“我劝过梁文锋很多次，DeepSeek要融资”

　　周日晚间梁文锋登上新闻联播，发酵了足足一周，颠覆全世界的“DeepSeek R1 550万美元训练成本”，只让周五英伟达的股价下跌3.12%，转过头来的下周一，却让A股创业板收获了根-2.73%的大阴线。当时我的评价是，DeepSeek打了英伟达们一个嘴巴，转头却更狠地踹了A股一脚。

　　 DeepSeek推出App版本，使用V3大模型，这是一个全开源MoE模型。DeepSeek报告称其V3模型的训练成本仅为600万美元，只有Llama 3的1%。1月20日，DeepSeek发布开源大模型R1，又以极低训练成本达到与OpenAI最新O1模型相近的性能。一天后，DeepSeek登顶苹果中美地区应用商店免费下载排行榜。

　　 “应该没有人能预想到DeepSeek会这么火。发布V3的时候，业内都注意到了，但因为当时 App没上线，所以还没有引爆C端。当应用发布之后，普通人都觉得产品效果好，DeepSeek便开始出现在街谈巷议之中。自然流量和买来的流量，这时候差异一下就显出来了。”一家机构的合伙人Jared说。

　　 任何产品的火爆离不开天时地利人和，时点很重要。在Eric看来，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1/10？DeepSeek代表的降成本路线恰恰出现在一个合适的时间点上。”

　　 “六小龙”不走差异化之路

　　 将很难再融到钱

　　 “国内大模型训练的综合成本比美国低，而DeepSeek因为其出色的工程能力，更是把成本控制到极致。在未来两个季度里，DeepSeek会成为行业基准线，降成本是大势所趋。如果为了提高5%的上限，再花10倍的钱，从资本和商业角度考量，这是不值当的。”Jared认为。

　　 大模型过去烧钱凶猛，研发成本降低，首先动摇的是对这些企业的估值逻辑。

　　 Eric认为，DeepSeek之所以在海外引发这么高的恐慌情绪，正是因为那些大公司的估值要重新评价了。“过去大家相信，大模型本质上是资本的竞争，正如我们说2023年5月之前如果没拿到1亿美金，在国内就别搞大模型了。但当大家发现不需要那么多钱，大模型公司的估值恐怕很难撑得住。长期来看，估值是建立在你创造的价值基础上，短期来看取决于大家认为你的壁垒有多高。”

　　 王荣进则认为，DeepSeek出现后会不会对现有大模型公司估值产生影响，现在还不好说，但他们极低的成本对业内还是带来冲击。如果大模型企业能通过其他方式去创新降低训练或推理成本，估值受到影响或许比较有限。“不排除国内的公司通过其他方式去创新达到类似的效果，关于这一点也值得期待。”

　　 Jared的态度比较悲观。他相信，如果“六小龙”不走差异化之路，将很难再融到钱。大厂有资本加持，可以继续战斗，但创业公司如果在单一项目上卷不到第一，基本上没有太大意义。“当然，只要有差异化，并且不烧钱，苟活着也是个出路。”

　　 事实上，“六小龙”已经分化出不同的路径。有的公司仍在烧钱训练大模型，比如我了解到某公司去年收入3个亿左右，但成本却高达20多亿。有的公司已经放弃，比如零一万物已与阿里云成立 “产业大模型联合实验室”，不再追求训练超级大模型，但会继续训练参数适中的更快、更便宜的模型，基于后者打造可以赚钱的应用。

　　 “当预训练结果已经不如开源模型时，每个公司都不应该执着于预训练。”在 关于DeepSeek的共识和分歧

　　 DeepSeek已经被一些人视为“国运”的象征，但能否独占鳌头在投资人眼中仍有分歧。

　　 Jared相信，大厂很难做出DeepSeek那样的创新。原因在于，大厂资源过剩，反而就没有人会想着如何极致地优化成本。同时内部赛马严重，更多是在卷人，而不是卷事情。KPI通常被简化为“实现多少DAU”这一通过买流量就能实现的目标，也会导致大家很难扎扎实实做技术创新。而做对冲基金出身的人对资源和成本看得很重，总是在想着怎么工程化创新降低成本，这跟大厂的基因和技能点也不一样。

