一、一个周末，两件事
2025 年 1 月底的那个周末，科技圈发生了两件看似不相干的事。
第一件：一款中国团队开发的 AI 助手，悄悄爬上了美国区 App Store 免费榜第一名，把 ChatGPT 挤到了身后。它没有铺天盖地的广告，没有发布会，甚至连名字对大多数西方用户都十分陌生——DeepSeek。
第二件：英伟达股价单日下跌约 17%，市值蒸发约 6000 亿美元，创下当时美股历史上单一公司单日最大市值损失纪录。
两件事被同一根线拴着：市场第一次意识到，训练一个能打的前沿大模型，也许并不需要几百亿美元的算力预算。恐慌的不是”中国出了一个聊天软件”，而是”AI 的成本叙事塌了一块”。
从那天起，DeepSeek 不再只是技术圈的名字。而在 2026 年的今天，它已经是一家估值数千亿元、正在筹备上市、拥有全球数十万企业用户的公司。
这中间发生了什么？它到底是什么来头？
二、起点：一家量化基金，而不是一家互联网大厂
DeepSeek 的母公司叫幻方量化（High-Flyer），是中国头部量化对冲基金之一。这决定了 DeepSeek 的三条底层性格，也解释了它后来所有看起来”反常”的决策。
第一条：不缺钱，所以可以不融资。 在 2026 年 6 月之前，DeepSeek 从未接受过外部股权融资——这在中国 AI 创业公司里几乎是异类。研发和买卡的钱，来自幻方量化的利润。这意味着它早期没有”给投资人讲故事”的压力，可以花几年时间做一件回报周期很长的事。
第二条：囤卡，而且囤得早。 量化交易天然需要大量算力。在 2021 年前后，当大模型还没成为全民话题时，幻方已经建起了万卡级别的 GPU 集群。后来美国出口管制收紧，A100/H100 一卡难求，而 DeepSeek 手里已经有了一批”存货”。这不是运气，是量化机构对算力的本能性投入。
第三条：统计思维，而不是互联网思维。 创始人梁文锋是浙江大学信息与通信工程硕士，早年做量化交易。量化这件事的本质，是在噪声中找信号、在约束下求最优解。当这套思维方式被搬进大模型训练，结果就是：DeepSeek 特别擅长”在有限算力下压榨出最大性能”。别的团队在想”我要更多卡”，DeepSeek 在想”我怎么用这些卡多跑 30%”。
三、创始人：梁文锋
关于梁文锋，公开信息里最有价值的不是”高考状元””浙大硕士”这些标签，而是三个选择：
其一，他坚持技术路线押注在”效率”而不是”规模”上。 在所有人堆参数、堆数据的年份，DeepSeek 的论文里最常出现的词是”效率””压缩””稀疏”。这不是省钱小气，而是一种判断：如果算力是被卡脖子的长期约束，那么谁能把单位算力产出做到最高，谁就有长期优势。
其二，他选择了开源，而且是当时最宽松的 MIT 协议。 2025 年初 R1 发布时直接开放权重、允许商用、允许二次开发，不做任何附加条款。这个决定的影响远远超出了 DeepSeek 公司本身——它把”前沿能力”从少数几家公司的付费墙里拿了出来，变成了全球开发者都能拿到的公共品。
其三，他极晚才向资本敞开大门，而且敞开的方式很特别。 2026 年 6 月，DeepSeek 完成首轮外部融资，规模约 510 亿元人民币，创下中国 AI 行业单轮融资纪录。但这笔钱的结构很反常：除国家人工智能产业投资基金外，所有外部投资方的资金被要求注入由梁文锋管理的有限合伙企业，不享有投票权。叠加此前他通过增资把个人直接持股从 1% 提升到 34%，最终控制股份超过 84%，表决权接近 100%。
翻译一下：DeepSeek 拿了钱，但没交出方向盘。
四、技术迭代：一条”快得有点狠”的时间线
理解 DeepSeek，最直观的方式是看它走过的路：
| 时间 | 里程碑 | 意义 |
|---|---|---|
