职贝云数AI新零售门户

标题: DeepSeek 估值 3500 亿,到底凭什么? [打印本页]
作者: YtC5jxkc3    时间: 2026-5-30 20:39
标题: DeepSeek 估值 3500 亿,到底凭什么?
系统在相变
你以为一家公司值多少钱，是由它的支出决议的？错了。

说白了，这个世界的估值逻辑，比你想象的粗暴得多。

5 月初，DeepSeek 完成了公司史上第一轮融资，金额 500 亿元人民币，投后估值超过 3500 亿。然后创始人梁文锋个人出了 200 亿。

一家没有公布过年支出的公司，一家号称「不融资、不商业化、不路演」的公司，一家 C 端产品完全收费、API 定价低到离谱的公司，凭什么值 3500 亿？

更离谱的是工夫。23 天前，DeepSeek 的估值还是 100 亿美元。23 天后，515 亿美元。涨了接近 5 倍。

这不是正常的商业估值。这是系统在相变。

物理学里有个概念叫相变（Phase Transition），水在 99 度的时分还是水，到了 100 度忽然变成蒸汽。系统在临界点的跃迁，不是线性的渐变，而是形态的渐变。

DeepSeek 这轮融资，就是中国 AI 行业的 100 度。

我们来做个对齐。
定价权从来不在你本人手里

先说一个反常识的理想。

全球 AI 行业的估值逻辑，从来不是由公司本人决议的，而是由定价权（Pricing Power）决议的。

经济学里，定价权指的是行业里那个最有话语权的玩家，经过本人的定价行为，定义整个市场的价格区间。在 AI 行业，这个定价权不断握在美国公司手里。OpenAI 估值 8500 亿美元，Anthropic 估值 3800 亿美元，其他公司按这个锚点打折。

中国公司呢？打个折就算了。

这不是由于中国公司不行。说真的，是由于全球资本市场的估值体系，本质上是一个正反馈系统（Positive Feedback System）。控制论告诉我们，正反馈的特征是赢家通吃，抢先者获得更多资源，进一步拉大差距，直到系统达到一个新的平衡或者崩溃。

美国 AI 公司先拿到了定价权，然后正反馈末尾运转。更高的估值 → 更多的资金 → 更好的模型 → 更高的估值。这个循环一旦启动，后来者只能跟跑。

但 DeepSeek 做了一件事，打破了这个正反馈。

2025 年终，DeepSeek 发布了 R1 模型。完全开源，MIT 答应证。功能对标 OpenAI 的 o1，训练成本却低了一个数量级。它用 2048 块 H800 跑了不到 600 万美元，就训练出了一个和全球最顶尖模型掰伎俩的东西。

600 万美元。OpenAI 训练 GPT-4 的成本估计在 1 亿美元以上。差了快 20 倍。

音讯一出，英伟达单日市值蒸发近 6000 亿美元。全球科技股集体跳水。

为什么一个开源模型能让英伟达一天蒸发 6000 亿？

由于它传递了一个信号：算力的硬约束能够没有想象中那么硬。
创造性毁坏，收费是最贵的武器

(, 下载次数: 4)
创造性毁坏
说到这里，我们要引入一个关键模型。

经济学家约瑟夫·熊彼特（Joseph Schumpeter）在 1942 年提出了创造性毁坏（Creative Destruction）。他的意思是，资本主义的提高不是平均的改良，而是经过新组合对旧组合的毁灭性替代。

DeepSeek 的开源策略，就是一次典型的创造性毁坏。

传统 AI 公司的商业形式是封闭的。你用我的模型，付我的钱。模型越好，价格越高。GPT-4 的 API 价格比 GPT-3 贵，由于 OpenAI 需求回收训练成本。这就是 Scaling Law 的商业推论：更好的模型需求更多算力，更多算力需求更多钱，更多钱需求更高的价格。

DeepSeek 反过来了。它把最好的模型收费给你用。

这不是情怀。这是算账。

开源到底在干什么？用人话讲，它在把生态建设的边际成本（Marginal Cost）压到接近零。全球的开发者帮你优化、适配、推行，硬件厂商自动适配你的模型，云服务商抢着提供部署方案。你的生态在收缩，但你一分钱推行费没花。

对比一下 OpenAI。GPT 的每一个新版本，都需求海量的算力投入、营销投入、生态维护投入。Scaling Law 还在发挥作用，每一代模型的训练成本都高于上一代。成本是指数级增长的。

而 DeepSeek 用开源把本人的生态成本压到了接近零。

这就是为什么 Altman 和 Amodei 急了。不是由于他们打不过，而是由于收费的东西一旦末尾分散，付费的就会变得很难卖。就像当年比尔·盖茨厌恶 Linux 一样。开源收费，没人情愿用 Windows 了。

