。过去为了省钱，开发者倾向于编写极精简的 Prompt，企图一次得到正确答案；现在则可以增加采样次数，在低成本模型上运行大规模迭代测试，并利用模型在边缘情况下暴露的报错，更快地定位代码 Bug。从“精简 Prompt”转向“大规模低成本迭代”，这种思路变化提升了开发效率。

对 AI 厂商而言，这几乎是一场生存竞赛。如果核心能力无法拉开代差，仅靠品牌效应就很难抵御价格战。不少公司开始尝试通过深度绑定特定工作流或私有数据来构建“生态壁垒”，但 API 本质上仍是标准化的。除非厂商能够提供无法迁移的闭环体验，否则面对价差巨大的同类产品，用户迁移的成本几乎为零。

这场竞争预示着 2025 年 AI 行业将进入更加残酷的阶段：竞争重点不再只是参数规模，而是单位推理成本，并且还要在低成本基础上保持足够的逻辑一致性。如果美国 AI 公司无法在工程效率上实现质变，仅靠堆叠昂贵的 H100，就会陷入能力只领先一点、价格却高出好几倍的尴尬处境，最终在商业市场中被迅速边缘化。对这些公司而言，核心问题已经不再是“如何让模型更聪明”，而是“如何在不牺牲智能的前提下，把推理成本砍掉 90%”。