跳到正文
虎嗅·· 4 小時前精選AI 評分77

DeepSeek完成千億人民幣融資,作者追問IPO籌備消息的時機

“Deepseek,慌啥子嘛”

AI 導讀

DeepSeek總規模達千億人民幣的最新一輪融資正式落地並完成工商變更,多家媒體報道其正為科創板IPO作準備,計劃年內啟動上市流程。作者由此追問DeepSeek選擇此時推進IPO的原因,並將融資與上市動向放在其過往的工程敍事及市場對其發展模式的認知中審視。文章最後整理5期硅谷播客,討論DeepSeek對美國AI產業的衝擊、模型訓練成本、開源模型的商業模式及融資需求。

推薦理由

文章將DeepSeek的千億人民幣融資及IPO籌備報道,與其過往的工程敍事和硅谷對開源模型的討論並置,呈現市場解讀的落差。

正文 · 繁體中文

“慌啥子嘛”這句話最近被趙本山唱火了,但很快就吵了起來。正方認為這是一首安撫人心的歌,勸人們放慢腳步,給自己留點容錯空間,“不必事事追求完美”,很治癒——尤其是趙本山這位闖了幾十年江湖的老人説出這句話,更有説服力;反方認為這首歌太不接地氣,不懂人間疾苦,很多人光是維持體面生活就已經拼盡全力,根本沒有辦法“不慌”——尤其是趙本山這位早年買過私人飛機、玩過中國足球、過上富裕生活的成功人士説出這句話,更顯得刺激。

乍看起來,這種爭論真可謂老太太不愛吃榨菜——硬是有點閒。可惜我是四川人,完全能夠get到這首歌吵不起來才怪。因為在四川話裏(尤其是牙尖的成都話裏),“慌啥子嘛”本身就有兩種讀法:

一種的重音在“慌”,“慌~啥子嘛”。這種讀法更接近與正方的解釋,是告訴別人不用着急,慢慢來。另一種的重音在“子”,“慌啥子~~~嘛”,讀的時候“子”顯得尖鋭綿長,就像用小刀紮了自行車胎,給放了氣的那種呲的一聲。這種讀法無比接近反方的解釋,是一種質問的語氣,通常用在對方已經“慌了”並且“慌慌張張地做出某個決定/行為”了,自己作為觀察者表達極端不理解。例如看到司機因為馬虎大意出車禍,就可以説,“慌啥子~~~~嘛,這哈撞到人了嘛。”

另外,“嘛”在四川話裏也是一個很微妙的語氣詞。尤其體現在四川本地新聞欄目去採訪路人的時候,比如問他們如何評價某項舉措或者某個市政建設的結果,一些害羞的大爺大媽經常會説“支持嘛”“作為市民我們要配合嘛”“人人都出一份力嘛”。這裏的“嘛”其實是個語句終止符,潛台詞是“該説的都説了,就這樣吧”。

你看語境一還原,反方不爽的點就呼之欲出了:難道“慌”是我的主動選擇嗎?難道我不知道“不慌”會更舒服嗎?除了“慌慌張張”的節奏我真的能有其他的選擇嗎?需要被“質問”的應該是我嗎?——如果這些答案都是否定的,那這首歌的“雞湯味兒”未免有點太濃了,還不如韓寒十年前的那句“聽過了很多道理但仍然過不好一生”更能讓心裏好受點呢。

反過來,“慌啥子嘛”的規勸、指點的意味太重了,大部分人的生活根本沒必要反覆被這四個字追問,大家生活圈子就那麼大,社會分工就那麼點,就算“小不忍”生活裏也沒多少“大謀”,何必呢。把敍事對象換成那些更權威的、影響力更大的、對很多事情更有決定權的,更容易“小不忍亂大謀”的大事大人物還差不多。比如DeepSeek最新的這一輪融資,就很適合用上“慌啥子嘛”。

這一週,Deepseek的最新一輪總規模達到千億人民幣的融資正式落地,完成了工商變更。根據工商信息,這一輪融資共計有超過30家主體參與,畫像跨度巨大,其中既包括騰訊、中國移動、中國電信、寧德時代、兆易創新、小紅書、vivo等一系列產業方,也包括礪思、博裕、IDG、高榕、君聯、正心谷這類專業的VC/PE,足以證明Deepseek在中國人工智能產業裏的旗幟地位。

當然嚴格説來這一切都沒什麼值得好意外的,早在10月份媒體就曝光了這輪的融資計劃。並且通過其中某些投資人在同期風風火火的募資進展,具體誰會參與了Deepseek本輪的投資,人們早就猜到了七七八八。所以最開始的時候這則消息的轉發量並不大。但人們很快發現了一個彩蛋:

