DeepSeek为什么突然开始融资了?

在前面的分析中,我们已经分别梳理了字节跳动、阿里巴巴、腾讯和华为的AI投入逻辑。这四家公司构成了国内AI算力最核心的供需网络。在此之前,市场普遍认为大模型下半场的军备竞赛将是一场属于大厂之间、以千亿级AI CapEx换数据中心固定资产的消耗战。

但2026年4月到5月,DeepSeek做了两件事,让前面这条产业逻辑链上多出了一个新的变量。一是据知情人士及多方媒体报道,公司启动了目标募资额高达500亿元人民币的首轮外部融资,且创始人梁文锋个人计划出资200亿元(占比 40%)进行领投,投后估值锚定在450 亿至500亿美元区间;二是公司首次向社会公开招聘位于内蒙古乌兰察布的数据中心物理基础设施建设与运维团队。

在此之前,依托母公司幻方量化极强的自有交易利润造血能力,DeepSeek在国内一线的AI独角兽中呈现出极度特殊的”零外部VC股东、纯自有资金供血”的闭环股权结构。在商业化路径上,也并未像同行一样背负迫切的商业化对赌与营收KPI压力,而是通过完全开源以及极低毛利的API定价策略,优先寻求全球开发者生态的渗透与算力效率的应用。

那为何在当前的时间节点,DeepSeek突然做出引入巨额外部资本并走向重资产自建数据中心的战略转向?背后的产业逻辑非常值得深度解析。

人才竞争压力

DeepSeek选择在此时启动融资的第一大核心驱动力,来自技术人才的留存压力与期权定价机制的缺失。

大模型研发属于典型的人才高密度行业。DeepSeek过去凭借 MoE(混合专家架构)和MLA(多头潜在注意力机制)等算法创新,以极少的团队规模实现了非线性的效率跨越。但在2025下半年至 2026 年初,由于其他国内CSP在AI业务上的大规模扩张,开始以数倍于市场均价的薪酬包以及流动性更好的期权对大模型创业公司进行定向挖角。此外,智谱、Kimi、MiniMax这些公司的核心研究员通过港股IPO实现了财富自由,这件事在2025年下半年成为DeepSeek留人的巨大压力。

公开行业信息显示,DeepSeek近期面临了多位核心技术骨干的外流。LLM核心贡献者王炳宣入职腾讯,R1核心贡献者郭达雅被字节跳动挖走(传闻年薪近亿),OCR系列核心贡献者魏浩然已离职。对于此前未公开市场定价的DeepSeek而言,其内部员工的期权池缺乏公开的公允价值对齐,在面对上市大厂的现金流和流动性股票攻势时,纯粹的技术理想主义很难完全覆盖技术人员的现实机会成本。

通过引入本轮500亿元的巨额融资,DeepSeek直接在资本市场上确立了超过3000亿元人民币的估值底座。这意味着内部员工期权池的价值完成了从纸面财富到可计算资产的跨越,大幅拉高了竞争对手的挖角经济门槛,为核心团队提供了一种确定性极高的财务留存约束。

Scaling law仍未失效

市场此前曾有一种相对乐观的观点,认为DeepSeek过去在V3和R1模型上的成功,证明了算法优化(如MoE混合专家架构和MLA内存优化)可以无限制地替代算力规模,甚至认为传统的规模法则(Scaling Law)已经失效。但本轮500亿元的巨额融资动作和自建基础设施的战略转向,在交易层面上证实了一个事实:Scaling Law并没有失效,它在训练推理两个阶段都在持续起效,且表现出了新的形式。

在重工业级别的AI军备竞赛中,算法优化与规模法则的真实关系并不是相互取代,而是算法优化改变了成本的放大系数,但并未改变性能依赖规模的底层铁律。随着大模型竞争进入中场,两个演进方向让DeepSeek的成本曲线急剧陡峭化。

首先是,思考链的爆发。

在传统的文本对话时代,用户输入一句,模型输出一句,计算量是固定且低廉的。但自R1架构确立了慢速理性思维范式以来,行业全面跨入推理侧强化学习阶段。模型在输出最终答案前,需要在后台生成思考链、进行多路径的搜索与自我纠错。

