上周面了一家 AI 赛道的 B 轮公司，面的是产品技术负责人岗位。

三面，前两轮技术面和业务面都聊得挺顺。到了 CEO 面，他喝了口水，抛了个问题：

"你看到 DeepSeek V4 开始搞峰谷定价了吗？你怎么看这件事？"

这个问题乍一听像是在问新闻看法，但我知道没那么简单。CEO 面的问题，考的永远不是你的信息量，而是你的思考框架。

我的回答分三层：

第一层：这件事的本质是什么？

我说："DeepSeek 搞峰谷定价，表面上是价格策略调整，本质上是在解决算力供需失衡的问题。"

"AI API 的算力消耗是不均匀的。每天上午 9 点到 12 点、下午 2 点到 6 点是高峰，大量开发者和企业在这些时段集中调用 API。但算力基础设施是固定投入的，不可能按峰值来建——否则低谷期就浪费了。"

"峰谷定价的本质，是用价格杠杆来调节需求分布，把一部分非紧急调用从高峰期转移到低谷期，从而在不增加硬件投入的前提下提升整体服务稳定性。这和电力的峰谷电价是同一个逻辑。"

CEO 点了点头："继续。"

第二层：这说明了什么行业趋势？

"第二点，我觉得这说明 AI API 市场已经从'抢用户'阶段进入了'精细化运营'阶段。"

"前两年的逻辑是：拼命降价、免费额度拉满、先把开发者圈进来。DeepSeek 自己就是靠极致性价比杀出来的——V3 的定价一度低到让 OpenAI 都紧张。"

"但当用户量上来了，算力成本的压力就藏不住了。峰谷定价其实是一个信号：AI API 的'价格战'阶段要结束了，接下来是'效率战'阶段。谁能用更少的算力、更聪明的调度策略、更稳定的服务质量来留住用户，谁就能活下来。"

"这不是 DeepSeek 一家的问题，是所有大模型厂商迟早要面对的。"

第三层：对我们公司有什么启示？

"第三点，也是最重要的一点——这件事对我们自己的商业模式设计有直接参考价值。"

"我们做的是垂直行业的 AI 解决方案，不是通用大模型。但底层同样面临算力成本问题。DeepSeek 的峰谷定价给了我一个启发：我们是不是也可以根据客户的调用场景，设计差异化的定价策略？ "

"比如，金融客户对实时性要求高，愿意付溢价；而一些做数据分析的客户，可以接受延迟几小时的处理，那我们就可以在低谷期帮他们跑，既降低了我们的算力成本，也给了客户更低的价格。"

"这不是简单的涨价或降价，而是通过场景分层来优化整个成本结构。"

面试官追问

CEO 听完，追问了一个问题："那你觉得峰谷定价会不会导致开发者流失？比如一些小团队，他们只能在高峰期调用，贵了一倍可能就跑了。"

我说："会有一定流失，但不大。原因有两个："

"第一，真正对价格敏感的小团队，本来就更倾向于用开源模型自建，而不是调 API。峰谷定价影响的主要是中型客户，而他们有足够的灵活性来调整调用时段。"

"第二，服务稳定性本身就是价值。如果高峰期能因为价格调节而变得更稳定，很多开发者反而愿意付这个钱。你想想，线上服务因为 API 抖动崩一次，损失的可不只是几分钱的调用费。"

"所以我的看法是：峰谷定价短期内会有争议，但长期看是正确的方向。它说明中国 AI 市场正在走向成熟，不再是靠烧钱换规模，而是开始用商业智慧来平衡供需。 "

面试结果

面完第二天就收到了 offer。HR 反馈说 CEO 对我的评价是"有商业 sense 的技术人"。

后来入职后才知道，那道题其实是他面试产品技术负责人的"标配题"——不是要看你知不知道 DeepSeek 的新闻，而是要看你能不能从一个新闻事件里拆解出商业逻辑、行业趋势和对自身业务的启发。

三个层次，缺一不可。只说"降价是好事"或"涨价不合理"，都太浅了。