梁文锋能否再次创造商业奇迹

过去几年，梁文锋几乎拒绝了所有互联网时代熟悉的剧本。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

当别人忙着融资时，他选择拒绝；当行业争抢入口时，他选择开源；当对手卷参数规模时，他卷的是效率；当多数人把AI视为一门生意时，他谈论的始终是AGI（通用人工智能）。

这使得DeepSeek看起来更像一家“研究机构”，而非典型的创业公司。

然而，2026年春天，变化悄然发生。

GPT-5.5发布不到24小时，DeepSeek-V4预览版便悄然上线。发布后不到五天，价格接连三次下调。紧接着，DeepSeek的“识图模式”开始灰度测试，补上了多模态这块缺失已久的拼图。

与此同时，那个长期婉拒腾讯、阿里和顶级风投的梁文锋，第一次主动打开了融资的大门。

一边将价格打到“骨折”，一边却伸手拿钱；一边坦言算力吃紧，一边承诺未来还要降价。这位把AGI挂在嘴边的创始人，究竟是向商业现实“缴械投降”，还是在酝酿一场更大的风暴？

“反常识”的72小时

4月24日，GPT-5.5发布后不到一天，DeepSeek-V4预览版悄然上线。没有发布会，没有造势，一切符合这家公司一向的作风：事情做完了，放出来，你们自己看。

V4-Pro发布后，最先引发热议的不是其能力，而是价格。相比前代V3.2，V4-Pro的定价起初显得更高。

市场第一反应是：DeepSeek终于要走向“正常商业化”了。但很快，剧情出现反转。

不到一天，官网价格低调更新，直接打到2.5折。随后又一次更新：缓存命中价格永久降至发布价的十分之一。

团队甚至在社交媒体上直接打出了“AGI for Everyone”的标签，强调这是永久定价，而非短期促销。

更耐人寻味的，是官网价格页面里那行不起眼的小字：“受限于高端算力，目前Pro服务吞吐有限，预计下半年昇腾950超节点批量上市后，Pro价格会大幅下调。”

这意味着DeepSeek公开承诺未来还会继续降价，并且这次价格下调绑定的，不再仅仅是自身的技术优化，还有中国国产高端算力的量产节奏。

几乎在同一时间，DeepSeek启动了成立以来的首次外部融资，目标估值从100亿美元迅速抬升至200亿美元乃至更高，腾讯、阿里相继被传洽谈入局。

一边降价，一边融资，看似矛盾的操作背后，回看DeepSeek的发展轨迹，会发现它的野心从来不只是“做一个模型”。

过去两年，全球大模型行业默认的逻辑是模型越强，成本越高，能力越强，价格越贵。无论是OpenAI还是Anthropic，都建立在这套逻辑之上。

但DeepSeek-V4要做的，不是“出售更昂贵的智能”，而是不断降低“智能”的边际成本，试图实现AGI的平权。

这种对“边际成本”的极致追求，其实从DeepSeek的前身——幻方量化时期就开始了。早在2021年，当大多数科技公司还在讨论AI概念时，幻方就已经囤积了上万张A100，自建了“萤火”算力集群。

在高度竞争的市场里，成本结构本身就是最深的护城河。这是梁文锋在幻方时期就想明白的道理，如今被完整地继承到了DeepSeek。

数据对比很直观：DeepSeek V4-Pro处理百万token上下文，成本约5.22美元，缓存命中后可降至3.6美元左右。而同等输入输出量下，GPT-5.5的API成本约35美元，Claude Opus 4.7约30美元。

至于更轻量的V4-Flash，成本甚至不到竞争对手的2%。这已经不再是简单的价格差异，而是形成了“量级差”。

“超低价”的背后，是模型架构、推理系统与算力调度共同优化的结果。V4-Pro支持100万token上下文，在部分长文本场景下，单token推理所需算力相比前代显著下降，KV Cache占用也大幅减少。

过去行业处理长上下文，很大程度上依赖持续堆叠显存和带宽；而DeepSeek尝试通过架构优化，来减少一部分无效计算与资源浪费。

当然，效率上的突破并不等同于全面超越。

根据DeepSeek内部的真实评测，V4目前已成为公司员工日常使用的Agentic Coding模型，使用体验优于Sonnet 4.5，交付质量接近Opus 4.6的非思考模式，但与Opus 4.6的思考模式仍存在一定差距。

