允許梁文鋒再「偉大一次」

從72小時內三次降價到首次開放融資，這家曾被視為AI隱士的公司正以極致性價比挑戰行業定價邏輯。當國產算力與模型研發首次深度綁定，梁文鋒究竟在下一盤怎樣的棋？本文將從價格戰、人才策略與生態布局三個維度，揭示這場AGI平權運動背后的戰略野心。

———— / BEGIN / ————

過去幾年，梁文鋒幾乎拒絕了所有互聯網時代熟悉的劇本。

別人融資，他拒絕；別人搶入口，他開源；別人卷參數，他卷效率；別人把AI當成生意，他卻一直在談AGI。

DeepSeek因此看起來更像一家“研究機構”，而非創業公司。

直到2026年春天，事情開始變化。

GPT-5.5發布不到24小時，DeepSeek-V4預覽版上線。發布后不到五天，接連三次降價，昨天，DeepSeek“識圖模式”又開始灰度測試，補上了多模態這塊缺失最久的拼圖。

與此同時，那個長期拒絕騰訊、阿里和頂級VC的梁文鋒，第一次主動打開了融資的大門。

一邊把價格打到骨折，一邊卻伸手拿錢；一邊叫苦算力吃緊，一邊承諾還要降價，梁文鋒這位把AGI掛在嘴邊的人，是向商業現實“繳械投降”，還是在醞釀一場更大的風暴？

“反常識”的72小時

4月24日，GPT-5.5發布不到二十四小時后，DeepSeek-V4預覽版悄然上線。沒有發布會，就像這家公司的一貫作風：事情做完了，放出來，你們自己看。

V4-Pro發布后，最先引發討論的不是能力，而是價格。相比前代V3.2，這一次V4-Pro的定價看起來明顯更高。

很多人第一反應是DeepSeek終于開始走向“正常商業化”了。但很快，事情又出現反轉。

不到一天，官網低調更新價格，直接打到2.5折。隨后又一次更新：緩存命中價格永久降至發布價的十分之一。

研究員甚至在社交媒體上直接打出“AGI for Everyone”的標簽，強調這是永久價格，而非促銷活動。

更耐人尋味的，是官網價格頁面里那行不起眼的小字：“受限于高端算力，目前Pro服務吞吐有限，預計下半年昇騰950超節點批量上市后，Pro價格會大幅下調。”

這意味著DeepSeek公開承諾未來還會繼續降價，且這次價格下調綁定的，不再只是DeepSeek自己的技術優化，還有中國國產高端算力的量產節奏。

與此同時，DeepSeek還啟動了成立以來的首次外部融資，目標估值從100億美元迅速抬升至200億美元乃至更高，騰訊、阿里相繼被傳洽談入局。

降價、又融資，看起來很矛盾，但回看DeepSeek的發展歷程，會發現到它的野心從不只是“做模型”。

過去兩年，全球大模型行業的默認邏輯一直是模型越強，成本越高，能力越強，價格越貴。OpenAI、Anthropic都建立在這套邏輯之上。

但DeepSeek-V4要做的不是“賣更貴的智能”，而是不斷降低“智能”的邊際成本，實現AGI平權。

這種對“邊際成本”的執念，從DeepSeek的前身幻方量化就已經開始了。2021年，當大多數科技公司還在討論AI概念時，幻方已經囤積了上萬張A100，自建了“螢火”算力集群。

在高度競爭的市場里，成本結構本身就是護城河，這是梁文鋒在幻方時便想明白的，這套理念也被完整地繼承到了DeepSeek。

DeepSeek V4-Pro約5.22美元，緩存命中后進一步降至3.6美元左右。同等輸入輸出量下，GPT-5.5的API成本約35美元，Claude Opus 4.7約30美元。

V4-Flash更激進，成本不到競爭對手的2%。這已經不是簡單的價格差，而是“量級差”了。

“超低價”背后是模型架構、推理系統與算力調度共同優化后的結果。V4-Pro支持100萬token上下文，在部分長文本場景下，單token推理所需算力相比前代明顯下降，KV Cache占用也大幅減少。

過去行業處理長上下文，很多時候依賴的是持續堆顯存、堆帶寬；DeepSeek嘗試通過架構優化減少一部分無效計算與資源浪費。

當然，效率上的突破并不等于全面超越。

DeepSeek內部的真實評測顯示，V4目前已成為公司員工日常使用的Agentic Coding模型，使用體驗優于Sonnet 4.5，交付質量接近Opus 4.6的非思考模式，但與Opus 4.6的思考模式仍存在一定差距。

