海水退潮了？DeepSeek流量雪崩近30%：為何走「俗擱大碗」CP值路線，卻留不住用戶？

自中國大型語言模型DeepSeek R1以其媲美OpenAI的推理能力及低於業界九成的震撼性低價發布以來，已超過150天。當時市場普遍擔憂此舉將引發AI模型的商品化割喉戰。然而，數據顯示的卻是另一幅景象： 儘管DeepSeek的模型在第三方平台（如 OpenRouter）大受歡迎，其自營的應用程式與API服務流量卻不增反減，市佔率持續下滑。

研究機構《SemiAnalysis》指出，核心原因在於DeepSeek為應對美國晶片出口管制下的算力限制，採取了犧牲使用者體驗的戰略，亦即其雖然價格低廉，卻伴隨著極高的延遲（Time-to-First-Token）與極小的上下文視窗（Context Window），迫使用戶等待數秒才能獲得回應。

《SemiAnalysis》分析指出，這種刻意的取捨，是為了將有限的高階運算資源集中用於模型研發，力求在AGI（通用人工智慧）的終極競賽中取得突破，而非著眼於當前的API服務營利。

DeepSeek App市占：從8%回落至4.5%

那麼，DeepSeek的App市占率究竟下滑多嚴重？據《SemiAnalysis》指出， DeepSeek可謂出道即巔峰 ，在今年一月份推出App後，市占率出現了近乎垂直的爆炸性增長，從接近0%迅速飆升至超過8%的峰值。

研究強調，因為中國市場的用戶數據追蹤不完整，且許多西方AI服務在中國被禁用，因此數據很可能低估了DeepSeek的真實影響力。 但整體而言，DeepSeek市占率在1月觸頂之後就一路下滑，截至5月底已回落至4.5%左右 ；值得注意的是，同期間整體市場的AI App使用者指數一路上升，顯見用戶外移的趨勢。

▲ 「AI 應用使用者指數」與「DeepSeek 市場佔有率」比較的趨勢圖。

DeepSeek網頁訪問次數：衰退近30%

而在瀏覽器訪問這一端，DeepSeek網頁版的訪問次數同樣一路下降。根據SimilarWeb數據，從今年2月到5月這三個月期間，DeepSeek網站流量從6.14億次 (614 M) 下降至4.36億次 (436 M)，衰退幅度高達29%。

但反觀ChatGPT，作為市場的領導者，其流量從 39.05 億次 (3,905 M) 增長到 54.92 億次 (5,492 M)，仍然實現了40.6%的強勁增長。而Google旗下的Gemini成長幅度更驚人，流量從 2.84 億次 (284 M) 大幅增長至5.28億次 (528 M)，增長率高達 85.8%。

至於比較晚加入戰局的Grok由於流量基期較低，同期間流量從 5100 萬次 (51 M) 爆炸性增長至 1.79 億次 (179 M)，增長率達到了驚人的 247.1%，是所有服務中最高的；Claude則成長穩健，流量從 7300 萬次 (73 M) 增長到 1 億次 (100 M)，實現了 36.5% 的成長。

5大AI模型瀏覽器訪問變化

模型	2/25數據	5/25數據	百分比變化
DeepSeek	614 M	436 M	-29.00%
ChatGPT	3,905 M	5,492 M	40.60%
Claude	73 M	100 M	36.50%
Gemini	284 M	528 M	85.80%
Grok	51 M	179 M	247.10%

資料來源：SemiAnalysis、SimilarWeb

犧牲體驗換未來，DeepSeek的算力告急

DeepSeek的策略選擇清晰地體現在其服務的各項指標上。相較於其他提供商，用戶在使用DeepSeek官方服務時，必須忍受超過25秒的延遲與僅64K的上下文視窗，這嚴重限制了如程式碼分析等需要大量記憶的應用場景。

《SemiAnalysis》指出，與此形成鮮明對比的是，第三方託管的DeepSeek模型實例，總使用量自R1發布以來成長了近20倍，因為這些服務商利用更優化的硬體配置，提供了延遲更低、上下文視窗更大的選項。

▲ 圖表分析了不同大型語言模型（LLM）提供商在延遲（Latency）和價格（Blended $/Mtok）之間的關係，並以氣泡大小表示上下文窗口（Context Window）的大小。可見DeepSeek便宜但延遲很高。圖／ https://openrouter.ai/ accessed in May 2025

DeepSeek透過高併發批次處理（Batching）使用者請求，將單一GPU的效能壓榨到極致，從而降低每百萬代幣的成本。此舉雖換來了全球性的模型知名度與開源社群採納，卻也將服務的重擔與商機轉嫁給了第三方雲端平台。

《SemiAnalysis》指出，這反映了在無法大規模取得如輝達高階晶片的困境下，中國AI企業只能「用（用戶的）時間換（預算的）空間」，確保核心研發不致落後。

代幣經濟3要素：除了價格外的「CP值」指標

DeepSeek現象揭示了當前AI市場的競爭核心已不再是單純的價格戰，而是「代幣經濟學」(Tokenomics) 的權衡。一個模型的價值不能僅由「$/Mtok」（每百萬代幣價格）來定義，而是取決於三大關鍵績效指標（KPI）的平衡：

延遲（Latency） ：從發出請求到模型生成第一個代幣所需的時間。

互動性（Interactivity） ：模型生成後續代幣的速度，通常以每秒代幣數（tokens per second）衡量。

上下文視窗（Context Window） ：模型能「記住」的對話或資料長度。模型供應商可透過調整這些變數，來決定最終的代幣價格。

AI Token之戰，不只拚總量也拚「輸出純度」

算力受限並非DeepSeek獨有的困境，即便是資金雄厚的西方AI公司Anthropic也面臨著相似的挑戰。Anthropic的Claude 4 Sonnet在API上的輸出速度自推出以來已下降40%，來到每秒約45個代幣。這與DeepSeek的原因如出一轍： 為了用有限的算力應對海量請求，不得不提高批次處理率，從而犧牲了互動速度。

然而，Anthropic也展現了另一種優化方式，其模型在回答問題時更為「精煉」，產生的總代幣數遠少於競爭對手，也就是儘管速度較慢，但用戶獲得完整答案的總等待時間可能更短。