| 2023 年底 | DeepSeek LLM / Coder | 起步，代码能力即被重视 |
| 2024 年 | DeepSeek-V2 / V3 | MoE 架构成熟，V3（671B）以约 557.6 万美元单次训练成本震动行业 |
| 2025 年 1 月 | DeepSeek-R1 | MIT 开源 + 推理能力对标 o1，引爆全球舆论 |
| 2025 年 12 月 | V3.2 / V3.2-Speciale | 长上下文效率继续优化 |
| 2026 年 4 月 24 日 | V4 预览版发布并开源 | 上下文提升到 100 万 token，拆成 Flash / Pro 双版本 |
| 2026 年 6 月 | 首轮融资落地 | 约 510 亿元，估值约 4000 亿元 |
| 2026 年 7—8 月 | V4-Flash 公测、V4-Pro 正式版（GA） | 引入峰谷计价，Agent 能力大幅增强 |
| 2026 年 9 月 10 日 | V4.1-Flash | 全新非对称架构，原生视觉理解，价格再降 |
几个值得注意的细节：
产品功能在快速补齐。 2026 年 4 月上线”专家模式”并支持上传文件（最多 50 个、每个 100MB）；4 月底开始灰度、5 月大规模开放”识图模式”；5 月上线聊天记录搜索功能。这些动作说明 DeepSeek 已经不只是”模型公司”，而是在认真做 C 端产品。
开始做 Agent（智能体）。 2026 年 5 月，有消息称 DeepSeek 内部组建了 Harness 团队，方向是代码智能体产品，对标 Anthropic 的 Claude Code。9 月，该团队负责人公开招约 150 人，岗位集中在服务端开发、Agent 弹性计算等工程方向，而不是深度学习研究员——这是从”炼模型”转向”做系统”的明确信号。
从”不融资”到”筹备上市”。 2026 年 9 月，多家媒体报道 DeepSeek 已与中信证券接触，筹备科创板IPO，进入尽职调查阶段。从拒绝 VC 到叩响资本市场，只用了一年多。
五、这家公司为什么值得被认真对待
不是因为它”便宜”，也不是因为”国产”这两个字。
第一，它改变了 AI 的经济学。 在 DeepSeek 之前，行业默认”前沿能力 = 巨额投入 = 高价 API”。它证明了单位智能的成本可以下探一个数量级。2026 年 8 月，OpenRouter 平台 token 调用量排名前十的模型里有八个是开源权重模型，多数来自中国——这个格局的直接推手就是 DeepSeek。
第二，它把开源变成了战略武器。 MIT 协议、完整权重、连训练框架和并行算法一起开源，让全球云厂商、芯片厂商、创业公司都能低成本接入。华为昇腾、寒武纪、天数智芯等国产芯片在 V4 发布时即完成 Day0 适配——开源换来的生态规模，是花钱买不到的。
第三，它证明了约束条件下也能创新。 在美国高端芯片出口管制背景下，DeepSeek 转向 FP8/FP4 低精度训练、稀疏注意力、推测解码、国产芯片适配。这些被迫的选择，最后都变成了它的技术护城河。
当然，它也有明显的短板：营收规模与 OpenAI 等巨头仍差一个数量级、算力投入远高于收入、模型在独立评测中仍被指出有”过于自信、该说不知道时不说”的倾向（后文会详细讲）。
六、写在最后
如果把 AI 行业比作一场长跑，DeepSeek 的身份有点特殊：它不是起跑最早的那个，也不是资源最多的那个，但它是那个把”跑姿”重新研究了一遍、证明别人都在浪费体力的选手。
对普通人来说，最实在的意义其实很简单：一个能免费使用、可以把整本资料丢进去、还能装在自己电脑里跑的前沿模型，已经摆在那里了。剩下的问题不是”它有多强”，而是”我该怎么用”。
这正是后面几篇文章要回答的事。