实验数据证实,模型在推理时思考的时间越长,消耗的计算量(FLOPs)越多,其回答的正确率就越高。这种”测试时算力(Test-time Compute)“的提升完全符合Scaling Law。当具备自主工具调用能力的 Agent执行单次长程工程任务时,其在后台自我推演所产生的内部Token消耗量是传统文本对话的几十倍到上百倍。这种高频的推理算力需求直接转化为持续的运营开支压力。

还有就是,模型的升级。

除了推理侧的消耗,基础模型的升级依然依赖训练侧Scaling Law的静态堆叠。尽管公司已在今年4月推出了完全适配华为昇腾底座的DeepSeek V4,但据知情人士透露,其计划于6 月推出的迭代版本 V4.1,才将正式整合高吞吐量的图像与音频多模态能力。音视频等多模态数据的处理在底层需要的参数容量和晶圆训练计算量,本身就比纯文本高出数个数量级。

目前,DeepSeek凭借极低的API定价(约GPT-4o的五十分之一)吸引了上亿的全球用户和开发者调用。但在形成自我循环的商业化闭环之前,日常的高并发请求会产生极其高昂的服务器折旧与网络带宽垫资。尽管母公司幻方量化通过量化交易在2025年交出了高额回报,但单一私募机构的自身利润已经无法独自支撑一个在训练与推理两端同时运行的Scaling Law算力资金需求。

总结来说,算法优化只是提高了每一块钱的产出效率。在训练侧,让原本需要10万张卡才能堆出来的智力上界,通过MoE架构在2万卡规模上提前实现;在推理侧,可以通过架构创新降低了高并发下的单次芯片占用。但无论是训练下一代模型,还是承载高密度的Agent长程推理,物理层面的算力总规模,依然是决定大模型代差的绝对门槛。

乌兰察布的数据中心

本轮500亿融资中最核心的重资金去向,是内蒙古乌兰察布的数据中心自建项目。

市场此前曾产生疑问,硅谷的前沿实验室(如 OpenAI 和 Anthropic)普遍不自建机房,而是将AI CapEx完全转嫁给微软Azure或亚马逊 AWS 等云巨头。DeepSeek在面临十万卡级算力扩容缺口的关键转折点上,为何不选择向国内大厂租赁公有云算力,而是非要走到物理层面去买地盖机房?

事实上,DeepSeek 在历史基因上完全不同于普通的云端租户。在早期(如 V3、R1 时代),其最核心的预训练和架构调优完全依托于母公司幻方量化在2019-2021年自建的”萤火一号”和”萤火二号”万卡级私有超级计算机集群。团队本身就自带高度定制化、压榨物理层硬件的工程基因。而在面对下一步更大规模的算力扩张时,它依然拒绝采用主流的公有云租赁模式,这背后有两层现实的商业安全与成本考量。

在硅谷,微软Azure自己不研发与OpenAI直接竞争的通用大模型,两者的合作关系有明确的信任边界。但在中国市场,字节跳动、阿里巴巴、腾讯这些CSP全部既是算力出租方,又是通用大模型拥有方。DeepSeek作为全行业最核心的价格与技术竞争对手,其最核心的未公开训练网络、敏感的强化学习数据资产,如果托管在竞争对手的云服务器上,在长期安全性、网络拓扑定制化以及极限并发的优先级上,会面临天然的冲突。为了保障核心技术的主权,它必须拥有完全独立的自有数据中心。

AI数据中心的尽头是能源。随着机柜密度从传统数据中心的5-10kW飙升至高密度智算机柜的30-100kW,散热电费和电力供应成为最核心的瓶颈。乌兰察布年平均气温仅4.3℃,能将数据中心的能源效率指标控制的较好,全年绝大多数时间可采用自然冷源,直接省去大量的空调制冷费。同时,作为国家”东数西算”的重要枢纽,乌兰察布拥有充沛的绿电指标,电价可低至0.2-0.3元/度,相比一线城市能降低60%以上的物理运营成本。

