arXiv编号2609.22978的DeepSeek论文《DeepSeek Elastic Compute (DSec)》在2026年9月由DeepSeek团队公布，披露了这家中国AI实验室为支撑训练与推理构建的弹性算力调度平台。论文讨论的是DeepSeek内部的算力供给如何从静态切分走向按负载动态伸缩，在HN讨论中由用户peter_d_sherman直接引用了论文的关键段落：在单个scale unit内部，平台横跨近160个CPU节点、3万核心与约250TB DRAM，管理的层与镜像数据达到PB级别，普通一天单个scale unit承载约300万个沙盒实例，峰值并发达到38万，每秒钟创建沙盒超过5000个。这一规模被HN评论形容为AI代理而非人或公司正在成为云计算最大的消费者。
资源规模与设计取舍
DSec的工程动机是DeepSeek内部训练与推理对算力的脉冲式需求，论文给出的设计取舍是把CPU节点组成可独立伸缩的scale unit，每个scale unit承载一个相对完整的负载区间。在普通工作日，平台并非所有核心都长时间高负荷运行，用户r_lee在HN评论里指出：代理类任务并不持续占用一个核心，代理往往在模型请求之间长时间空闲，因此把多个代理压到同一核心并由调度器抢占是这套平台成本可控的关键。另一位评论者redat00则提醒这套设计与AWS Lambda、SLURM集群在目标上并无本质区别，真正的工程难点在于DeepSeek从零开始把这套调度平台搭出来并跑稳，在大规模上把CPU与内存的细节接好本身就是显著投入。
作者署名与DeepSeek的署名文化
这篇论文继续了DeepSeek近期论文署名体量惊人的特征，arXiv摘要页只列出了主要作者，另有31人被归入扩展作者列表。HN评论里flowerlad猜测这是DeepSeek的「人力资产保护」策略：如果论文只有三位署名作者，竞争对手可以直接定向挖人；当每一位员工都被列为某篇论文的作者，外部就难以从一篇文章锁定具体贡献者。其他评论者则指出这是大规模实验研究领域的常见做法，高能物理合作组的论文动辄五千位作者，DeepSeek只是把同样的署名风格带入AI工程论文，论文PDF本身仍然包含完整的姓名与单位列表。
对国内同行而言，DSec论文公开的最大价值是首次把DeepSeek内部的算力调度细节摆到学术公开层面，披露了沙盒实例密度、并发峰值、扩展单元规模等具体数字，为评估中国AI实验室在不依赖最先进GPU的前提下能跑出多大的训练与推理产能提供了量化参考，也使得学界与工程界可以就弹性算力调度这一共享课题进行可比较的研究。论文把代理类负载当作驱动算力消耗的主体来描述，也对未来AI基础设施的能耗与选址问题提出了新量级：如果单日300万沙盒、峰值38万并发已经是一个scale unit的常态，那么跨多个scale unit叠加之后的全国级算力供给将显著放大对电力、土地与冷却的总量需求，也使得围绕DeepSeek的能源规划与数据中心区位讨论从长期推测变为短期工程问题。