觀點網 一家以“剋制”為標籤的大模型公司，拿到了中國AI行業迄今為止最大的一張支票。

近日，據多家媒體報道，DeepSeek最新一輪融資籌集約1000億元人民幣，寧德時代與騰訊位列主要出資方，投前估值維持在約5000億元人民幣（約合750億美元）。

老股東IDG資本、礪思資本、拾象資本跟投；新進方則集中在產業資本一側，包括聯想系君聯資本、兆易創新系石溪資本、中芯聚源、吉利汽車產業基金、CPE源峯等。

融資目標也在談判中兩度上調，從最初500億一路推至千億規模。

今年6月底，DeepSeek剛完成首輪外部融資，規模約510億元，梁文鋒個人出資約200億元。投資方資金注入其管理的有限合夥企業，不享有投票權。

就在DeepSeek融資消息傳出的同一周，Anthropic於10月20日披露的招股文件顯示：該公司2026年上半年營收163億美元，淨虧損807億美元；未來數年算力承諾最高可達7500億美元，其中相當部分是不可撤銷的長期合同。

值得關注的是，其中約20%收入來自兩個客戶。Anthropic在招股書中坦言，亞馬遜雲服務、Google、微軟“越來越把它當競爭對手而非客戶”。

一家既需要持續向競爭對手購買算力、收入又高度集中的公司，想支撐2萬億美元估值，光靠增長已不夠，關鍵的是市場是否願意繼續為這套高投入模式支付溢價。

在Anthropic衝刺“史上最大IPO”之際，其第三季度營收增速從上一季度的約140%放緩至45%之後，部分機構投資者將估值預期下修至約1.5萬億美元。

Anthropic的萬億故事要求市場相信：前沿智能天然昂貴，算力投入可以持續加碼，溢價終將覆蓋成本。

而梁文鋒說的則是另一套邏輯：十個月回本，六倍利潤，開源不影響這套商業模式的運轉。

全面開源

10月20日，DeepSeek做了一件“大事”。

將其內部使用的推理框架DeepInfer整體開源。此類推理技術多被AI公司視為核心優勢而鮮少外傳；DeepSeek反其道而行，公開了一套既能降本又不犧牲效果的完整做法。

大模型公司通常願意開源權重，因為權重是結果；而推理框架是過程，是決定一張卡能賣出多少Token的“調度系統”。

請求如何排隊、算力怎麼切分、多張芯片怎樣協同、長上下文怎樣避免重複計算，都發生在這個中間層。

在相同GPU上運行同一模型，推理框架效率一旦落後，成本就會明顯增加；大模型公司的開銷又高度集中在算力卡上，這種差距最終會落到真金白銀的賬單上。

對第三方服務商而言，DeepInfer的價值在於用同一批硬件處理更多請求、攤薄同款模型的運行成本；省下的空間既可改善利潤，也可支撐更低的API報價。

值得關注的是，此次全面開源，DeepSeek同時放出了生產級的Token編解碼組件deepseek-recipe。以確保第三方部署的API體驗與官方對齊，讓開發者可以放心地基於開源技術棧構建自己的服務。

在此之前，DeepSeek已經開源了模型、編譯工具和算子庫，DeepInfer補上了部署與運行這最後一塊拼圖。

DeepSeek在官方博客裏給出的理由是，分享內部部署經驗可以幫助開發者與企業降低算力成本和電力消耗，讓智能以更低價格觸達更多人。

據德意志銀行測算顯示，完成同類任務，Anthropic旗下Claude旗艦模型的成本約為3.25美元，DeepSeek V4-Pro約為0.05美元，前者是後者的65倍；Artificial Analysis指出，Claude的成本接近最便宜中國模型的9倍。

需要指出的是，DeepSeek在模型能力上並沒有追平Claude。但DeepSeek把“跑一個夠用模型”的工程成本，公開成了一條參考線。

閉源模型定價若遠高於這條線，就須說明額外溢價對應哪些可驗證的能力或安全價值；否則高溢價空間會被替代方案的成本優勢迅速壓縮。

在DeepInfer開源後，任何有運維能力的組織都可自行驗證：運行一個性能可用的模型，成本究竟是多少。

據報道，AI基礎設施公司Requesty首席執行官蒂博·傑古（Thibault Jaigu）在評論DeepInfer開源時表示，DeepSeek在告訴外界，“任何人都可以自行託管我們的模型”，關鍵在於如何高效管理。

當模型託管的技術門檻因開源而降低、託管能力向更多第三方擴散時，“前沿模型必須由少數雲廠商以高價提供”就從技術必然退化為商業選擇。

十個月回本

DeepInfer的開源回答了“能否自行運行”這一問題。梁文鋒回答的下一個問題則是“跑起來後該收多少錢”。

梁文鋒在今年5月的閉門會上曾表示：“我們的API定價對應合理利潤，大致相當於從市場上採購一批設備後十個月收回成本。”

他進一步說明：“在當前情況下，考慮到風險和前期投入，如果一臺服務器在財務上按三年或五年攤銷，那麼在商業上，我們認為十個月收回成本就夠了。”按這一口徑折算，對應約六倍利潤。

隨後，他把話題延伸至競爭層面：“在我們只賺約六倍利潤的前提下，開源對商業模式沒有任何影響。但如果想賺一百倍利潤，開源確實會影響商業模式。因為，第三方基於開源模型獨立部署，即使成本達到我們的二十倍，其定價仍可能低於我們。”

