一个"不追求成为下一个字节或腾讯"的公司，正在用反直觉的方式重新定义AI产业的游戏规则。
一、一场4小时会议，撕开了AI行业最深的伪装
2026年7月23日，DeepSeek创始人梁文锋一场长达4小时的投资者交流会内容在业内流传。在近118次问答中，他反复强调的不是"如何盈利"，而是"克制"。
“我们只赚一个合理的利润。”
“开源是一种让利。”
“我们并不希望成为下一个字节或下一个腾讯。”
这些表述放在任何一家AI公司的投资者交流会上，都显得格格不入。但更让人震惊的是这句话—— “最强模型可能也会开源” 。
在AI行业，开源通常被当作一种市场策略：先开源"够用但不最强"的版本圈住开发者生态，再通过闭源旗舰模型收费。OpenAI如此，Anthropic如此，谷歌亦如此。
但DeepSeek正在打破这个潜规则。
二、开源不是ROI，是底层信仰
要理解DeepSeek的开源逻辑，不能只看商业战术，而要看梁文锋的底层世界观。
他在会议上说了一段非常重要的话：
“如果AI最终占到人类社会GDP的10%，任何想要独占这部分利益的人，都会被历史抛弃。”
这句话背后是一套完整的逻辑链：
第一层：成本效率才是核心竞争力。
梁文锋明确表示，低成本不是一种商业策略，而是架构优化的结果。DeepSeek V4 Pro的定价仅为0.87美元/百万输出Token（平峰），而Claude Fable 5高达50美元/百万Token——成本差距接近57倍。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# 成本对比：DeepSeek V4 Pro vs Claude Fable 5
# 假设每日调用100万输出Token

models = {
    "DeepSeek V4 Pro (平峰)": 0.87,
    "DeepSeek V4 Pro (高峰)": 1.74,
    "Claude Fable 5": 50.00,
    "Kimi K3": 15.00
}

for model, price in models.items():
    daily_cost = price * 1  # 每百万Token
    monthly_cost = daily_cost * 30
    yearly_cost = monthly_cost * 12
    print(f"{model:30s} | 日: ${daily_cost:>6.2f} | 月: ${monthly_cost:>6.2f} | 年: ${yearly_cost:>8.2f}")

# 输出：
# DeepSeek V4 Pro (平峰)  | 日: $  0.87 | 月: $ 26.10 | 年: $  313.20
# DeepSeek V4 Pro (高峰)  | 日: $  1.74 | 月: $ 52.20 | 年: $  626.40
# Claude Fable 5          | 日: $ 50.00 | 月: $1500.00 | 年: $18000.00
# Kimi K3                 | 日: $ 15.00 | 月: $ 450.00 | 年: $ 5400.00