這次參與投資的31個主體,並沒有直接成為Deepseek本體杭州深度求索人工智能基礎技術研究有限公司的股東,而是通過一家SPV——杭州程硯企業管理諮詢合夥企業(有限合夥)——完成的投資。而在此前的第一輪外部融資中,新增的投資方同樣是通過一家SPV——杭州程礪企業管理諮詢合夥企業(有限合夥)——完成的投資。這兩個兩個SPV的執行事務合夥人都是杭州程策商務諮詢有限公司,而梁文鋒持有杭州程策99%的股權。

這意味着,雖然新增的投資者通過兩輪融資獲得了相應經濟權益,但對於平台所持有的DeepSeek股份,其表決權通常由執行事務合夥人集中行使,並保證了梁文鋒在第二輪融資後,個人直接持股加上寧波程恩的持股,合計仍有持有75.31%的股份。

在很多人看來,這就是Deepseek籌備IPO的直接信號。因為在技術層面上,在大A的上市審核流程裏,監管尤其關注實際控制人的認定和穩定性,複雜的股權安排、可能改變控制權的對賭條款都需要解釋或清理,而這樣的股權結構設計既方便未來股改,也降低了大量投資者分別參與公司重大決策的複雜程度。接着到了11月19日下午,財聯社等多家媒體就在報道中直白提到,“DeepSeek的IPO籌備也在推進當中……已聘請中信證券為其在科創板IPO做準備,計劃於年內啓動上市流程。”

這時候大家才意識到,事情好像嚴重了。

中國人寫故事的時候有一個狀語叫做“悠悠”,用來指看起來“漫不經心”實際上“胸有成竹”的那種勁兒。如果你看到小説裏寫到“某人悠悠地説”,那接下來大概率就是一個錦囊妙計或者一句道破天機。其實很長一段時間裏,這也是是Deepseek最貼切的形容詞:不知道從哪裏來,“忽然間”讓人們眼前一亮,而且看起來一切都那麼輕巧、寫意。

如果再誇張點,我們甚至可以説正是這份“悠悠”才讓Deepseek成為了一面旗幟,就是這股勁兒才讓我們正視所謂的“工程思維”,正視我們全面工業化以來積累的“工程能力”,讓我們回過神來,哦,我們原以為的這場看起來無限類似於資本消耗戰、贏家即將確定的全球AI競賽,其實遠充滿了不確定性不確定性。哦,原來,算力和資本的優勢並沒有想像中那麼牢不可破,原來工業領域裏的後發者優勢仍然能夠奏效。

甚至直到今年7月,那份所謂“DeepSeek投資人閉門交流實錄”在網上瘋傳的時候,人們的注意力仍然高度集中在Deepseek的商業理念有多麼反常識,有多麼專注於產品,梁文峯的公司治理理念有多麼“仙兒”,整個Deepseek對人工智能產業的理解有多通透、多值得那些急躁的同行們借鑑。

結果這才過了3個月,DeepSeek不僅迅速完成了規模翻倍的第二輪融資,還直接一步到位,成為了準IPO公司,準備一頭直接扎進資本市場的最中心,承受市值管理和所謂“股東權利”帶來的壓力。這種轉向似乎有點太極端了。哪怕我們祛魅Deepseek這家公司的象徵意義,用本質的敍事將他們還原成一家身處長週期、高風險的硬科技賽道公司,把IPO還原一個企業發展過程中的常規融資工具之一,也很難想像一家剛剛在一級市場證明瞭自身擁有超強融資能力的公司,會以迫切地姿態積極推動自己進入二級市場。

至少從公開信息層面來看,DeepSeek遠沒有到必須依靠IPO才能延續研發的困境,從2026年4月的V4,再到9月的V4.1-Flash,DeepSeek也一直保持着合理的模型迭代節奏。在這個過程中,DeepSeek甚至還有餘力探索Agent、國產算力、具身智能這些支線的投資,公開可查的投入就包括Winverse、理格萬物,還有宇樹科技的股份配售。

所以到底是哪個環節的影響被嚴重低估了或者被忽略了?不知道,反正特別適合感嘆一句“慌啥子嘛”。

而且這個時間節點未免有點太微妙了:2026年11月19日,是開源派永恆的敵人、中國威脅論最新扛把子、硅谷邪教信徒Anthropic IPO的大喜日子。在此之前外媒是如是描述Anthropic上市的象徵意義的:“這是為全球AI產業完成一次歷史性的價值確認,證明那些動輒數千億美元的估值、天文數字般的算力投入,以及對未來生產力革命的宏大想像,最終能夠在公開資本市場獲得認可。”

