《看懂DeepSeek》系列 · 第 01 篇 · 开篇 阅读时间约 8 分钟
一组让你重新理解AI竞争格局的事实
2025年1月27日，一个没有人听说过的名字——DeepSeek——登上美区App Store第一。它不是OpenAI，不是Google，不是任何一家硅谷公司。它来自杭州，成立不到两年，从未融过一分钱外部资金。
然后，美股历史上最大单日市值蒸发事件发生了：
- 英伟达单日暴跌17%，市值蒸发约6,000亿美元——美股有史以来最大单日市值损失（来源：Bloomberg）
- AI板块当日总计蒸发约1万亿美元
- 被西方媒体称为AI领域的"斯普特尼克时刻"（来源：MIT Technology Review）
- 全球科技行业开始重新审视"只有烧钱才能做AI"的信仰
做出这一切的，是一家成立不到两年、从未融过一分钱外部资金的中国公司。
DeepSeek到底是什么？
先把最基本的信息摆清楚：
| 项目 | 内容 |
|---|---|
| 全名 | 深度求索（DeepSeek） |
| 创始人 | 梁文锋，1985年生，浙江大学毕业 |
| 成立时间 | 2023年7月，杭州 |
| 团队规模 | 约270人，平均年龄28岁 |
| 外部融资 | 成立至2026年4月：零（全部来自幻方量化自有资金） |
| 母公司 | 幻方量化（量化对冲基金，管理规模700亿+） |
| 2026年5月估值 | 约3,500亿元（~$450亿美元）（来源：华尔街见闻、新浪财经） |
一句话概括：DeepSeek是一个由量化基金利润供养的AI研究实验室，用极少的人和极低的成本，做出了全球前沿水平的大模型。
三件必须知道的事
第一件：它不是一家公司，更像一个实验室
DeepSeek的创始人梁文锋反复强调：DeepSeek的目标不是赚钱，而是"无限制的研究"。
这句话不是口号。看证据：
- API定价极低：V4输入价格$0.30/百万tokens，是GPT-5.4的约1/20（来源：DeepSeek官方API定价）
- 所有核心模型全部MIT协议开源——权重、训练代码全部公开
- 创始人从未公开做过商业化路演
- 成立两年半，靠母公司幻方量化的利润输血，不找外部投资者
反方观点：2026年5月，DeepSeek终于启动首轮融资，目标500亿元，梁文锋个人出资200亿元，国家大基金洽谈领投（来源：新浪财经、36氪）。这意味着"不融资的理想主义"正在转向。至于是被现实逼迫还是主动选择，还需要观察。
第二件：它用1/20的成本做到了一流的性能
DeepSeek V3（2024年12月发布）的训练成本仅560万美元，约为GPT-4训练成本的1/20（来源：DeepSeek技术论文）。
2026年4月发布的V4-Pro更进一步：
| 指标 | DeepSeek V4-Pro | GPT-5.4 | Claude Opus 4.6 |
|---|---|---|---|
| 总参数 | 1.6万亿 | 未公开 | 未公开 |
| 激活参数 | 490亿 | 未公开 | 未公开 |
| 上下文窗口 | 100万tokens | 100万+ | 100万 |
| LiveCodeBench | 93.5（最高分） | 未公开 | 未公开 |
| SWE-bench | 80.6% | 接近 | 接近 |
| Codeforces | 3206 | 3168 | 未公开 |
| API输入价格 | $0.30/M tokens | ~$6/M | ~$15/M |
（来源：DeepSeek官方、NoteLM、OfficeChai）
数据说得很清楚：DeepSeek V4在编程和推理基准上已进入全球第一梯队，而价格只有竞品的1/10到1/50。
反方观点：在数学推理（HMMT 2026）上，Claude Opus 4.6得分96.2、GPT-5.4得分97.7，而V4-Pro为95.2——差距不大但确实存在。在MMLU-Pro上，V4-Pro（87.5%）也落后于Gemini 3.1 Pro（91.0%）。"全面超越"的说法并不准确，更准确的判断是"特定领域领先、整体进入第一梯队"。
第三件："DeepSeek震撼"改变了整个AI行业的叙事
2025年1月R1发布之前，全球AI行业的核心信仰是——规模即一切：更多GPU、更多数据、更多资金，才能做出更好的模型。
R1用事实证伪了这个信仰：
- 671B参数、仅激活37B——计算量降低约90%
- 训练成本560万美元（V3）+ 额外~29.4万美元（R1纯RL训练）
- 性能与GPT-4一代模型相当
这个冲击有多大？看英伟达的股价就够了——单日蒸发6,000亿美元，因为市场突然意识到："也许AI公司不需要买那么多GPU。"
但11个月后发生了什么？ 英伟达股价完全恢复。原因是杰文斯悖论（Jevons Paradox）：成本降低→门槛降低→更多公司和场景使用AI→算力总需求反而增加。
这个悖论目前看来是对的。但它不能抹杀DeepSeek证明的那件事：算法创新可以弥补算力差距。
为什么要用一个系列来写DeepSeek？
因为DeepSeek是一个多层嵌套的评估难题：
| 层 | 问题 | 复杂度 |
|---|---|---|
| 技术 | MoE架构+开源策略能走多远？ | 需要理解技术路线 |
| 商业 | "不赚钱"能持续多久？首轮融资意味着什么？ | 需要看清商业逻辑 |
| 地缘政治 | 芯片禁令+海外封禁对它的影响？ | 需要评估外部风险 |
| 母公司 | 幻方量化的盈利能力能支撑多久？ | 需要分析资金来源 |
| 人才 | 270人的精英团队稳定吗？ | 需要看核心人员流动 |
这些问题交织在一起，不能单独看任何一层。
接下来三篇，会依次拆开：
| # | 篇名 | 核心问题 |
|---|---|---|
| 02 | 技术路线——MoE、开源与训练效率 | 技术护城河到底有多深？ |
| 03 | 商业与竞争——幻方背景、变现与对手 | 不赚钱的模式能走多远？ |
| 04 | 风险与判断——芯片、监管与长期价值 | 这家实验室值不值得关注？ |
下期预告
下一篇，我们会拆DeepSeek最核心的东西——技术路线。
要回答几个尖锐问题：
- MoE架构到底是什么？为什么它让DeepSeek用1/20的成本追上一线水平？
- "全部开源"对DeepSeek是护城河还是自毁长城？
- R1-Zero的"纯强化学习训练"为什么被视为AI研究的里程碑？
- V4适配华为昇腾芯片意味着什么？
本文是《看懂DeepSeek》系列第 01 篇。后续 3 篇将陆续推出。 本系列不构成任何投资建议。所有数据来源已在文中标注，如有错误欢迎指正。