这个差距意味着：如果一个AI Agent每天需要调用100万输出Token来完成任务，DeepSeek的成本不到Claude的1/57。当模型能力接近时，成本就是决定性的竞争维度。
第二层：开源是人才吸引力，不是慈善。
梁文锋在会议上说：“开源虽然意味着让渡部分利益，但能够增强员工成就感、提升组织凝聚力。”
这听起来很"鸡汤"，但实际上是极其务实的判断。AI顶级人才的竞争已经到了白热化阶段——月之暗面Kimi K3发布后估值飙至500亿美元，智谱市值5676亿港元，安迪·杨的OpenAI年薪千万美金挖角不断。在这样的环境下，DeepSeek拿什么留住顶尖研究员？
答案是：让他们的工作被全世界看到、使用、讨论。
开源是最好的荣誉体系。当你的模型被全球开发者下载、部署、在GitHub上讨论，这种成就感是金钱无法替代的。梁文锋说"保持团队稳定是我唯一不能退让的事情"，而开源恰恰是维持团队稳定的核心手段。
第三层：开源是最好的"护城河"。
梁文锋的判断很清醒：他不担心竞争对手部署DeepSeek模型。原因有二：
小型创业公司缺乏资源和意愿进行前沿模型研发
大型公司拥有资源却存在组织惯性和协调困难
而DeepSeek恰好处于一个"罕见的中间位置"——有足够的研发能力做出前沿模型，又没有大公司的组织包袱。开源之后，全球开发者生态会反过来为DeepSeek提供反馈、场景、数据，形成正向飞轮。
三、当"最强开源"成为新常态：三场开源战役透视2026格局
DeepSeek的"最强模型可能开源"不是孤立事件。把它放在2026年7月的中国AI大背景下，能看到一个清晰的趋势。
战役一：Kimi K3——2.8万亿参数的"开源核弹"
7月18日，月之暗面发布Kimi K3，2.8万亿参数、1679分登顶Frontend Code Arena，成为史上首款在该榜单超越所有闭源模型的开源模型。
微软随后被曝正评估将Kimi K3接入Copilot，仅推理成本一项年降6亿美元。
信号意义：开源模型第一次在"硬实力"上超过了闭源。Kimi K3不是"开源界的冠军"，而是"所有模型中的冠军"。
战役二：DeepSeek V4 Pro——极致性价比的"开源普惠"
DeepSeek V4 Pro于7月19日GA正式上线，1.6万亿参数、1M上下文，MIT开源可商用。平峰输出定价0.87美元/百万Token，仅为Claude Fable 5的1/57。
信号意义：开源不仅"能做"，还"便宜到离谱"。当模型能力接近时，成本优势决定了开源将成为AI应用的主流基础设施。
战役三：DeepSeek V4 Pro路由争议——信任危机的暗流
就在DeepSeek V4 Pro GA前后，有海外博主爆料称DeepSeek V4 Pro在处理复杂编程请求时，疑似暗调Claude Fable 5处理。虽然目前没有实锤，但这一事件揭示了一个更深层的行业问题：当"开源"成为战略叙事时，API的透明性和模型路由机制就成为信任基石。
开源不仅是代码的开放，更是"透明性"的承诺。如果用户发现调用的"开源模型"背后路由了其他模型，开源叙事本身就会崩塌。
四、技术落地：DeepSeek V4 Pro的API接入与成本优化实战
场景一：Agent工作流中的模型调用

python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
from openai import OpenAI
import time

# 初始化DeepSeek客户端
client = OpenAI(
    api_key="YOUR_DEEPSEEK_API_KEY",
    base_url="https://api.deepseek.com"
)

# 判断当前是否处于高峰时段
def is_peak_hour():
    """判断是否处于北京高峰时段（9:00-12:00, 14:00-18:00 工作日）"""
    now = time.localtime()
    # 周末不是高峰
    if now.tm_wday >= 5:  # 5=周六, 6=周日
        return False
    hour = now.tm_hour
    return (9 <= hour < 12) or (14 <= hour < 18)

# 动态选择模型：高峰时段降级到Flash控制成本
def get_model_for_task(task_complexity: str):
    if is_peak_hour() and task_complexity != "high":
        return "deepseek-v4-flash"
    return "deepseek-v4-pro"

# 批处理任务：调度到夜间执行
def batch_process_documents(documents):
    """将批量文档处理任务调度到平峰时段"""
    if is_peak_hour():
        print("⚠️ 当前高峰时段，批量任务排队到夜间执行...")
        # 实际场景中这里写入任务队列，设置定时触发器
        return "QUEUED_FOR_OFF_PEAK"
    
    results = []
    for doc in documents:
        response = client.chat.completions.create(
            model="deepseek-v4-pro",
            messages=[
                {"role": "system", "content": "你是一个文档分析助手。"},
                {"role": "user", "content": f"分析以下文档：{doc}"}
            ],
            max_tokens=4096,
            reasoning_effort="high"  # 复杂任务启用思考模式
        )
        results.append(response.choices[0].message.content)
    return results

场景二：缓存命中优化，让成本再降99%
DeepSeek V4的缓存命中输入定价仅为0.004美元/百万Token，比未命中便宜99%。对于Agent工作流来说，这意味着共享上下文可以反复复用而不产生额外成本。

python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
class AgentWithCache:
    """利用DeepSeek缓存机制优化Agent成本"""
    
    def __init__(self):
        self.client = OpenAI(
            api_key="YOUR_DEEPSEEK_API_KEY",
            base_url="https://api.deepseek.com"
        )
        self.shared_context = ""
    
    def update_context(self, new_content: str):
        """更新共享上下文（每次追加新内容，而非替换）"""
        self.shared_context += f"\n{new_content}"
    
    def query(self, task: str, reasoning: str = "medium"):
        """执行Agent任务，利用缓存复用上下文"""
        messages = [
            {"role": "system", "content": "你是一个企业级Agent助手。"},
            {"role": "user", "content": f"【共享上下文】\n{self.shared_context[-500000:]}"},  # 保留最近50万Token
            {"role": "user", "content": f"【当前任务】\n{task}"}
        ]
        
        response = self.client.chat.completions.create(
            model="deepseek-v4-pro",
            messages=messages,
            max_tokens=2048,
            reasoning_effort=reasoning
        )
        return response.choices[0].message.content

