蕭易：DeepSeek當機（Hang機） 洩中國AI商業化難題

2026年10月15日8時11分，中國人工智能平台深度求索（DeepSeek）突發大規模服務中斷。網頁端、App同時彈出「伺服器暫時不可用」，對話服務與V4 Pro、V4.1 Flash兩個API（應用程式編程接口）一併中斷，持續近5小時才全面恢復。故障發生在工作日上午的辦公高峰期，不僅普通用戶無法繼續對話，通過API接入DeepSeek的開發者和企業也受到波及。

對於普通用戶而言，DeepSeek當機（Hang機）幾個小時可能只是使用體驗差，暫時換一個別的AI工具而已。但對於通過API接入DeepSeek的開發者和企業客戶而言，影響則更為直接。AI模型一旦嵌入客戶服務、辦公自動化、金融分析和企業生產流程，服務穩定性就不再只是產品體驗問題，而是關係到業務連續性和實際經營成本。

此次當機（Hang機）是DeepSeek今年10月以來持續時間最長的一次服務異常，影響範圍也超出中國境內。第三方故障監測平台StatusGator顯示，盧森堡、波蘭、紐約等地用戶均反饋響應緩慢、伺服器無應答。按照互聯網平台的應急管理標準，這類持續數小時、涉及多個國家和地區的服務中斷，理應進入重大故障處理程序。

然而，在整個故障期間，DeepSeek並未在官方網站或主要用戶入口顯著位置發布公告，僅在服務狀態頁面更新了處理進展。這意味著用戶很難及時了解故障範圍、預計恢復時間以及可能產生的影響。更值得關注的是，服務恢復之後，DeepSeek也沒有公開完整的技術事故報告，解釋故障根源、系統缺陷和後續整改措施。

此次服務中斷絕非偶發的技術故障。DeepSeek官方服務狀態頁記錄顯示，9月7日和9月9日均出現過網頁和API部份中斷，9月17日出現部份網頁中斷。此外，9月以來還有9次「網頁和API性能下降」的記錄。從9月7日到10月15日這段時間，大面積服務異常（包括部份中斷與明顯性能下降）累計達到13次，平均大約3.5天一次。

DeepSeek為何頻繁出現故障

影響服務穩定性的重要因素之一是算力供需失衡。DeepSeek採用的MoE架構本身對流量調度和負載均衡的要求就遠高於普通模型，在工作日高峰等流量集中時段，千萬級別的並發請求湧進來，推理集群很容易負荷滿載，觸發服務降級甚至中斷。截至2026年6月，DeepSeek的日活用戶升幅接近67%，但算力儲備的同期增速僅為8.3%。

DeepSeek承認自身存在算力樽頸。8月17日起，公司實施峰谷差異化收費，高峰時段API價格是平時的2倍。此外，9月14日起所有V4 Pro請求改由V4.1 Flash處理，按Flash價格計費；V4.1把KV緩存壓到每token約890字節，約為V4-Flash的四分之一。這些措施充份反映出，DeepSeek正努力用更低的算力資源消耗支撐更大的用戶規模。

其次可能是共享的調度層、網關、緩存或配置等共用設施發生故障，導致上層服務連鎖中斷。如果只是算力不足，通常會表現為響應變慢、排隊增加、請求被限流和部份調用失敗，但不會整個網頁與多個API服務同時中斷近5個小時。能讓上層所有服務一起斷掉的，大概率是底層API網關、請求路由或共享調度系統出了問題，但這個推斷未被官方證實。

DeepSeek發布的致歉公告稱，其將對服務穩定性進行全面排查和徹底整改，全面梳理並剝離單點依賴，堅決杜絕同類問題再次發生。所謂單點依賴是指一個系統過度依賴某個關鍵組件，一旦該組件發生故障，就可能導致整個系統無法正常運行。也就是說，DeepSeek承認自己的系統架構中存在某個環節缺陷，而並非僅僅是BUG修復問題。

最後是研發能力與工程運維能力脫節。DeepSeek在模型側疊代速度很快（V4、V4.1系列密集上線，架構和壓縮技術持續優化），但服務端工程與運維能力卻沒有同步跟上。主要體現在以下四點：第一、限流、熔斷、降級體系不夠完善，高峰時更多依賴「硬抗」或簡單限流，而非完善的多級降級策略，導致壓力一旦超過閾值就直接大面積不可用。

第二、灰度發布與流量管控能力不足，缺乏足夠精細的灰度、觀察和快速熔斷機制，容易讓問題擴散成全局影響。第三、多活/容災架構薄弱，一個關鍵路徑出問題，就可能讓對話服務和多個API同時中斷。第四、快速回滾與故障隔離修復機制不成熟，故障發生後，定位、隔離、回滾的效率不夠高，造成近5小時的服務中斷。

