“ DeepSeek对AI行业深远影响，成本定价体系、市场估值体系、产业上下游生态，都需要达成新的共识。更重要的是DeepSeek使人们看到了‘信心’，‘信心’能凝聚更多资源（舆论环境、人才、资本、时间、耐心等）让中国科技从技术追赶者变成了引领创新者。”
从2022年底OpenAI发布ChatGPT，中国AI发展的主流叙事始终是“追赶”，而DeepSeek横空出世，将“追赶“变成了“创新”和“普及”，甚至是“重塑”和“超越”。
从1月20日，周日晚间梁文锋登上新闻联播开始发酵，震撼全世界的“DeepSeek R1 560万美元训练成本，并且开源”，使得全球AI人相关的人注意力都聚焦于此。
算力厂家股价大跳水。投AI的VC们不仅忙着研究DeepSeek，还要重新评估AI市场，并且还要承受舆论的巨大压力，比如小红书有篇帖子，标题为“DeepSeek再次证明，中国VC就是个笑话”。更不幸的是，点赞还过千了。DeepSeek的开源也引发了全球对于技术平权的热烈讨论。
当我们情绪得到了宣泄，冷静下来用“系统2”来思考的时候，不禁会问：DeepSeek影响了什么？真实的成本到底多少？未来对AI的投资有哪些影响？技术平权带来了什么？
01失意的VC们
自从ChatGPT问世以来，国内关于AI赛道的投资是最火热的。但DeepSeek的发布，让英伟达这类算力相关厂商的股价大跳水（堆算力的叙事逻辑被打破），成为最大“受害者”。
除此之外，最失意的可能要算是这些VC们了：投的企业没水花，火爆的投不进去。
他们投了大量的钱在“大模型六小龙”们上，但他们支持的大模型创业项目，自始没有一个达到DeepSeek这样的全球热度。
比如几乎与DeepSeek同时发布的，Kimi全新强化学习模型k1.5，虽然是全球继OpenAI之后首个多模态类o1模型，在诸多层面能力接近o1甚至是超越，但没有溅起多大水花，同样淹没在了DeepSeek狂热的舆论中。
舆论不吝给予梁文锋和他的理想主义最大程度的赞扬，同时也施加给中国VC极致的羞辱和讨伐，比如小红书有篇帖子，标题为“DeepSeek再次证明，中国VC就是个笑话”。更不幸的是，点赞还过千了。
宣泄情绪，不如客观分析，VC们为什么没投到DeepSeek？
这个春节假期，大模型的投资人心情是复杂的，既惊喜又恐慌。惊喜在于，中国大模型企业能够这么快赶上世界水平；恐慌则在于，整个AI投资的逻辑可能会发生巨大的变化。
“至少在国内，DeepSeek已经赢了这场战争。它正在进行的一轮融资估值已经达到80亿美元，是行业里估值最高的一家，这都得抢破头或只能定向融。”一位AI投资人说。关注AI赛道的投资人，最近都直接或间接找到梁文锋确认DeepSeek是否正式启动融资，目前没有得到官方答复。爆火后的梁文锋，已经被投资人包围了。幻方杭州总部所在的汇金国际大厦，近期都挤满了记者和投资人。DeepSeek此前并未开放融资，初期资金由幻方量化支持。
按照梁文峰在访谈中的说法，他也尝试过找资方，但碍于自己专注于研究的想法和VC更多考虑商业化的诉求不相符，于是断了念想。为什么没有投到DeepSeek，有两方面原因：1、投资行业对于AI的投资经验判断导致；2、DeepSeek自身定位和基因。
1、AI的投资判断2023年上半年融资战刚开始时，行业内的一个分析是：中国的VC经过上一代AI公司（以AI四小龙商汤、旷世、云从、依图为代表）的“洗礼”，对大模型公司的商业化耐心已经从5年、8年缩短到3年内。这或许是中国大模型公司的普遍困境。VC都是帮LP管钱，都得赚钱，所以商业化是必须提上日程的事，不能一直专注做研究。像金沙江资本的朱啸虎，在DeepSeek这波火爆之前，对大模型嗤之以鼻，明确不投大模型，投AI应用，就是因为研究离商业化太远。