# 使用示例：成本分析
agent = AgentWithCache()

# 第一轮：加载文档（未命中缓存，成本较高）
agent.update_context("2026年Q2行业报告：AI市场规模达...")
result1 = agent.query("总结报告核心观点")

# 第二轮：基于同一上下文提问（缓存命中，成本降低99%）
result2 = agent.query("报告中提到的竞争格局变化是什么？")
# 此时共享上下文已在缓存中，实际计费仅针对新增的query Token

五、DeepSeek的估值逻辑重构：当"克制商业化"击穿所有传统框架
5.1 为什么传统估值模型全部失效
梁文锋在投资者交流会上说了一句对整个投资圈都极具冲击力的话：
“我们一直在商业化，只是不以商业化为目标。DeepSeek离彻底转向商业化的时间点，应该是很遥远的。”
这句话拆解开来，每一层都在否定传统估值逻辑的核心假设：
PE（市盈率）模型要求"有净利润且可预测增长"。但DeepSeek主动放弃利润最大化，将价格降到成本价的1/4时团队还"欢呼"——这意味着PE模型的前提就不存在。
PS（市销率）模型要求"收入可规模化增长"。但梁文锋说"不觉得卖API有多大吸引力"，工程师团队极小，没有客服，没有销售——收入增长不是公司的核心KPI。
DCF（现金流折现）模型要求"未来现金流可预测"。但梁文锋的路线图是：Agent → 持续学习 → AI自我迭代 → AI辅助研发 → 具身智能。这条路走到哪一步会商业化？他给的答案是"很遥远"。
对标估值法（参考字节、腾讯、OpenAI的估值倍数）更不适用——因为梁文锋明确说"不想成为下一个字节或腾讯"。
5.2 重新理解DeepSeek的"三重估值逻辑"
既然传统框架失效，我们需要构建新的分析框架。DeepSeek的价值不是由"利润"决定的，而是由三个叠加的估值维度构成：
第一重：算力效率溢价——“同样的性能，1/57的成本”
DeepSeek V4 Pro的定价逻辑本质上是在展示底层架构的效率优势。梁文锋说"低成本是架构带来的结果"——这意味着DeepSeek的unit economics天然优于竞争对手。
同样的1万美元算力预算，放在DeepSeek上能处理57倍于Claude的Token量。在企业级采购中，当模型能力差距在6个月以内，成本差达到57倍时，采购决策实际上已经不需要思考。这个"效率溢价"是DeepSeek最确定的价值锚点。
第二重：生态枢纽价值——“开源是基础设施税”
这个逻辑比较隐蔽，但至关重要。如果DeepSeek的最强模型开源，全球开发者生态会围绕它构建工具链、应用框架、微调方案、部署方案。当这些第三方工具和生态积累到一定程度，DeepSeek的API就变成了"默认选项"。
这类似于Android的商业模式：Google把Android开源，免费提供给所有手机厂商，然后在生态成熟后通过Google Play服务、广告、GMS套件变现。开源不是放弃了收入，而是把收入从"前线"推迟到了"后方" ——当整个生态都依赖你的时候，你不需要主动变现，价值会自动流向你。
第三重：AGI期权价值——“如果实现AGI，一切估值都重写”
这是最反传统但最核心的一层。梁文锋的逻辑链条是：
“AI领域潜在价值巨大，只要实现AGI，即使只获得其中一部分商业价值，也会非常可观。因此，减少短期利益追求、保持克制，反而可能提高实现长期目标的概率。”
这本质上是一份AGI看涨期权。期权价值 = 行权概率 × 行权收益。梁文锋认为"克制+开源+低成本"能最大化行权概率，而AGI的商业价值是"人类社会GDP的10%以上"——这个量级的预期收益，意味着当前的估值（543亿美元）可能只是这张期权费的零头。
而且，DeepSeek的"AGI路线图"比大多数公司更清晰：思维链 → Agent → 持续学习 → AI自我迭代 → 具身智能。每一步都有明确的技术目标，不是空喊口号。
5.3 历史参照系：不是新字节，而是AI界的"Linux基金会"
DeepSeek最精确的历史对标，不是字节跳动或腾讯，而是Linux基金会 + Red Hat的混合体。