理論上,如果我們要想為我們的路線正名,向外界傳遞出信心,理論上11月19日也確實是“貼臉”開大的最好時機。可實際上從Anthropic開始啓動IPO到正式完成IPO再到開盤兩個交易日,整個過程是這樣的:10月15日,多家媒體報料,部分投資者在Anthropic投資者日之後,將對其IPO的估值預期從約2萬億美元下調至1.5萬億美元——11月19日,Anthropic以83美元發行價完成IPO,募資約813億美元,市值勉強超過了1.2萬億美元,所幸收盤漲至97.17美元——第二個交易日,Anthropic又跌至88.91美元,幾乎回吐上市首日大部分漲幅,同一天,標普500下跌2.02%,納斯達克下跌2.25%。

老鐵們,我用“喪事喜辦”來形容11月19日Anthropic的IPO其實一點也不誇張。Anthropic在這次IPO過程中所發生的一切,受到的質疑、遭遇的挑戰,Deepseek也一定看在眼裏,更是絕對比我這個小編輯看的更全面。

在這個前提下,為什麼所謂的消息人士會選擇在11月19日流出這個消息?他們在暗示什麼?如果一切真如他們所説,那為什麼Deepseek為什麼選擇現在?他們為什麼認為這是一個不錯的“消息流出”的窗口期?

再説點格局小的話吧,這段時間友商們動不動就寫《投資人已經不看xxx了》《xxx連A輪投資人都不賺錢了》這種文章,哪一個不是因為一場看起來匆匆忙忙不那麼完美的ipo開始,哪一篇沒有暗戳戳地用這麼一場不完美的ipo在證偽一個賽道或者一家公司?這些文章又有哪一個被輿論指責沒有媒體素養了?偏偏你看K線還真亦步亦趨的配合。

反正在我的常識裏,或者我的生活經歷告訴我,IPO的確只是一個工具,一種機制,也從來不是終點,可市場從來就不是一個只講工具理性的地方。再退一萬步來講,要不“量化交易”咋琢磨出來的呢?達利歐老爺子可早就鋭評過了,“人的自發決策很容易被情緒、偏見毀掉;機器可以嚴格執行經過驗證的原則,避開人的主觀漏洞”。

不知道,反正似乎千言萬語,也比不過感嘆一句,“慌啥子嘛”。本期的VC Weekly,我也因此篩選了5期來自硅谷的播客,這5期大概的內容可以歸納為三個問題:硅谷如何看到DeepSeek每一步的發展?我們一直説DS帶來了巨大的衝擊,那他究竟打破了什麼共識?美國人民反思為什麼DS沒有誕生在美國?

因為“錢給的太多太容易”,所以美國才沒有DS?

2025年1月31日,硅谷創投播客《All-In Podcast》更新《DeepSeek Panic,US vs China,OpenAI$40B?,and Doge Delivers》。當期由風險投資人查馬斯·帕裏哈皮蒂亞(Chamath Palihapitiya)、傑森·卡拉卡尼斯(Jason Calacanis)、大衞·弗裏德伯格(David Friedberg)等人蔘與討論,嘉賓包括Uber聯合創始人特拉維斯·卡蘭尼克(Travis Kalanick),以及時任白宮AI與加密貨幣事務負責人的大衞·薩克斯(David Sacks)。

DeepSeek發佈R1後,美國市場一片恐慌。英偉達股價暴跌,連帶着台積電、博通等公司也遭到拋售。當時流傳最廣的説法,是DeepSeek只花了約600萬美元,就訓練出了能夠媲美OpenAI的模型。

查馬斯注意到一個被人們忽略的細節。DeepSeek在模型開發過程中對GPU內存的使用進行了優化,還通過更底層的PTX編程,提高了英偉達GPU的運行效率。他懷疑,中國企業受到的算力限制,反而迫使研究人員尋找美國公司沒有迫切動力探索的方法。

他隨後提出一個讓VC尷尬的問題:如果一家AI創業公司剛成立,投資人就給它2億美元,它還會不會費心研究這些問題?或許給它200萬美元,反而更容易出現DeepSeek這樣的創新。

查馬斯用了一句點題:Constraint makes for great art——“約束催生偉大的創造。”

弗裏德伯格則把問題轉向了投資回報。他認為,如果模型性能不斷提升、價格持續下降,那麼模型本身創造的價值未必能被模型公司全部拿走,應用、用戶乃至其他產業可能獲得更多收益。他還提到傑文斯悖論:技術效率提高會降低使用成本,反而可能刺激總需求增長。