此外,乌兰察布同时也是华为云全球最大的数据中心基地。目前DeepSeek V4已正式实现了在华为昇腾950PR芯片集群及CANN Next软件栈上的全栈跑通。DeepSeek选择在乌兰察布自建,使得其技术运维团队能就近与华为硬件线进行深度拓扑优化,进一步压榨国产芯片的算力ROI。

梁文锋的控制权

创业公司最忌讳因引入投资而失去自主权。梁文锋通过在引入外部资本前夕调整股权结构,并在此轮以个人身份掏出200亿元真金白银(占比40%)领投,成功将公司的表决权和直接/间接控制权死锁在84.29%的高位。这意味着本轮进入的其他投资方进场后,均无法获得董事会的一票否决权或路径干涉权,也无法动摇其极致开源的技术路径。

融资和控股权是同时进行的。先把控股权锁死,再开放外部资本进入。这样DeepSeek既拿到了500亿融资所需的资金弹药,又保留了梁文锋对研究方向、开源策略、商业化节奏的绝对决定权。

对一家以”纯粹研究”为核心竞争力的公司来说,这是融资能做的最聪明的安排。

CSP的筹码

腾讯和阿里在本轮融资中积极争取份额,但这看上去是一个直接的矛盾点。DeepSeek的低价开源策略正在侵蚀这些CSP自研模型(如混元、通义千问)的外部商业化空间,CSP明知这一点,但依然选择送去巨资。这看上去像养虎为患,实际上是一种典型的筹码防御。

要理解这种防御逻辑,需要把视角拉回到中国AI产业链的竞争格局。

字节跳动凭借一年超1500亿的AI CapEx和巨大的流量分发优势,正在试图形成”流量+模型”的垄断。豆包在C端MAU上已经碾压所有人。如果字节最终在模型层也建立起优势,整个中国AI产业链的Token定价权将向字节集中。腾讯和阿里这时候支持开源且技术顶尖的DeepSeek,就能够利用其极限低价将全行业的Token价格焊死在微利区间。事实上,豆包已经在2026年5月全面上线分层付费订阅,被迫从免费流量扩张转入成本防御。这正是DeepSeek的低价策略在产业链上产生的实际效果。

但腾讯和阿里各自的小算盘并不完全相同。

腾讯的逻辑是用轻资产换重资产。腾讯2025年的AI CapEx仅为792亿元,相比字节1500亿、阿里1238亿明显偏低。腾讯通过出资,将原本需要自己买卡买地盖机房的固定资产贬值风险外包给了DeepSeek,但转手就能在微信元宝里无缝嵌入DeepSeek最新的开源模型。这延续了腾讯一贯的策略,宁愿把钱花在Opex(运营开支)上,也不愿过度承担CapEx(资本开支)的折旧压力。

阿里则是试图绑定最前沿模型的分发权。阿里在2026年3月成立了Alibaba Token Hub (ATH) 事业群,将整个公有云的核心战略全面推向按Token消耗计费。阿里进场拿份额,大概率是为了确保DeepSeek的最前沿模型能第一时间在阿里云的MaaS平台上实现快速优化和优先分发。

这种”竞争对手成为股东”的格局,在中国AI产业链是第一次出现。它本身就标志着中国AI竞争进入了一个新阶段,模型层和平台层之间的关系,从简单的供需关系,开始演化为深度绑定的利益共同体。

尾声

过去几年的DeepSeek有一种其他AI公司都没有的纯粹性,不做产品、不追商业化、不向投资人解释KPI。这种纯粹性让它做出了最好的模型。梁文锋通过84.29%的控股权前置,试图保留这种纯粹性。但腾讯和阿里成为股东之后,会不会要求DeepSeek的研究方向对齐它们的商业需求?国家大基金如果主导后续融资,会不会要求对齐国家战略?如果未来DeepSeek上市,投资人会不会要求它证明商业模式?每一个问题都没有现成的答案。

但唯一可以确定的是,随着DeepSeek的融资建机房,中国AI大模型的下半场,已经基本告别了依靠精巧算法在轻资产端套利的温和阶段,竞争开始全面收拢于围绕电力、能耗、硬件与重资产的消耗对垒。

如果你有新的信息或不同的观点,欢迎交流。

主要信源:Reuters、路透社、The Information、《财经》、21经济网、证券时报、白鲸实验室