• Linux：开源了操作系统内核，让所有人免费使用，最终成为全球服务器的标准基础设施。Linux本身"不赚钱"，但它创造了一个万亿级别的产业。
• Red Hat：在Linux开源的基础上，通过企业级支持和服务变现，最终被IBM以340亿美元收购。

DeepSeek走的是同一条路：开源模型作为"AI时代的Linux内核"，API服务作为"附带的增值通道"。梁文锋说"不觉得卖API有那么大吸引力"，但同时又强调"开源跟内部使用模型保持一致，不会发布性能较低版本"——这恰恰是Red Hat模式的核心：你可以在GitHub上免费下载RHEL的源码自己编译，但真正需要稳定、可靠、有人支持的企业级部署时，你仍然会付费给Red Hat。
但DeepSeek比Red Hat更激进一层：它不设"企业版"和"社区版"的区分，最强模型也开源。这意味着它的估值逻辑需要引入一个全新的维度—— "基础设施税"估值法：不按"赚了多少钱"估值，而按"替代了多少成本、支撑了多少生态"估值。
5.4 与月之暗面500亿美元的估值对比
月之暗面Kimi K3以2.8万亿参数开源，Pre-IPO估值目标500亿美元。DeepSeek首轮融资估值543亿美元。两家都在"开源最强模型"这个赛道上，但估值逻辑有微妙差异：

两家公司本质上代表了 “开源→生态→基础设施” 和 “开源→流量→商业化” 两条不同的估值路径。DeepSeek走的是前者，更接近Linux/Red Hat模式；月之暗面走的是后者，更接近Google的"开源Android→闭环GMS"模式。两条路径没有优劣之分，但取决于投资者是否相信"克制商业化"能最终兑现价值。
六、“最强模型也开源”：商业逻辑的深层拆解
6.1 这不是慈善，是"商业化你的互补品"
梁文锋说"开源是一种让利"，但这句话只说了一半。另一半是哈佛商学院教授Joel Spolsky在2002年提出的经典策略： “Commoditize your complement”（把你的互补品商品化） 。
翻译成大白话：如果你卖的东西和另一个东西一起被消费，你就让那个"另一个东西"变成免费的商品，从而推高你自己东西的需求。
这个策略在科技史上被反复验证：

• Netscape：免费开放浏览器，推高Web服务器的需求
• Google：免费开放搜索、Gmail、地图等，推高广告位的需求
• Android：免费开放移动操作系统，推高Google移动广告的需求
• Red Hat/MySQL：免费开源软件，推高企业级支持服务的需求

DeepSeek的逻辑完全一致：让模型层变成免费的商品，推高AI应用层和基础设施层的需求。梁文锋说"不觉得卖API有多大吸引力"，但API只是DeepSeek产品矩阵的"前端"——真正的价值在"后端"：算力、数据、生态、企业服务。
6.2 为什么"最强模型也开源"比"开源阉割版"更聪明
传统开源策略是"开源阉割版，保留旗舰版"——Llama开源了7B/70B，但绝不开源最强的405B；OpenAI开源了Whisper和CLIP，但GPT-4的权重至今未公开。
但DeepSeek的策略是反过来的：开源最强版，不给自己留后门。
为什么？因为有三个力量在同时起作用：
第一，开源最强版才能最大化"商业化互补品"的效果。 如果开源的是阉割版，开发者验证后发现不如闭源模型，就不会围绕它构建生态。只有开源最强版，开发者才敢放心地基于它做二次开发、微调、构建工具链，生态才能真正繁荣。
第二，开源最强版是"反脆弱的护城河"。 梁文锋说"不担心竞争对手部署DeepSeek模型"——因为部署开源模型和研发前沿模型是两回事。全球能做出前沿模型的公司不超过10家，但能部署开源模型的公司有上万家。开源最强版本质上是把"竞争"从"模型层"拉到了"部署层和应用层"，而在部署层DeepSeek根本没有对手——因为它不需要"打败"任何人，它只需要让所有人都用上自己的模型。
第三，开源最强版是"成本漩涡"的起点。 当最强模型开源，所有人都会用它做基准测试、做微调、做应用开发。使用量越大，DeepSeek的架构优化经验积累越快，成本下降越快。成本越低，越多人用。这是一个正向飞轮——开源最强版不是放弃优势，而是进入一个"自我加速的成本下降螺旋" 。
6.3 对行业格局的冲击：三层重构
第一层冲击：闭源模型的价格锚点被击穿。
当DeepSeek V4 Pro以0.87美元/百万Token开卖，而Claude Fable 5定价50美元/百万Token时，企业采购的逻辑就变了。“模型能力接近，成本差57倍”——这个差距会让企业采购部门提出一个无法回避的问题： “为什么我们要为Claude多付57倍？”
长期来看，闭源模型要么降价到接近开源定价水平，要么必须证明自己拥有开源模型无法企及的能力差距。但Kimi K3已经在Frontend Code Arena超过了所有闭源模型，这个"能力差距"的叙事正在崩塌。