　　 但Eric认为，在那些明星创业公司里DeepSeek会长期居于第一位，但还很难说DeepSeek比阿里和字节的大模型厉害，从所采用的技术范式上来看，理论上OpenAI的O1的范式上限要高于DeepSeek 的R1。“到底应该省钱，还是追求高上限，这是一个选择问题。放在国内来讲，大家的能力都很强，只不过侧重点不一样，豆包和通义都做了多模态模型，DeepSeek做得更聚焦，只做语言模型，它最强大的地方还是在于省钱。”

　　 春节期间，轩元资本创始合伙人王荣进一直在找资料研究DeepSeek的底层逻辑。在他看来，DeepSeek在应用、工程、架构等多个方面做了很多创新。至于市场讨论的借鉴方面，他觉得这也没什么，OpenAI的Transformer源于Google，苹果的iOS部分参考了富士施乐，微软的Microsoft的GUI部分参考的是富士施乐的Xerox Alto，大家都是站在巨人的肩膀上更进一步。”

　　 外媒的描述更有意思。有的媒体将OpenAI和DeepSeek之间的不同路径比作17世纪英国内战中“错误但浪漫”的保皇党与“正确但令人反感”的圆颅党之间的冲突。人工智能保皇党不惜一切代价追求AGI，而人工智能圆颅党专注于更实际的目标，尽可能高效地解决特定问题。海外有关大模型融资的最新消息是，Ilya Sutskever 创立的Safe Superintelligenc正以200亿美元估值洽谈融资——仍然是一个昂贵的价格。

　　 弥漫在行业上空的还是一团迷雾。“连着几年，大模型在年初都有让人震撼的新进展，而且往往年初和后面发生的事情脱节，所以现在谁也不能预测年底到底会发生什么。”Jared说。

　　 Eric认为，R1代表的这种后训练模型模式刚刚开始，DeepSeek只是在中间提出了一个分叉，到底会跑成什么样还不知道，但毫无疑问创业的需求会急剧加大。在他看来，DeepSeek更重要的意义在于带来一种全新的价值观。“他们的目标不是说赚多少钱，而是能不能做出有价值的创新，这个价值观值得中国企业尤其是大公司思考。”

　　 正如梁文峰在中所说，“以后硬核创新会越来越多。当这个社会让硬核创新的人功成名就，群体性想法就会改变。我们只是还需要一堆事实和一个过程。”过去四十年，房地产和互联网的造富运动都并非由底层创新驱动，而只有当人们看到回报和付出有一定的关系，投机才不会成为中国商业社会最大的价值观。

　　 “2025年，AI应用会迎来爆发之年。”

　　 这是我在去年年底从投资人和FA口中听到的最多的观点，甚至有投资人明确表示：2025年只看AI应用。

　　 春节过后，有了DeepSeek这把火，投资人和企业们对于AI应用的期盼更加强烈了。但兴奋之余，他们眼中也难掩迷茫：知道机会来了，可看不到机会在哪儿？

　　 需要承认的是，面对DeepSeek带来的变革，大部分公司都没来得及在战略层面做调整，但从行动来看，都在紧急围绕DeepSeek开会。也有投资人表示，开工之后接连两天，都在开关于DeepSeek的会，已经做了紧急部署。

　　 提到DeepSeek，很多人的第一印象是高性价比。单就这一点带来的影响，业界也并未达成一致。

　　 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。”

　　 当然，他也承认，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。

　　 其实，现在Prompt已经可以满足很多应用的需求了，似乎没有做出什么好产品。如果因为iOS闭源，我们有了安卓系统，也没有出现很多手机品牌。在安卓上长出的软件应用也没有iOS和其应用。Llama的能力也很强大，可以满足多数应用的需求，离我们期待的也差很远。

　　 更多的人还是愿意看到DeepSeek给应用端带来的积极一面，比如有投资人指出，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。

