在考虑在云中运行DeepSeek本地级与云的长期维护成本时，有几个因素会起作用。这是与每种方法相关的成本的详细细分：
###本地部署
**初始投资：本地部署需要大量的前期资本支出来进行高性能计算基础架构，包括强大的GPU，高速存储和强大的网络。由于DeepSeek的R1模型需要高端硬件，这项初始投资可能是可观的，这可能涉及与大规模AI模型培训相似的成本，这可能达到数十亿美元[4]。
**正在进行的费用：
- 硬件维护：定期维护硬件对于确保最佳性能和寿命至关重要。这包括更换零件，升级系统和执行诊断，这可能是昂贵且耗时的[2]。
- 能源消耗：运行高性能硬件连续导致巨大的能源成本。但是，DeepSeek对能源效率的关注可以帮助减轻这些费用，系统消耗的电力比可比的设置少30％[5]。
- 它的支持：拥有一个专用的IT团队对于管理和维护本地基础架构至关重要，增加了人员成本[3]。
**长期节省：尽管最初和持续的费用，如果有效利用基础设施，本地部署可以节省长期成本。例如，避免反复出现的云费用对具有一致的高量工作负载的组织有益[3]。
###云部署
**初始投资：云部署通常不需要预先购买硬件购买，这使得它们对于初始资本有限的企业更容易获得。相反，成本基于使用，提供灵活性和可伸缩性[3]。
**正在进行的费用：
- 云费用：主要的持续费用是云服务的成本，可能会根据使用而有所不同。尽管此型号具有灵活性，但随着时间的推移，大容量用户可能会变得昂贵[3]。
- 托管基础架构：云提供商经常处理维护和更新，从而减少了对内部IT支持的需求。但是，由于用户为托管基础架构付费，因此这种便利是有代价的[3]。
**长期注意事项：云部署通常更适合具有波动工作量的企业或偏爱付费型号的企业。但是，对于具有一致的大容量使用的组织，如果本地部署可以有效地管理和利用其基础架构，则本地部署可能会更具成本效益[9]。
总而言之，本地部署提供了潜在的长期成本节省，但需要大量的前期投资和持续的维护成本。云部署提供了灵活性和可扩展性，但随着时间的推移，大容量用户可能会更昂贵。本地和云之间的选择取决于组织的特定需求，工作负载一致性和可用资源。
引用：
[1] https://www.bardeen.ai/answers/how-much-does-deepseek-cost
[2] https://toolhunt.io/deepseek-r1-budgeting-challenges-for-on-premise-deployments/
[3] https://www.oneclickitsolution.com/centerofexcellence/aiml/on-premises-vs-cloud-hosting-hosting-llms-deepseek-r1-comporparison
[4] https://9meters.com/technology/ai/deepseeks-6-million-cost-debunked-as-real-cost-closer-cost-closer-cost-closer-cost-closer-to-1-6亿美元，并估计的50000-50000-gpus-使用
[5] https://redresscompliance.com/10-reasons-why-deepseek-hardware-and-technology-is-lower-cost-cost-than-other-other-ai-providers/
[6] https://e42.ai/deepseek-efficy/
[7] https://www.reddit.com/r/wallstreetbets/comments/1icdu1d/deepseek_training_cost_the_95_mil_difference/
[8] https://www.gptbots.ai/blog/deepseek-enterprise-on-premise
[9] https://www.linkedin.com/pulse/next-stage-gen-ai-llms-emerging-cloud-vs-on-premise-chakravarthy-fz9qccccc