这是什么
DeepSeek V4.1-Flash 这周被社区切成两半跑通了：模型从第 20 层切开，前半跑 Apple M5 Ultra，后半跑两张 RTX PRO 6000，中间用普通千兆/万兆网线连通。关键数字是它的 prompt state（理解为模型"对话时记的笔记"）只有 0.9 KB/token——小到网络带宽根本不是瓶颈。我们的判断：DeepSeek 在工程层面持续"抠成本"，正把 AI 竞争从"模型谁更大"拉到"谁部署更便宜"。
行业怎么看
开源社区的兴奋可以理解——本地大模型又往前迈一步。但冷静声音同样存在：
- 演示不等于生态成熟。M5 Ultra 加两张 RTX PRO 6000 本身就是十几万人民币的组合，普通玩家根本用不上
- 这套做法依赖 Apple Silicon 统一内存加 NVIDIA 显卡的特定组合，跨厂商兼容性没解决前，谈"普及"还早
- 0.9 KB/token 是 V4.1-Flash 的卖点，不是所有 DeepSeek 模型都做得到
更深一层：DeepSeek 这轮动作指向"落地经济学"——AI 竞争的重心正从"参数谁大"转向"谁部署便宜、谁场景多"。
对普通人的影响
- 对企业 IT：私有部署的成本结构可能开始变化——以后不一定非要全 NVIDIA 栈，混合架构成了新选项
- 对个人职场：现在还远谈不上日常可用，但提示"公司电脑直接跑模型"比"公司按调用量买 API"更可能成真
- 对消费市场：Mac 工作站的 AI 定位会更突出，企业硬件采购的组合方案明显变多