薩克斯對此保留意見。他指出,DeepSeek R1當時主要與OpenAI幾個月前發佈的o1競爭,領先實驗室仍在繼續推進前沿模型。現在就斷言基礎模型已經商品化,判斷過早。

這一期最值得聽的地方,是幾位投資人對DeepSeek的反應並不一致。有人開始質疑鉅額融資對創新效率的作用,有人擔心模型公司的利潤空間,還有人堅持認為前沿研發仍然有足夠高的投資回報。

DeepSeek,是當代的“斯普特尼克時刻”(Sputnik Moment)

這句非常經典的評價,來自2025年2月6日硅谷風險投資機構a16z旗下《The a16z Show》更新的《DeepSeek:America's Sputnik Moment for AI?》,邀請a16z負責基礎設施投資的普通合夥人馬丁·卡薩多(Martin Casado),以及曾長期負責微軟Windows業務、現任a16z董事會合夥人的史蒂文·辛諾夫斯基(Steven Sinofsky),討論DeepSeek的歷史意義。

節目標題中的Sputnik,指的是1957年蘇聯發射的世界第一顆人造衞星。那次事件震動美國,也直接推動了美國此後在航天、教育和科學研究上的鉅額投入。

辛諾夫斯基與卡薩多對這個類比很感興趣。他們都有過親歷上一輪計算產業變化的經歷,尤其熟悉互聯網早期網絡設備、光纖通信和軟件公司的興衰。

他們將DeepSeek與當年的互聯網基礎設施競爭放在一起討論。當技術進步持續降低某種基礎能力的成本,早期擁有技術優勢的公司,也未必能長期控制整個產業的利潤。思科、美國在線、AT&T等公司的歷史,為理解這類變化提供了參照。

這期可以結合辛諾夫斯基同期寫的文章《DeepSeek Has Been Inevitable and Here's Why》一起聽。他認為,DeepSeek的出現有很強的歷史必然性。美國科技產業反覆經歷過類似過程:某種曾經昂貴、稀缺、集中在少數企業手中的技術能力,隨着工程進步逐漸普及。

這種觀點對DeepSeek的評價相當高。它也提醒美國投資人,英偉達一天跌掉近6000億美元,或許反映了市場此前對AI基礎設施的價值判斷存在問題。

DeepSeek的真實訓練成本,到底是多少錢?

2025年2月7日,AI投資播客《No Priors》更新第100期《DeepSeek,Deep Research,and 2025 Predictions》。節目由Conviction創始人薩拉·郭(Sarah Guo)與硅谷天使投資人埃拉德·吉爾(Elad Gil)共同主持,兩人曾投資多家美國AI公司。

吉爾一上來就承認,DeepSeek在強化學習方面取得了重要創新,但他認為市場明顯誤讀了訓練成本。所謂市場中傳聞只花了550萬至600萬美元,實際上主要指的是特定訓練階段的算力支出。此前的數據處理、研究實驗、工具開發,以及其他模型訓練都需要資金。吉爾推測,DeepSeek此前可能已經投入了數億美元級別的算力成本。

薩拉·郭同意這項成本遠不止600萬美元,卻依然認為DeepSeek打破了一種長期存在的想像:Narrative violation——“敍事被打破了”——即使DeepSeek實際花費數倍於600萬美元,距離美國正在討論的數百億美元融資、數千億美元數據中心投資,仍然相去甚遠。

吉爾還提供了一組數字:按照他們團隊的測算,在此前18個月裏,同等能力模型的單位Token推理成本已經下降約180倍。DeepSeek的出現加劇了公眾對這種成本下降趨勢的關注。

更值得聽的是兩人關於模型商品化的爭論。吉爾認為,不同模型之間的性能差距已經明顯收窄,領先模型的優勢很可能只能維持一段時間。但他也提醒,技術不斷改進,仍然可能讓某家公司突然重新拉開差距。

他們進一步討論了未來模型公司與應用公司的關係。假如基礎模型能力越來越接近,風險投資人究竟應該為模型研發本身付出多高的估值溢價?這是硅谷到今天仍然沒有完全回答的問題。

開源,到底給美國AI帶來了什麼樣的衝擊?

2026年6月25日,硅谷創投播客《20VC》更新《Deepseek Raises$50BN|Wall St's$725BN AI Question》,由主持人哈里·斯特賓斯(Harry Stebbings)與SaaStr創始人、風險投資人傑森·萊姆金(Jason Lemkin),以及Scale Venture Partners普通合夥人羅裏·奧德里斯科爾(Rory O'Driscoll)展開討論。

當時DeepSeek剛剛完成首輪外部融資,金額約74億美元,估值達到500億美元。節目對DeepSeek的討論集中在兩個問題:一家曾經依靠有限資金完成技術突破的公司,為什麼也需要數十億美元融資?當中國開源模型的能力逐漸追上美國閉源模型,美國投資人該如何評估後者的盈利能力?