而Anthropic的萬億估值邏輯是：算力承諾越大，說明投入越深；虧損越深，說明未來溢價空間越大。

服務器按三年或五年攤銷是財務慣例，但十個月回本夠用，這個參照系一旦成立，閉源模型的高溢價就不再是不證自明的。

梁文鋒還提到，此前一版大模型發佈時，團隊因擔心需求過旺而將價格定得偏高，“團隊內部對此並不十分滿意”。此後價格下調至原四分之一，“公司羣裏許多人為此歡呼”。

梁文鋒認為：“我們還是希望這個東西對人有用，而不是追求賺最多的錢；在能夠獲得合理利潤的前提下，讓大家都用得起。”

若按利潤最大化邏輯，本應繼續抬價，因為“在這一價格區間，用戶需求缺乏彈性；即使價格再提高一倍，token消耗量也不會有明顯變化”——他清楚可以多收，卻選擇不收。

值得關注的是，Deepseek的調價動作，據多家媒體報道，DeepSeek年化營收運行率已突破10億美元，而數月前尚不足5億美元；模型調用價格上調至原價的2.3至4.5倍，客戶並未流失。

若低價依賴補貼，提價勢必造成客戶流失；提價後客戶仍留存，則說明該價格水平本身具備支撐。

梁文鋒本人在閉門會上曾表示，即便最壞情況下僅銷售API，也“足以支撐一家上市公司”。

融資結構方面，首輪510億元中，梁文鋒個人出資約200億元，為最大單一齣資方；外部投資者資金通過其管理的有限合夥企業進入，不享有投票權。

一個不依賴持續外部融資即可運轉的定價體系，與一個必須依靠不斷融資覆蓋算力承諾的估值敘事相比，在接受市場審視時處境迥異。

在梁文鋒看來，這套剋制定價邏輯不只關乎商業可持續，也關乎AGI——指能在廣泛任務上達到或接近人類水平、具備跨領域學習、推理與決策能力的通用人工智能。

梁文鋒在閉門會上表示：“你越剋制，越有可能做成AGI。”

安全溢價消退

面對一個被公開的成本基線，Anthropic的回應並沒有落在價格上，而是落在了安全上。

Anthropic 聯合創始人兼首席執行官達里奧·阿莫迪（‌Dario Amodei）在7月的一篇文章中明確表示，Anthropic“從未主張過對開放權重模型的禁令”，他甚至承認沒有危險能力的開放模型是一種公共資產，能讓企業、開發者和研究人員在不支付高昂訪問費的情況下使用AI。

但同一篇文章中，他主張對所有能力足夠強的模型實施強制性發佈前安全測試，並呼籲美國採取政策干預以延緩中國AI的發展速度。

Anthropic國際業務負責人Guillaume Princen在都柏林的AI峯會上進一步表示：開源模型“按定義來說風險更高”，並強調在安全問題上對開源“必須格外小心”。

這句話出現在Anthropic即將IPO的窗口期，針對的是正在海外市場獲得越來越多采用的開放權重替代方案。

值得關注的是，9月中旬，達里奧·阿莫迪公開呼籲放緩前沿模型迭代速度；2天后，有開發者就在Claude Code客戶端後臺發現Opus 5.2的灰度標識，一個尚未正式發佈的新版本已在測試之中。

Anthropic在IPO前夕向監管層和輿論場傳遞“重視安全”的信號，但產品端的推進並未停下。這表明，安全敘事在Anthropic的語境中同時服務於兩個目標：一是對真實風險的關切，二是為一場超級IPO降低監管阻力、併為高溢價保留辯護空間。

閉源模型不能在用戶自己的機器上運行，按Token收費的理由，歸根到底是“更好、更安全，所以值得那個差價”。如果這個理由站不住，安全就不再是溢價。

安全溢價能不能成立，首先取決於閉源在能力上是否保持足夠明顯的領先。

Epoch AI今年5月的數據表明：開源模型與最強閉源模型之間的能力差距約為四個月，平均差距約8個ECI點，大致相當於GPT-5與GPT-5.5之間的跨度。

同一時期，開源模型的每Token成本可以低出至多90%。開源模型的能力在逼近，而閉源維持溢價所需要的能力護城河，正在從“代際領先”退化為“季度領先”。

值得關注的是閉源大模型陣營自身的安全記錄，今年7月，OpenAI一款未發佈的內部模型在測試中突破沙箱限制，入侵了Hugging Face的代碼倉庫。

事發後，Hugging Face安全團隊向多家美國頭部閉源模型請求協助分析攻擊路徑，因閉源大模型安全護欄拒絕執行相關指令而未能獲得幫助。

最終完成溯源和防禦加固的，是本地部署的智譜開源模型GLM-5.2，團隊用該模型解析了1.7萬餘條攻擊記錄。

Hugging Face首席科學官Thomas Wolf事後的總結道：這次事件讓“閉源等於安全、開源等於危險”這個舊等式不再成立。

防禦端真正發揮作用的，恰恰是開源權重模型，而非此前被寄予厚望的商業閉源工具。

美國著名計算機專家吳恩達在伯克利的一場峯會上坦言：就他觀察到的情況而言，開放權重模型“似乎比閉源模型更安全”。

他本人的團隊在OpenAI和Anthropic的模型拒絕協助安全審查之後，用KimiK3和GLM-5.2完成了對自家開源工具OpenWorker的安全評估。

雲廠商的安全投入並非虛言，但它們的價值有明確邊界。受監管行業需要SOC2、HIPAA這類合規承諾。

對於失敗後果極高、且企業自身沒有能力搭建管控體系的負載，閉源提供的“開箱即用的合規包裝”仍然有市場。但這類場景的範圍，與萬億估值所需要的收入基礎之間仍存明顯缺口。

與此同時，企業選型的行為已在發生變化。據PerforceOpenLogic《2026開源現狀報告》顯示，選擇避免廠商鎖定的受訪人從2025年的33%升至55%，同比增68%，是企業選擇開源大模型的驅動力；但在優先級上，成本降低仍是第一動因。