綜合來看，DeepSeek出現故障的可能原因是：在算力資源本就緊張的情況下，早高峰流量疊加架構中的單點依賴，導致共享服務層失效，並因運維工程能力跟不上而導致大範圍長時間中斷。官方事後強調「剝離單點依賴」和全面整改，正是針對這一問題。如果不在算力冗餘和工程體系上實質性投入，類似事故很難得到徹底扭轉。

中國AI企業與全球化商業服務能力之間的差距

DeepSeek頻繁當機（Hang機）事件不僅暴露了技術層面的單點依賴、算力冗餘，以及運維工程能力不足問題，更凸顯出其在溝通透明度以及對外響應機制方面的缺陷。每次故障發生後，官方狀態頁面更新的內容幾乎千篇一律，正在排查、已定位原因、正在修復、修復完成，除此之外沒有任何故障影響範圍的具體說明、根因的技術性描述，更沒有在事後發布正式調查報告。

這與OpenAI、Anthropic、Google、AWS等國際主流AI服務商和雲廠商的常見做法存在明顯差異。它們通常會在狀態頁實時更新具體進展，故障期間同步發布簡短公告，並在事後出具詳細的復盤報告，內容包括時間線、根因、影響範圍及改進措施等。對於影響廣泛、持續時間較長的重大事故，公開解釋已成為全球商業服務企業建立客戶信任的重要機制。

Anthropic曾就響應質量下降問題發布詳細工程網誌；OpenAI對ChatGPT大規模中斷也多次給出技術層面的解釋；AWS對符合重大影響標準的服務事故，承諾發布公開的事後報告，說明影響範圍、促成事故的因素以及風險整改措施，報告至少保留五年。因此，DeepSeek在訊息披露方面明顯落後於其實際的用戶規模和行業地位。

過去中國AI行業的競爭焦點，主要集中在誰的模型參數更強、推理能力更好、訓練成本更低。市場把模型性能和資本估值當成衡量AI競爭力的核心指標，但隨著大模型進入商業化階段，競爭維度正在發生變化。即使模型性能已經接近國際先進水平，但算力供應、系統穩定性和商業化能力存在明顯短板，那麼技術突破也無法順利轉化為商業競爭優勢。

DeepSeek過去最大的競爭優勢，是以相對較低的訓練成本，實現了具有國際競爭力的大模型性能。但訓練出一個優秀模型，與長期穩定地營運一個擁有大量用戶的AI服務平台，是兩種完全不同的能力。即使一個模型在基準測試中表現得再出色，如果用戶在關鍵時刻無法訪問，或者API頻繁中斷，其商業價值就會大打折扣。

DeepSeek已經不再只是一個提供新興AI產品的科技公司，其擁有全球用戶、開發者和API客戶，服務中斷會影響到不同國家和地區的企業業務。全球化營運不僅意味著模型能夠被全球用戶訪問，還意味著企業需要建立與之匹配的服務等級協議（SLA）、災備體系、通知機制和事後問責制度。客戶購買的不只是計算能力，還包括服務連續性和可預期性。

這次事件敲響了國產AI產業的警鐘：模型研發能力可以證明企業具備算法和研發能力，但並不意味著企業具備成熟的雲端運算基礎設施營運能力。行業面臨的核心挑戰已從「模型能力夠不夠強」，明顯轉向「服務能不能穩定跑起來」，穩定性已成為信任和商業化的關鍵門檻。模型性能再出色，若服務可用性不穩定，也很難進入對可靠性要求較高的企業核心業務系統。

結語

DeepSeek當機（Hang機）近5小時，表面上看是一次技術故障，但從中國AI產業發展的角度看，它暴露的不僅是DeepSeek自身的技術和運維問題，還涉及國產大模型商業化過程中一個更深層次的矛盾：模型能力可以快速追趕，但要把模型變成穩定、可靠、能夠持續提供服務的商業基礎設施，需要完全不同的技術能力和資金投入。

DeepSeek過去憑藉低成本和高性能贏得了全球市場的關注，但想要真正成為全球企業級AI服務供應商，就必須跨過從模型研發到基礎設施營運這道門檻。真正值得市場關注的，是DeepSeek能否通過這次事故，證明自己有能力建立一套經得起大規模商業應用考驗的技術體系，這才是判斷DeepSeek未來商業競爭力的重要標準。而DeepSeek受中共管控的更深層的問題，這裏暫不討論。

本文僅代表作者本人觀點，並不一定反映《大紀元時報》立場。#