萊姆金對DeepSeek的態度相當複雜。他認可中國企業發展開源模型的戰略意義,但同時認為,所謂免費開源的背後,依然需要有人支付訓練費用。他甚至説:Open source is a bit of a fake because China's paying for all the training——“開源多少有些名不副實,因為訓練費用是中國在支付。”

這句話帶有明顯的地緣政治偏見。他認為中國有動力持續資助開源模型,以免未來經濟基礎設施完全依賴美國的OpenAI、Anthropic。奧德里斯科爾的看法則更接近商業投資。他認為,如果開源模型能夠以低得多的價格提供相近的能力,那麼領先的閉源模型公司可能少賺一些,第二梯隊會損失更多利潤,排名靠後的公司甚至可能無法繼續經營。

節目還引用了紅杉資本投資人大衞·卡恩(David Cahn)此前關於AI資本開支的討論。當全球AI產業的年度投入達到7250億美元量級,需要創造多大的經濟收益才能覆蓋這些投入?

奧德里斯科爾粗略計算,如果主要依靠勞動力替代來創造相應收益,AI需要替代美國約7%—8%的勞動力,才能讓這筆賬成立。他認為這是非常高的門檻。

這裏還有一個值得關注的分歧:DeepSeek可以通過開源降低全球模型價格,但它自己如何回收模型研發的成本?當美國競爭對手已經獲得鉅額融資,DeepSeek能否繼續堅持原有的研發模式?

在美國再造一個DeepSeek,至少要花300億

2026年10月5日,硅谷科技播客《Sources with Alex Heath》更新《Reflection’s founders on building a DeepSeek of the West》。主持人亞歷克斯·希思(Alex Heath)邀請Reflection AI兩位聯合創始人:CEO米沙·拉斯金(Misha Laskin),曾負責Google DeepMind旗下Gemini的獎勵模型研發;CTO揚尼斯·安東諾格魯(Ioannis Antonoglou),曾參與AlphaGo、AlphaZero研發,並負責Gemini的RLHF工作。

Reflection成立於2024年,已經累計融資46億美元(約合人民幣307億元),投資方包括英偉達、紅杉資本和光速創投,最近一輪估值達到250億美元。公司把自己定位成“西方的DeepSeek”,打算憑藉新推出的開源權重模型Beam,與中國AI實驗室競爭。

希思問了一個讓兩位創始人有些尷尬的問題:美國有Meta這樣的巨頭,曾經也擁有領先的Llama模型,為什麼最近一年多,開源模型的領先位置反而被DeepSeek等中國公司佔據了?

拉斯金認為,商業激勵很大程度上決定了美國模型公司的選擇。過去幾年,OpenAI、Anthropic通過API收費迅速建立起商業模式,投資人也更願意支持這種能夠直接產生收入的模式。Meta雖然推出過優秀的開源模型,但持續投入的商業動力並不充分。

他還用了一個房地產行業的類比:使用閉源模型就像租房,客戶每個月交租金,卻始終無法擁有房子。隨着企業對AI的依賴越來越深,他們會開始考慮自己掌握模型、部署基礎設施,以及控制數據。

拉斯金説:Closed models are the equivalent in real estate to renting an apartment——“閉源模型在房地產市場裏的對應物,就是租公寓。”

Reflection也準備沿着這個方向賺錢。公司開放Beam的模型權重,使用Apache 2.0許可證,允許企業自行修改和商用;同時向客戶銷售模型部署、定製和基礎設施服務。

但這裏有個很有意思的反差。DeepSeek最早轟動硅谷,靠的是在資源有限的情況下做出優秀的模型;Reflection卻已經融資46億美元,才準備推出自己的第一個開源權重模型。它甚至堅持從頭訓練Beam,避免通過蒸餾競爭對手模型獲得能力,因為團隊希望完全掌握訓練過程,尤其是後續強化學習的改進空間。

兩位創始人還談到了開源模型的安全問題。安東諾格魯認為,全球最強大的AI系統如果集中在一兩家機構手中,會形成單點故障風險。但當主持人追問,假如Reflection未來研發出了極其危險的模型,還會不會堅持開放時,兩人也承認,模型能力達到某些水平之後,可能需要增加發布限制。

來源:虎嗅 · huxiu.com