开源和低价建立了广泛的影响力，但“一分钱一分货”的道理，在顶级闭源模型身上依然成立。

某种程度上，V4真正改变的，或许不是模型能力的绝对高度，而是行业对于“智能应该值多少钱”的认知。

极客肖恩·多纳霍在社交媒体上分享，自己将部分编程工具切换到DeepSeek之后，月账单下降了90%以上，效果却并未出现明显下滑。

科技博主Simon Willison每次在DeepSeek发布新版本时，都会用同一句提示词生成一张“鹈鹕骑自行车”的SVG图片来测试。这次测试后，他称DeepSeek-V4-Pro是“大型前沿模型中最便宜的一款”。

这几位开发者或许只是个案，但他们背后折射出的趋势值得关注：当价格差拉大到“量级”级别，开发者重新分配算力预算的动机就会急剧增强。

而当越来越多的应用、智能体和开发工具开始基于同一种模型生态构建时，真正形成护城河的，可能就不只是模型能力本身了，还包括开发者的使用习惯、调用路径，以及整个生态的成本惯性。

DeepSeek的目标很明确：用极致的性价比，成为那个被开发者“持续依赖”的选项。

DeepSeek 的“二度奇袭”

时间拉回到2025年1月，DeepSeek R1的发布曾引发全球震动。

其应用迅速登顶苹果中国和美国地区App Store免费榜榜首，英伟达单日市值蒸发约6000亿美元，美国风投家马克·安德森称之为AI领域的“斯普特尼克时刻”。

一个来自杭州的量化团队，用560万美元的训练成本，做出了对标OpenAI顶级模型的效果，并且选择了开源。那时，世界对梁文锋的理解，是“用更少的钱做出更好的模型”。

很多人后来把R1的成功理解为“受限条件下的逆袭”，但这并不完全准确。早在行业真正意识到大模型价值之前，幻方就已经开始大规模采购算力、建设集群。后来外界看到的“低成本奇迹”，更像是一次长期技术积累后的集中爆发。

梁文锋真正厉害的地方在于，他比大多数人更早意识到未来AI竞争的核心，不只是模型能力的比拼，更是算力效率的战争。

然而，当DeepSeek从一匹技术黑马转变为行业的核心玩家时，新的挑战也开始浮现。

过去的DeepSeek，很像一个隐秘的研究组织。背后有幻方量化输血，梁文锋不缺钱，研究员可以心无旁骛地埋头做模型。其官方账号的签名是“用好奇心揭开通用人工智能的奥秘，用长远的眼光回答根本问题”，学术气息浓厚。

但AI行业不会长期尊重“隐士”，尤其当你手里真的握有“真经”的时候。

从2025年底到2026年，多位DeepSeek核心成员相继离开。

V3架构关键开发者罗福莉去了小米，第一代大语言模型核心作者王炳宣加入腾讯，R1核心研究员郭达雅被字节跳动以传闻中“近亿元的总包”招致麾下，多模态方向核心研究员阮翀则转投元戎启行。

过去，大模型公司的目标相对统一：训练更强的基础模型。但到了2026年，行业开始迅速分化，智能体、多模态、端侧AI、机器人、自动驾驶，陆续成为新的战场。

这时候，一位研究员如果想深入研究智能体，去字节会面对真实的月活场景；想让AI理解物理世界，去自动驾驶公司显然更有吸引力。

DeepSeek太专注于把模型本身做到极致。这种组织文化能够吸引最纯粹的研究者，却很难长期承载所有方向。它最强的地方，在某种程度上也成了它最大的桎梏。

主流AI公司争抢的是有经验的工程师，而梁文锋却更青睐顶尖高校的年轻博士生。在他看来，这些人“渴望证明自己”，“可以完全不带功利地投入去做一件事”。

初期，DeepSeek的确可以用技术理想主义吸引天才，但很难长期用理想主义来支付高昂的机会成本，尤其在同行已经开始形成明确市场估值的时候。

近两年，OpenAI、Anthropic不断刷新融资数字，投后估值高达8400亿、3800亿美元。国内的智谱、MiniMax相继挂牌港交所，市值一度突破4000亿和3800亿港元。

大厂提供的是有明确行权价、有IPO预期、有内部回购机制的期权。而不进行外部融资的DeepSeek，则缺乏一个市场化的“度量衡”。在竞争白热化的AI人才市场里，没有明确估值锚点的期权，无异于一张难以兑现的期票。

梁文锋或许正是意识到了这一点，才选择了开放融资。

但这依然是一个极具“梁式色彩”的融资方案。此次融资目标募集金额不低于3亿美元，计划以不低于200亿美元的估值进行。与此同时，工商信息显示，梁文锋在增资后直接持股占比由1%提升至34%，其作为实际控制人的最终受益股份仍为84.29%，表决权比例仍为100%。