　　 合思创始人兼CEO马春荃指出，AI的发展就像电力的发展一样，会催生出非常多的应用的厂商，这是一个基础的能力。DeepSeek的出现把这种基础能力的成本变成白菜价。

　　 他进一步解释称：很多原来舍不得用AI的地方，现在可以去进行探索和创新，因为当下AI在算力上的消耗成本，相比于客户价值或者输出结果相比，已经是九牛一毛了。比如在小票识别领域，我们过去只敢小小批量应用，如今几乎变成了零成本，我们就可以“肆无忌惮”地应用了。

　　 需要指出的是，究竟是C端应用还是B端应用更能让VC们青睐时，我从投资人那里得到了统一的答案——那就是to B应用更具投资性价比。

　　 就连非投资行业的企业内部人员，也认为今年DeepSeek相关项目在投资市场会比较火爆，因为在他们看来，完全开源的DeepSeek，会加速很多细分场景模型的诞生。

　　 首先，B端用户是最具付费能力的，而且所有B端应用都还是沿着原来企业软件的思路，也就是说每个领域都将有自己的大模型。这是因为不同领域间的数据库和知识库存在差异。

　　 但当下的问题是，应用厂商自己不做模型，看不到需求和效果，更重要的，应用创业不同于大模型，投资人们不会给企业很多的时间和资金来试错。

　　 同样，现在还无法预测哪些场景会爆发，只能说这些细分应用的出现正在加速。

　　 其次，成本低了，之前只能在实验室里进行的，可以应用到每个角落。换句话说，当前很多没有被AI覆盖的场景，会有更多的厂商用非常低成本的AI去进行改造。

　　 在国科嘉和高级合伙人陆佳清看来，如果有特色应用能够出现，那可以很快起量。尤其是有应用场景的上市公司，之前打造一个行业应用可能需要几百台服务器，现在只需要十台，成本骤降。

　　 第三，AI应用肯定会越来越多，而且会占据市场更多的眼球，因为眼下应用还没有实现真正大规模的商业化。

　　 对于为何不会选择C端产品，这是因为投资人们有这样一个共识——C端应用迟早是大厂们的天下，这在之前是有迹可循的。

　　 除了应用层外，在更底端的硬件层也在发生巨变。比如为了承接住DeepSeek带来的流量洪流，此前各地建造的闲置计算中心也被盘活了，相关从业者表示，这些计算中心当下已经开始产生收益。而DeepSeek本身也因为此前浙江省建造的数据中心获益。有接近DeepSeek的投资人表示，自从节前爆火后，浙江将很多空余的数据中心低价给了DeepSeek。

　　 据某云服务厂商的体感来看，上线了DeepSeek R1版本之后，用户的注册量有一个非常明显的提升，一两天内注册量增长了一个数量级，大约是10~20倍的水平。而这些注册用户主要分为两类，一类是个人开发者，他们会去验证自己的一些创新思路，另一类是企业的开发人员，这类用户则更多是想通过AI与业务结合做创新应用。

　　 在这个领域，业界也存在着一些非共识。

　　 “DeepSeek的出现短期内可以颠覆对算力的逻辑，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。当然，对于国产GPU来讲还是偏利空的，因为低制程的芯片可以用了，市场就不需要存在那么多家了，未来能够上市的也将只有一两家。对于其他国产大模型公司也是偏利空的。”陆佳清如此判断。

　　 另一位芯片投资人表示：“这对芯片行业算是绝对利好，核心在于可以用算力比较低的芯片做出很好的训练效果，这意味着很多芯片厂商能够获得相关订单。同时，越低的训练成本越有助于人工智能在应用领域的渗透。”

　　 作为专注于智能汽车产业链的投资机构，王荣进也会关注DeepSeek是否会对智驾格局产生影响，会不会引起其他公司快速迭代，冲出一条新的路出来，从而导致相关标的的估值的重估。

　　 关于DeepSeek带来的变革和机会，我相信远远不止上述讨论。更重要的是，DeepSeek的崛起不仅是一次技术迭代，更带动了国内目前最稀缺的东西——信心。我不由想起了