作者 | 林潛
如果你在3月29日晚上用過AI，大概率經(jīng)歷了一場突如其來的“失聯(lián)”。
這場風(fēng)暴的中心，是國內(nèi)頭部大模型廠商——DeepSeek。從當(dāng)晚9點35分開始，其網(wǎng)頁端與App幾乎同時出現(xiàn)異常，登錄失敗、對話中斷、內(nèi)容丟失，“服務(wù)器繁忙”的提示刷滿屏幕。對于普通用戶來說，這只是一次短暫的不便，但對于正在趕論文的學(xué)生、卡著DDL的打工人來說，這更像是一場毫無預(yù)警的“災(zāi)難”。
更讓人崩潰的是，這次故障并非一次性崩潰，而是典型的“反復(fù)橫跳”。23點短暫恢復(fù)，零點再次崩盤，凌晨緊急修復(fù)，直到第二天早上才逐漸穩(wěn)定。
整整12小時的波動，不僅刷新了DeepSeek的宕機(jī)時長紀(jì)錄，也讓用戶對大模型的穩(wěn)定性產(chǎn)生了前所未有的質(zhì)疑。
一、一場意料之外的崩潰
問題真的只是“人太多”嗎？
宕機(jī)發(fā)生后，最先被拋出的解釋是“用戶過多，服務(wù)器被擠爆”。
這種說法聽起來合理，但很快被現(xiàn)實數(shù)據(jù)潑了冷水。根據(jù)近期AI應(yīng)用榜單，DeepSeek的月活規(guī)模大約在1.5億量級，雖然體量不小，但并沒有出現(xiàn)爆炸式增長。換句話說，這并不是一次典型的“出圈式流量沖擊”。
那么問題就變得更耐人尋味了：如果用戶數(shù)量沒有突然暴漲，為什么系統(tǒng)會在短時間內(nèi)徹底失控？
答案，很可能藏在更底層的結(jié)構(gòu)之中。
二、算力與需求的正面碰撞
AI行業(yè)的隱性危機(jī)
過去一年，大模型能力幾乎以肉眼可見的速度進(jìn)化。從更長的上下文，到更強(qiáng)的推理能力，再到多模態(tài)的不斷擴(kuò)展，模型的“能力上限”被不斷抬高。
但與此同時，一個更基礎(chǔ)卻更關(guān)鍵的問題正在被放大——算力供給，正在逐漸逼近極限。
大模型的每一次響應(yīng)，本質(zhì)上都是一次算力消耗。模型越大、上下文越長、推理越復(fù)雜，背后所需要的計算資源就越高。當(dāng)用戶規(guī)模、調(diào)用頻率與模型復(fù)雜度同時上升時，系統(tǒng)承壓幾乎是必然的結(jié)果。
也正是在這樣的背景下，DeepSeek的這次宕機(jī)，不再只是單點故障，而更像是一次“系統(tǒng)性壓力測試”。
據(jù)天眼查平臺信息顯示，DeepSeek關(guān)聯(lián)主體在人工智能算法研發(fā)與算力基礎(chǔ)設(shè)施方向持續(xù)加碼布局，相關(guān)技術(shù)投入與產(chǎn)業(yè)協(xié)同正在不斷強(qiáng)化。
事實上，承壓的不止DeepSeek一家。近期，包括 MiniMax 在內(nèi)的廠商已經(jīng)開始在高峰期限制調(diào)用頻率，而 阿里云 等算力服務(wù)提供方，也在不同程度上調(diào)整價格策略。
表面上看，這是商業(yè)行為，但背后反映的，是同一個現(xiàn)實——AI基礎(chǔ)設(shè)施的供給，正在跟不上需求的增長速度。
三、“養(yǎng)龍蝦”熱潮
被忽視的流量放大器
在這次事件中，還有一個容易被忽略卻極具影響力的因素——所謂的“養(yǎng)龍蝦”玩法。