但朱总毕竟是朱总，对VC应不应该参与DeepSeek融资的重点拿捏得很准，“我肯定投啊，这个价格已经不太重要了，关键是参与在这里面”。打不打脸不重要，谁和钱过不去呢。这应该是现阶段所有VC的共识：“跪着”也要进去一些份额。一位省级国资的投资人表示，最近他们机构从上到下，都在跟DeepSeek方面接触，无论如何希望“跪一部分份额”进去，但DeepSeek口咬得很死，坚称目前并没有开放融资窗口。
当然谁也不可能预知未来，也不可能预测到DeepSeek这么火。任何产品的火爆离不开天时地利人和，时点很重要。在当下AI的上升曲线已经变缓，预训练的数据差不多用光了，大语言模型能力不再容易上升，只能转换思路转向以OpenAI的 O1和DeepSeek的 R1为代表的推理模型。“这个时候，是选择继续砸大钱去搏一个上限？还是不追求那5%的进步而是把成本降到原来的10%？DeepSeek代表的降成本路线恰恰出现在一个合适的时间点上。”2、DeepSeek自身定位和基因创始人梁文锋的个人风格十分明显：有极强的技术信仰，对 AGI 有十足的好奇心与求知欲，并且十分刻苦。
接近梁文锋的知情人士形容，梁文锋“说话非常非常慢，每一句话都要思考很久很久才表达出来，而且表达非常简洁。虽然简洁，但说出来的话经常一针见血。”一位幻方量化的员工曾在公司博客中写道，“老板本人每天都在写代码、跑代码。”这是就是梁文锋与其他公司的不同之处。想了解梁文锋的成长经历，可以看下这篇文章：《爆火DeepSeek背后的创始人梁文锋，到底有多牛？》
DeepSeek是一群绝对的技术理想主义者。延续了梁文锋在量化行业对技术人才高要求的风格，DeepSeek基本以 Top2 高校、信息学竞赛金牌选手为基准，团队规模往往不大，但能力超强。看看这份名单就可知晓一二：
DeepSeek 内部的组织文化也非常扁平。无论是北京还是杭州，都只有一个老板：DeepSeek创始人梁文锋。梁文锋以下基本全是打工人。当然同时也是幻方量化创始人的梁文锋也不差钱，还是支撑的起初期DeepSeek的投入，几十亿还是拿的出来。当然和OpenAI几千亿、字节、阿里几百亿的投入相比，确实不是一个量级。一号位是技术发烧友，对技术有天然的敬畏之心与好奇之心；同时在管理上集权风格明显，文化扁平，因而能在技术探索中遇到困难时能自上而下协调资源，快速达到上传下达的效果。这或许就是DeepSeek能成功的关键。当然，这也是和VC们谈不拢的根本原因。
02技术平权
ChatGPT和LLama，OpenAI和Mata一直代表着大模型的两个阵营，闭源和开源之争，就像苹果的IOS和谷歌的安卓。
开源与闭源既是技术策略，更是商业策略。
表面上是发展路线之争，实则是利益之争。
梳理国内知名大模型的开闭源情况发现，阿里云、腾讯等云厂商旗下模型更倾向于开源；智谱AI、百川智能、月之暗面等大模型创业公司则倾向于闭源。
“核心还是盈利模式。”生成人工智能算力成本高昂、研发投入较大给企业盈利带来一定困难。
有钱的大厂都倾向于开源，没钱的公司都倾向于闭源。百度的李彦宏支持大模型闭源，何尝不是经营层面的考虑呢？
DeepSeek的开源，是全球大模型发展的催化剂，可以让全球享受到更低的成本，让AI更快速地走到大众身边。
当然开源、闭源确实也各有利弊。开源会让大家“拿来主义”，不会再考虑底层的创新了。TrainiCEO孙邻家认为，“技术过度平权不一定是好事，会失去创新的驱动力。现在看来，2025年是一个从闭源套壳转为开源套壳的年份，造成的结果可能是出现一堆同质化产品，依然找不到盈利的方法。目前，能做Fine-tuning（大模型微调）的公司没有想象中的那么多，能持续做并且有创新的就更少，缺数据和人才。”开源也好，闭源也罢。技术竞合催生共赢，封锁反噬创新生态。模型变小和经济性提高，对应用肯定是积极影响，但是在应用侧，技术不是最大的制约，而是对产业的理解。
在安卓上长出的软件应用也没有杀死iOS和其应用。LLama的能力也很强大，可以满足多数应用的需求，但实际离我们期待的落地使用也差很远。