開源和低價建立了影響力，可“一分錢一分貨”的道理，在頂級閉源模型身上依然成立。

某種程度上，V4真正改變的，其實不是模型能力，而是行業對“智能應該值多少錢”的認知。

極客肖恩·多納霍在Facebook發帖稱，自己把部分編程工具切換到DeepSeek之后，月賬單下降了90%以上，效果卻并未明顯下降。

科技博主 Simon Willison 每次 DeepSeek 發布新版本，他都會用同一句提示詞 生成一張鵜鶘騎自行車的 SVG。這次也一樣，測試之后他稱DeepSeek-V4-Pro 是“大型前沿模型中最便宜的一款”。

這幾位開發者或許只是個例，但他們背后折射出的趨勢值得關注：當價格差拉到“量級差”，開發者重新分配算力預算的動機也會增強。

而當越來越多應用、Agent和開發工具開始基于同一種模型生態構建時，真正形成護城河的，未必只是模型能力本身，還包括開發者習慣、調用路徑以及整個生態的成本慣性。

Deepseek想用極致的性價比，成為那個被開發者“持續依賴”的選項。

DeepSeek 的“二度奇襲”

2025年1月，Deepseek R1發布，引發全球震動。

Deepseek應用很快登頂蘋果中國和美國地區App Store免費榜首，Nvidia單日市值蒸發約6000億美元，美國風投家馬克·安德森稱之為AI領域的”斯普特尼克時刻”。

一個杭州的量化團隊，用560萬美元的訓練成本，做出了對標OpenAI頂級模型的效果，并且開源了。彼時，世界對梁文鋒的理解，是”用更少的錢做更好的模型”。

很多人后來把R1理解成“受限條件下的逆襲”，但其實并不完全準確。早在行業真正意識到大模型價值之前，幻方就已經開始大規模采購算力、建設集群。后來外界看到的“低成本奇跡”，更像一次長期積累后的集中爆發。

梁文鋒真正厲害的地方，是他比大多數人更早意識到未來AI競爭的核心，不只是模型能力，還有算力效率。

但隨著DeepSeek從技術黑馬變成核心玩家，新的問題也開始浮現。

過去的DeepSeek，很像一個隱秘的研究組織，幻方量化在背后輸血，梁文鋒不缺錢，研究員埋頭做模型。Deepseek在X上的簽名都是“用好奇心揭開通用人工智能的奧秘，用長遠的眼光回答根本問題”，學術味兒十足。

但AI行業不會長期尊重“隱士”，尤其當你手里真的有“真經”的時候。

從2025年底到2026年，多位DeepSeek核心成員相繼離開。

V3架構關鍵開發者羅福莉去了小米，第一代大語言模型核心作者王炳宣去了騰訊，R1核心研究員郭達雅被字節跳動以傳聞中“近億元的總包”帶走，多模態方向核心研究員阮翀轉投元戎啟行。

過去，大模型公司的目標相對統一：訓練更強的基礎模型，到了2026年，行業開始迅速分化，Agent、多模態、端側AI、機器人、自動駕駛，陸續變成新的戰場。

這時候，一個研究員如果想做Agent，去字節會面對真實月活場景；想讓AI理解物理世界，去自動駕駛公司顯然更有吸引力。

DeepSeek太專注把模型本身做到極致，這種組織文化，能夠吸引最純粹的研究者，卻很難長期承載所有方向。它最強的地方，在這一刻成為它最大的桎梏。

主流AI公司搶的是有經驗的工程師，梁文鋒卻更青睞頂尖高校的年輕博士生，因為在他看來這些人”渴望證明自己”，”可以完全不帶功利地投入去做一件事”。

初期DeepSeek的確可以用技術理想主義吸引天才，但很難長期用理想主義支付機會成本，尤其在同行已經開始形成市場估值的時候。

近兩年，OpenAI、Anthropic不斷刷新融資數字，投后估值高達8400億、3800億美元，國內的智譜、MiniMax相繼掛牌港交所，市值一度突破4000億和3800億港元。

大廠給的是有行權價、有IPO預期、有內部回購機制的期權，而不融資的DeepSeek，沒有“度量衡”。在競爭白熱化的AI人才市場里，沒有市場化估值錨點的期權，等于一張無法兌現的期票。

梁文鋒或許也是意識到了這一點，所以開放了融資。

但這依然是一個極具“梁式色彩”的融資方案。此次融資目標募集金額不低于3億美元，計劃以不低于200億美元的估值進行。與此同時，工商信息顯示，梁文鋒在增資后直接持股占比由1%提升至34%，其作為實際控制人的最終受益股份仍為84.29%，表決權比例仍為100%。