第二层冲击：AI产业链的价值将重新分配。
如果模型层正在变成商品（commodity），那么价值会流向哪里？答案是三个方向：

1. 数据层：谁能拥有最独特、最干净、最全面的训练数据，谁就能在模型微调中保持优势
2. 应用层：谁能把模型能力封装成好用的产品，直接面向用户收费，谁就能吃到"模型商品化"的红利
3. 基础设施层：谁能提供最便宜的推理算力，谁就能在"Token经济"中占据底层

这正是你在追踪的"词元经济"的核心逻辑——当模型本身不再稀缺，Token的流动和计算才成为真正的稀缺资源。

第三层冲击："开源-全球化"和"闭源-地缘化"的路线竞争。
梁文锋在会议上明确说，希望通过更高的计算效率，“用更少的算力缩短差距”。这意味着DeepSeek在主动选择一条"开源+高效"的路线，对抗"闭源+大规模算力"的路线。
这不仅是技术路线之争，也是产业路线之争。如果DeepSeek的最强模型开源，它就能在全球范围内被下载、部署、二次开发。而如果OpenAI/Anthropic选择闭源，它们就只能在算力资源充足的地区提供服务。当开源模型的能力差距缩小到6个月以内，开源路线的"全球渗透力"将成为决定性优势。
梁文锋说了一句话，可以看作这个战略的注脚：
“我们相信Scaling，规模越大，效果肯定越好。但我们的算力只允许我们做到这个规模。所以我们用效率换时间。”
这句话的背后意思是： “我们现在的限制是算力，不是能力。开源是让全世界帮我们补算力。”
七、结论：路线的分水岭
2026年7月这周，中国AI行业发生了三件层层递进的事：

1. 梁文锋说"最强模型可能开源" ——开源从"策略"升维为"愿景"
2. Kimi K3以开源姿态登顶全球排行榜——开源模型第一次硬实力超过闭源
3. DeepSeek V4 Pro以1/57的成本定价推向市场——开源不仅"能做"，还"便宜到颠覆"

这三件事串起来，指向一个正在发生的范式转移：AI行业从"模型能力竞争"进入"模型成本竞争"阶段。 当头部模型能力差距缩小到6个月以内，而成本差距拉大到57倍时，模型层的"商品化"不可逆转。价值将沿着"模型→数据→应用→基础设施"的链条重新分配。
梁文锋在会议上说了两段话，放在一起就是DeepSeek的全部战略：
“如果你的愿景是拿得更多，你就已经输了。”
“我们保持克制，是为了提高实现AGI的概率。”
不追求成为下一个字节或腾讯——不是因为不想，而是因为在AGI这个终极目标面前，字节和腾讯的商业模式只是"阶段性成果" 。当模型层变成商品，当AI推理成本降到几乎为零，真正的价值在Token流动的每一寸土壤里生长出来——这才是"词元经济"的真正含义。

数据来源：DeepSeek投资者交流会实录（36氪/腾讯科技整理，2026-07-23）、Kimi K3官方发布（2026-07-18）、DeepSeek V4 GA官方公告（2026-07-19）、DeepSeek API定价文档、Joel Spolsky “Strategy Letter V”（2002）
本文仅代表分析观点，不构成投资建议。`