他用大约3%的股权，换来了市场对这家公司的价值认证。而董事会的控制权，一票未让。

对比同行，这个数字显得更加意味深长。OpenAI在2026年完成的最新一轮融资，募集1220亿美元，投后估值8520亿美元；Anthropic在2026年2月完成300亿美元G轮融资，投后估值3800亿美元。

3亿美元，放在今天的AI赛道里，甚至比不上同行一轮融资的零头。

梁文锋选择这个体量的融资，目的很明确：为员工手中的期权建立起相对清晰的估值锚点和兑现预期，稳住核心人才，同时确保公司不被短期的增长压力所裹挟。

允许梁文锋再“伟大一次”

R1证明了中国的AI团队有能力做出世界级模型。而在V4之后，梁文锋试图证明的是，中国AI可以建立起自己的“底座标准”，哪怕这条路，注定艰难。

一个值得关注的细节是，V4发布后，华&为昇腾生态的官方账号，专门为DeepSeek-V4做了一场直播。

芯片厂商亲自下场为一款模型站台，这并不常见。它释放的信号超出了产品本身：DeepSeek第一次公开地，将自己的模型发展路线与国产算力的量产节奏深度绑定。

过去几年，中国AI行业有个默认的共识：模型可以开源，算法可以追赶，但英伟达的生态护城河最难撼动。CUDA是英伟达用二十年时间攒下的工具链、算子库、开发框架和开发者习惯，全球AI几乎都默认运行在这套底座之上。

要脱离它，绝非“换块显卡”那么简单。尤其是在训练万亿级参数模型时，难度会被指数级放大。参数规模越大，对显存带宽、通信效率、集群稳定性的要求就越高。

模型团队不仅需要针对国产芯片重写和优化核心算子，甚至还需要自研确定性算子，以保证长时间、大规模训练过程中的精确可复现。

更现实的问题是，在万卡级别的集群里，硬件故障不是意外，而是必然事件。因此，训练框架必须同时具备完整的故障检测、容错与恢复能力。如果效率跑不上去，所谓的低成本就只是空谈。

V4的发布延期超过十五个月，迁移到新算力平台的代价是主要原因之一。

目前，V4的细粒度专家并行方案已经同时在英伟达GPU和华&为昇腾NPU两个平台上完成验证，在通用推理场景中实现了1.5到1.96倍的加速。

推理层面虽然跑通了，但开源代码主体仍基于CUDA，底层工具链尚未完全转移。原因在于昇腾950超节点尚未批量上市，现有产能还撑不起V4-Pro的大规模服务。

不过，DeepSeek已经把下一轮降价，公开写进了国产算力的量产时间表里。昇腾950PR单卡算力达到英伟达H20的2.87倍，是目前国内唯一支持FP4低精度推理的产品，HBM容量高达112GB。规格是真实的，现在只等工业化落地。

梁文锋当年从幻方量化的GPU集群起家，把算力当作研究的弹药。如今，他让中国模型和中国芯片的命运，在商业上深度捆绑，并在所有人面前做出了承诺。这是在芯片封锁的现实下，做出的一个极为务实的选择。

但这条路有个至关重要的前提：模型能力必须始终足够硬。V4把100万上下文做成标配、对智能体能力做专项优化、推出三档推理强度，这些改进不是给评测榜单准备的，而是为真实的企业工作流准备的。只有先在真实的生产场景里证明自己不可替代，DeepSeek的“底座”叙事才能真正成立。

未来，梁文锋和DeepSeek要走的路还很长。国产算力的工业化时间表能否如期兑现？模型能力能否在闭源顶级模型高速迭代的压力下保持竞争力？开发者生态能否形成足够的黏性？……这些问题，就像棋盘上尚未闭合的“气眼”，每一个都关乎生死，而目前，都还没有确切的答案。

在DeepSeek爆火后，被问及“商业公司做无限投入的研究性探索是否疯狂”时，梁文锋曾说过一句话：“我们终其一生所渴望的，就是找到自己，然后成为自己。”

这句话在R1发布后的语境里读，像是一位创始人的理想宣言。如今再读，分量似乎更重了些。

AI竞争的上半场，他用技术效率、定价碘伏和算力豪赌，赢得了继续坐在牌桌上的资格，成就了DeepSeek的第一次“伟大”。

下半场，我们或许可以允许梁文锋再“伟大一次”。这不是因为他已经攻下了某个技术的山头，而是因为他正在为一场注定漫长的远征，搭建那个属于自己的底座。

不诱于誉，不恐于诽，率道而行，端然正己。

这是荀子的精神，如今也成了DeepSeek的信条。