相信2025年是AI应用大年。DeepSeek出来之后，做应用的厂商只需要专注在应用本身的前后端交互体验，同时再基于场景做打磨就可以了，这省去了很多基础层面的投入。
DeepSeek的出现短期内可以改变了对算力需求的逻辑，但长期来看，AI和应用的蓬勃发展，必然带来总体需求的增长，算力还是有价值的。
03
DeepSeek的真实成本？
网络的叙事，总是夸大事实来吸引眼球，560万美元真的是DeepSeek的真实成本吗？DeepSeek从来没说过。只不过在DeepSeek V3的论文中提到了自己的训练成本是557.6万美元，但这肯定不是总成本。
DeepSeek到底有多少GPU？DeepSeek没有对外公布过GPU数量，外界都是根据一些信息评估的数据。比如SemiAnalysis的评估数据如下：
1万个A100，1万个H800，1万个H100和3万个H20，组成了DeepSeek的“弹药库”。这里提下为什么这么多型号？英伟达为了遵守不同限制规定，生产了 H100 的多种变体（H800、H20），目前中国的模型供应商仅能获得 H20。2022年10月，美国政府要求英伟达不得向中国销售A100和H100人工智能处理器。2023年英伟达针对中国市场的特供版H800、A800两款芯片也被禁售。英伟达目前针对中国市场的是特供版H20，这个芯片在DeepSeek的影响下，可能也要被特朗普禁售了。而真正有据可查的数据，来源于DeepSeek的论文中，提到了DeepSeek-V3使用了2048块H800 GPU进行训练。
DeepSeek的这一配置可能是其最有效的预训练集群。作为参考，Meta在其论文中提到使用了超过16000块GPU的集群，Meta用的H100，而H800的性能是不如H100的。无论如何，虽远低于Meta的规模，但DeepSeek仍属于计算资源最丰富的机构之一，而且DeepSeek是2021年国内最早具有万卡的5家企业之一，其他4家都是互联网大厂。DeepSeek的总成本都有哪些？除了购买GPU的费用以外，DeepSeek还需要承担实验与预训练成本、运营及电力成本、人力成本等等，如果真要均摊下，确实不低，这也是做大模型的公司，第一门槛就是找钱。1、实验与预训练成本
模型开发过程中用于实验的总计算量远高于最终报告的数字，语言模型实验室常会通过scaling laws降低预训练风险，这意味着在大规模训练之前会进行数千次小规模实验（如10亿至70亿参数量），以验证模型的有效性。
据推测，DeepSeek-V3的预训练实验总计算量可能是论文中报告数字的2-4倍，在1000万-2500万美元之间。此外，DeepSeek还可能使用了其他项目（如DeepSeek R1 Lite）作为合成数据的来源，进一步增加了计算开销。
2、运营及电费成本
对于1万块以上的A/H100 GPU集群，电费每年可能超过1000万美元，这也是笔不小开销。这么多GPU既要找地方放又要维护吧，当然也可能与云服务提供商合作，这部分成本至少数亿级别。
3、人力成本
DeepSeek-V3论文中有139名技术作者，当然这里面有他们的员工，有应届毕业生，也有在校的实习生。如果按照人均60w年薪，大概也是1000多万美元。
全年运营成本：结合硬件、实验、运营及电力和人员成本，DeepSeek 一年的运营成本肯定不会低于3亿美元。SemiAnalysis给出的估算是13亿美元。
560万美元都是很多自媒体为了打鸡血，抓眼球的断章取义，反正普通老百姓也分辨不了，怎么能煽动情绪怎么来写。不要过度神话，也不要无脑贬低。多用用我们大脑的“系统2”理性分析。
对权威保持警惕、永远从问题的本质倒推，坚定创新，才能引领潮流。短期的快钱或许会流向幸运的人，但长期的资源应该流向那些擅长将资源应用到最好的团队。这也是创业的魅力所在~！
希望2025年，中国不再只有一个DeepSeek！
原文标题 : 希望2025年，中国不再只有一个DeepSeek