這類玩法本質(zhì)上是通過API持續(xù)調(diào)用模型，讓AI自動執(zhí)行任務(wù)，屬于Agent應(yīng)用的早期形態(tài)。與普通對話相比，這類調(diào)用的頻率極高，甚至可以達(dá)到分鐘級乃至秒級觸發(fā)。
當(dāng)少量用戶使用時，它只是一個有趣的嘗試；但一旦形成規(guī)模，就會迅速演變成算力消耗的“放大器”。這也解釋了為什么在用戶總量沒有明顯變化的情況下，系統(tǒng)依然可能出現(xiàn)類似“雪崩”的情況。
從某種程度上說，這次宕機(jī)，其實是一次典型的“新應(yīng)用形態(tài)沖擊舊基礎(chǔ)設(shè)施”的案例。
四、V4臨近
期待背后的更大壓力
有意思的是，這場長達(dá)12小時的宕機(jī)，并沒有明顯削弱市場對DeepSeek的期待，反而在一定程度上放大了關(guān)注度。
原因很簡單——下一代模型V4即將到來。
目前業(yè)內(nèi)流傳的信息顯示，DeepSeek V4將在多個關(guān)鍵能力上實現(xiàn)躍遷：上下文長度有望從此前的128K tokens提升至百萬級別，多模態(tài)能力與Agent執(zhí)行能力也將同步增強(qiáng)。更重要的是，其在算力適配上可能進(jìn)一步向國產(chǎn)芯片體系傾斜，這對于國內(nèi)AI生態(tài)而言具有不小的意義。
但問題也同樣清晰：當(dāng)模型能力進(jìn)一步提升，對算力的需求也會同步放大。如果底層基礎(chǔ)設(shè)施沒有同步升級，那么類似的穩(wěn)定性問題，很可能會再次出現(xiàn)。
五、從“模型競爭”到“基礎(chǔ)設(shè)施競爭”
回看這次事件，它的意義或許已經(jīng)超出了單一產(chǎn)品層面。
過去兩年，大模型行業(yè)的競爭焦點始終圍繞“能力”展開——誰更聰明、誰更強(qiáng)大、誰在Benchmark上更領(lǐng)先。但隨著應(yīng)用規(guī)模的擴(kuò)大，一個新的維度正在浮現(xiàn)：穩(wěn)定性與成本。
用戶開始關(guān)心的不再只是“能不能用”，而是“能不能一直用”；企業(yè)關(guān)注的，也不再只是性能指標(biāo)，而是整體運(yùn)行成本與可持續(xù)性。
換句話說，AI競爭正在從“模型層”向“基礎(chǔ)設(shè)施層”遷移。
DeepSeek這次12小時的宕機(jī)，更像是一次提前到來的提醒：當(dāng)AI真正進(jìn)入大規(guī)模應(yīng)用階段，決定勝負(fù)的，未必是模型本身，而是背后的算力、架構(gòu)與工程能力。
結(jié)語：
一場意外，還是一個信號？
所以，這12小時到底意味著什么？
它既可以被看作是一次發(fā)展過程中的意外，也可以被理解為一次“結(jié)構(gòu)性預(yù)警”。前者關(guān)乎個體，后者關(guān)乎行業(yè)。
可以確定的是，隨著AI應(yīng)用不斷深入，類似的壓力測試還會不斷出現(xiàn)。而每一次波動，都會推動整個行業(yè)向更成熟的階段邁進(jìn)一步。
某種意義上說，DeepSeek的這次崩潰，并不是結(jié)束，而是一個開始。
最后也想問一句：
那12個小時里，你在用AI做什么？
特別聲明：本文為合作媒體授權(quán)DoNews專欄轉(zhuǎn)載，文章版權(quán)歸原作者及原出處所有。文章系作者個人觀點，不代表DoNews專欄的立場，轉(zhuǎn)載請聯(lián)系原作者及原出處獲取授權(quán)。(有任何疑問都請聯(lián)系idonews@donews.com)