他用大約3%的股權，換來了市場對這家公司的價值認證。董事會的控制權，一票未讓。

對比同行，這個數字更加意味深長。OpenAI 2026年完成的最新一輪融資，募集1220億美元，投后估值8520億美元；Anthropic 2026年2月完成300億美元G輪融資，投后估值3800億美元。

3億美元，放在今天的AI賽道里，甚至比不上同行一輪融資的零頭。

梁文鋒選擇用這個體量融資，就是為給員工手中的期權，建立起相對清晰的估值錨點和兌現預期，穩住人才，同時讓公司不被短期增長所裹挾。

允許梁文鋒再“偉大一次”

R1證明了中國AI可以做出世界級模型，V4之后，梁文鋒試圖證明中國AI可以建立起自己的“底座標準”，哪怕這條路，很難。

有個細節，V4發布后，華為昇騰生態官方賬號，專門為DeepSeek-V4做了一場直播。

芯片廠商親自下場給一款模型站臺，并不常見。它釋放的信號超出產品本身：DeepSeek第一次公開地，把自己的模型路線與國產算力的量產節奏綁在一起。

過去幾年，中國AI行業有個默認順序，模型可以開源，算法可以追趕，但英偉達的生態護城河最難撼動。CUDA是英偉達二十年攢下的工具鏈、算子庫、開發框架和開發者習慣，全球AI幾乎默認運行在這套底座之上。

要脫離它，可不是“換塊顯卡”那么簡單。尤其在萬億級參數模型上，難度會被進一步放大。參數越大，對顯存帶寬、通信效率、集群穩定性的要求就越高。

模型團隊不僅需要針對國產芯片重寫和優化核心算子，甚至還需要自研確定性算子，保證長時間訓練過程中的精確可復現。

更現實的問題是在萬卡集群里，硬件故障不是意外，而是必然。于是，訓練框架必須同時具備完整的檢測、容錯與恢復能力。如果效率跑不上去，成本就只是空談。

V4延期超過十五個月，遷移代價是原因之一。

目前V4的細粒度專家并行方案已經同時在英偉達GPU和華為昇騰NPU兩個平臺上完成驗證，在通用推理場景中實現了1.5到1.96倍的加速。

推理層面跑通了，但開源代碼主體仍基于CUDA，底層工具鏈尚未完全轉移，原因在于昇騰950超節點尚未批量上市，現有產能撐不起V4-Pro的大規模服務。

不過DeepSeek已經把下一輪降價，公開寫進了國產算力的量產時間表里。昇騰950PR單卡算力達到英偉達H20的2.87倍，是目前國內唯一支持FP4低精度推理的產品，HBM容量112GB。規格是真實的，只等工業化落地。

梁文鋒當年從幻方量化的GPU集群起家，把算力當作研究的彈藥。如今他讓中國模型和中國芯片的命運，在商業上深度捆綁，并在所有人面前承諾，這是梁文鋒在芯片封鎖的現實下，做出的務實選擇。

但這條路有個前提：模型能力必須始終足夠硬。V4把1M上下文做成標配、對Agent能力做專項優化、推出三檔推理強度，這些不是給評測榜單準備的，是給真實企業工作流準備的。只有先在真實生產場景里證明自己不可替代，Deepseek的“底座”敘事才能成立。

未來，梁文鋒和Deepseek要走的路還很長，國產算力的工業化時間表能否如期兌現，模型能力能否在閉源頂級模型高速迭代的壓力下保持競爭力，開發者生態能否形成足夠的黏性……它們像棋盤上尚未閉合的“氣眼”，每一個都關乎生死，可這些問題，現在都還沒有答案。

Deepseek爆火后，被問及”商業公司做無限投入的研究性探索是否瘋狂”時說，梁文鋒曾說過一句話：“我們終其一生所渴望的，就是找到自己，然后成為自己。”

這句話在R1發布后的語境里讀，是一個創始人的理想宣言。如今再讀，分量更重了些。

AI競爭的上半場，他用技術效率、定價顛覆和算力豪賭，贏得了繼續下棋的資格，成就了Deepseek的”偉大”。

下半場，允許梁文鋒再“偉大一次”，不是因為他已經攻下了某個技術的山頭，而是他正在為一場漫長的遠征搭建底座。

不誘于譽，不恐于誹，率道而行，端然正己。

這是荀子的精神，也是Deepseek的信條。

本文來自公眾號：奇點研究社 作者：行之 編輯：孟雯