回到刚才的成绩。DeepSeek 的开源策略，不是在做慈善，而是在对整个 AI 行业的定价体系发动一次创造性毁坏。你靠收 API 费赚钱，我就收费。你靠封闭生态锁用户，我就开放生态建标准。

谁更聪明？取决于你看的是短期还是长期。
开源的致命硬约束：你不赚钱

但这里有个成绩。

开源有一个致命的硬约束。你不赚钱。

模型收费，API 定价极低，C 端产品完全收费。用户倒是爽了，但支出从哪来？

DeepSeek 从未正式披露过 ARR 数据。有行业分析说，按照它的 API 定价全额收费，实际成本利润率接近 545%。

545% 的利润率，听着很美。但那是实际值。我们算个账，就像说一个人实际上能跑进 9 秒 5 一样，实际和理想之间隔着一整个训练场。

实践状况是，C 端收费意味着最大的流量来源不产生支出。DeepSeek 的国内月活曾经到了 1.27 亿，AI 原生 APP 行业前三，但这些都是收费用户。大规模的企业级付费支出尚未构成规模覆盖。

往年 5 月，DeepSeek 又把旗舰模型 V4-Pro 永世降价 75%。价格直接压到原来的四分之一。

降价容易降价难。一旦用户习气了你的低价，你就被锁在了「便宜」这个定位上。

这就是途径依赖（Path Dependence）。经济学家保罗·大卫（Paul David）在 1985 年研讨过这个现象，QWERTY 键盘之所以成为标准，不是由于它最优，而是由于打字机时代的选择被锁定了，后来者只能跟从。哪怕 Dvorak 键盘效率更高，也无法取代它。

DeepSeek 选择了低价途径。这条途径会把它带向何方？
3500 亿买的不是支出，是底座的能够性

(, 下载次数: 4)
基础设备的估值逻辑
所以一家不赚钱的公司，凭什么值 3500 亿？

答案不在 DeepSeek 身上，在它背后的融资结构里。

这轮融资 500 亿，国家大基金领投。

国家大基金领投，这不是单纯的市场行为。DeepSeek 不只是一家公司，它是中国 AI 基础设备的候选建设者。

这里有个关键认知。基础设备的估值逻辑，和普通商业公司完全不同。

基础设备的经济学特征是什么？高固定成本，低边际成本，强网络效应，自然垄断倾向。一旦某个玩家成为标准，后来者的切换成本极高，市场会自然收敛到一两个主导者。

想想微信。微信聊天收费，但它靠支付、小程序、广告赚钱。当它成为社交基础设备之后，赚钱的方式本人找上门。微信不需求靠聊天收费，就像电网不需求靠电表赚钱，它靠的是不可替代性和规模效应。

DeepSeek 的目的，就是成为 AI 时代的微信。

这也是为什么梁文锋情愿自掏 200 亿。他不是在投资一个产品，他是在押注一个方向，AI 模型会成为像水电煤气一样的基础设备。基础设备不需求靠跌价赚钱，靠的是规模和不可替代性。

但这里有个反常识的风险，我必须说。你能够觉得基础设备一旦建成就是铁打的。其实不是。

微信从收费聊天到支付赚钱，中间花了好几年。那几年里，微信没有真正意义上的竞争对手。DeepSeek 可没有这个工夫窗口。大模型的迭代速度比社交产品快得多，GPT-5、Claude 5、Gemini 2 都在路上了。

用顺应性景观（Fitness Landscape）的模型来看，DeepSeek 目前站在一个部分高点上。但顺应性景观不是运动的，它在持续变动。当环境变化时，明天的高点能够是明天的低谷。要到达更高的山峰，你必须先下山。而下山，意味着风险。
目的函数设错了，估值就是泡沫

说到科创板，这不是偶然的选择。

科创板对中国 AI 公司有一个独特的优势，它允许不赚钱的公司上市。这背后的逻辑是，用资本市场的工夫来换取技术打破的空间。

寒武纪，科创板上市，前三季度营收 46 亿，同比暴增 23 倍，终于扭亏为盈。海光信息，科创板上市，一季度营收 40 亿，同比增长 68%，稳步盈利。这些公司上市的时分都不赚钱，甚至亏了很多年。但市场给了它们极高的估值，由于它们代表的是中国半导体和 AI 的国产替代逻辑。

但我必须提示你，这条路上有前车之鉴。

AI 四小龙，商汤、旷视、云从、依图，当年也是估值几百亿的 AI 明星，也是不赚钱就上市，也是被寄予厚望。结果呢？上市后市值大幅缩水，盈利遥遥无期，赚的是辛劳钱。

为什么 AI 四小龙的估值站不住？

说白了，由于它们的目的函数设错了。

四小龙做的是非标的定制化项目——安防、智慧城市。这个市场的特征是：项目制、回款慢、利润薄、规模天花板低。你在做一个线性增长的业务，却给了它指数增长的估值。这中间的差距，就是泡沫。

大模型不一样。大模型做的是标准化产品，是智能世界的底座，通用性强，拥有平台级的想象空间。Kimi 的 K2.5 模型发布后，付费订阅与 API 调用激增，支出在一个月内暴增 1 亿美元。这就是大模型商业化的迸发力，四小龙从来没有过这种曲线。

但迸发力不等于确定性。

DeepSeek 的低价策略，到底是护城河还是牢笼？

低价帮你获取用户，但低价也锁死了你的降价空间。微信的收费聊天把用户锁住了，然后靠支付、小程序、广告赚钱。百度搜索也是收费的，但从来没有建立过异样的生态壁垒。

差别在哪？我们来算笔账。

微信创造了一个正反馈闭环（Positive Feedback Loop）。用户越多 → 开发者越多 → 小程序越多 → 用户更离不开。这个闭环一旦启动，它就自动加强。

百度搜索没有这个闭环。用户用百度搜索信息，搜完就走。搜索行为本身不产生网络效应。

DeepSeek 能不能建成正反馈闭环，才是 3500 亿估值最终能否站住的核心成绩。
梁文锋：从封闭系统跳到开放系统的人

(, 下载次数: 4)
从封闭到开放
回到梁文锋这个人。

他不是典型的 AI 创业者。没有 BAT 的履历，没有斯坦福的博士，没有在硅谷混过。他是广东湛江吴川人，父母都是小学语文教师。初中就把高中数学学完了，末尾看大学数学。2002 年去了浙江大学读电子信息工程，后来又读了信息与通讯工程的硕士，做机器视觉研讨。硕士论文写的是基于低成本 PTZ 摄像机的目的跟踪算法。

低成本，高效率。从他做学术的时分，这个基因就在了。

2008 年，全球金融危机，23 岁的梁文锋在浙大读研，同时末尾搞量化买卖。用机器学习技术探求全自动量化买卖，积累市场行情数据和宏观经济数据。2015 年创立幻方量化，到 2021 年管理规模打破千亿，成为中国最大的量化私募之一。

一个人从 23 岁末尾用 AI 赚钱，到 38 岁管理千亿资金，然后他决议去做大模型。

这不是跨界，是升维。

量化买卖和大模型，底层逻辑是一样的——算法 + 数据 + 算力，产生超额报答。只不过一个在金融范畴的封闭系统里做优化，一个在通用智能的开放系统里做探求。

从封闭系统跳到开放系统，这个选择本身就很梁文锋。量化买卖再大，也是有下限的。市场的容量是硬约束，策略会被别人抄，超额收益会衰减。但通用智能的天花板，是你想象力的天花板。说白了，他不是在换赛道，他是在换维。
三条举动认知

途径依赖与正反馈
那么，对普通人来说，DeepSeek 这件事到底意味着什么？

我觉得有三点值得仔细想想。

第一，定价权的转移比技术的打破更重要。

DeepSeek 最大的影响不是 R1 的功能，而是它让中国 AI 行业第一次有了本人的估值锚点。在 DeepSeek 融资之前，中国公司的估值是按美国公司打折算的。3500 亿出来之后，这个定价体系末尾松动了。这不是一家公司拿了多少钱的事，是整个行业的目的函数变了。

第二，基础设备的竞争，比的是谁先建成正反馈闭环。

开源帮你疾速建生态，但生态不等于闭环。全球开发者在用你的模型，不代表他们离不开你的模型。真正的护城河不是用户多，而是切换成本高。假如你在 DeepSeek 上做了大量行业微调、部署了公有化方案、接入了外部工作流，你不会随便换到另一个模型。这个切换成本，才是闭环的真正终点。

第三，途径依赖是双向的。

DeepSeek 选择了低价途径，它会被这条途径塑形成某种外形。就像拼多多，便宜是护城河，但也是牢笼。每一个战略选择都在定义你的将来，而你很难在后来的日子里改变方向。所以关键不是选对途径，而是在途径上持续创造新的正反馈。

说到底，3500 亿的估值，买的不是 DeepSeek 的支出，而是它作为中国 AI 底座的能够性。能够性不是确定性。但在这个重尾分布的世界里，能够性的溢价，有时分比确定性更高。

梁文锋的 200 亿，赌的就是这个。

这真是一个英雄辈出，人人如龙的时代。
这个时代最值钱的东西，不是钱，是剧变发生的时分，你还在牌桌上。

以上，既然看到这里了，假如觉得不错，随手点个赞、在看、转发三连吧，假如想第一工夫收到推送，也可以给我个星标 ⭐ ～

谢谢你看我的文章，我们，下次再见。



欢迎光临 职贝云数AI新零售门户 (https://www.taojin168.com/cloud/) Powered by Discuz! X3.5