DeepSeek真正的护城河：不是模型，而是下一次创新
价格战只是影子
多数人第一次认真打量 DeepSeek，是因为它便宜。2024 年 5 月，DeepSeek V2 发布并开源，极低的推理价格在国内触发了一轮大模型降价（36氪 2024）。顺着这条线，一个简单的故事很快成型：一家中国公司靠低价发动价格战，用亏损换市场。但这个故事有个别扭的地方——如果价格战真是它的打法，就得先解释，一家把目标钉在通用人工智能、坚持开源、连融资信号都不肯释放的公司，为什么要用打价格战这种最消耗现金的方式去赢？
把这个疑问摊开，会发现它和人们熟悉的价格战逻辑并不吻合。典型的价格战是一种投资：先用补贴把价格压到成本以下，烧钱换来市场份额，等对手退场再回收利润。它的前提是账面上先亏、后面再赚。可 DeepSeek 的定价起点不在竞争，而在成本本身。梁文锋对“价格战鲶鱼”这个称呼有明显保留：他表示成为鲶鱼并非有意为之，团队只是按自身成本定价，原则是不补贴、不追求暴利，同时保留少量利润。这里必须守住事实的边界——低价是外部能直接观察到的，而“不补贴且略有利润”是梁文锋在访谈里的自述，不是一份经过审计的损益表；本文只能转述这句话，不能替他确认。把创始人的一句自我描述当成已核实的财务结论，恰恰是外界谈论 DeepSeek 时最常见的误读。
顺着“按成本定价”往下问，真正的问题就变成了：它的成本为什么能低到搅动整个行业。梁文锋给降价拆过两半理由。一半，他归到探索下一代模型结构带来的真实成本下降；另一半，归到他认为 API 和 AI 本就应该普惠的价值判断。前一半尤其关键：按他的说法，如果目标只是快速做出应用，沿用 Llama 这类现成结构本来最省事；DeepSeek 把目标定在 AGI，才有理由去改架构、重构数据、做更接近人的模型，而这些研究反过来压低了推理的边际成本。在他这里，降价不是获客手段，而是研究的副产品——先有为解决更难问题而做的架构，才有顺带便宜下来的价格。
这条从研究到价格的链，其实在 2023 年就埋下了。梁文锋第一次公开受访时就把“复刻”和“研究”分开：复刻一个已有能力，可以依赖公开论文、开源代码或在现成模型上微调，成本相对可控；研究则要去碰 GPT-4 这类还没有公开答案的问题，需要更多实验、更多算力，也要承受大量失败（36氪 2023）。他把自己的动机描述为好奇心，而不是先算清回报。正是这种“研究优先”的取向，决定了 DeepSeek 会去改底层结构，而不是在现成框架上抢着做应用——V2 的低价，是这条更长的路走了一程之后，才在账单上显影出来的。
价格便宜的具体来源，也指向同一个方向。据媒体对 V2 的技术描述，它靠 MLA 与 DeepSeekMoE 等架构设计，显著压低了显存占用和计算量——这些是媒体记录的架构创新，本文不复述其中的具体百分比，只借它们说明一件事：那个便宜的价格背后，站着的是结构层面的重新设计，而不是一次咬牙硬撑的补贴。换句话说，账单上那个数之所以低，是因为跑一次模型本身真的更省了，而不是有人替这笔开销垫了钱。这也和“不补贴”的自述对得上：一件东西如果是从效率里省出来的，就不需要靠亏损去维持。
这里藏着一个常被忽略的不对称。对手当然可以把价格跟到同样低，甚至更低——只要肯补贴，任何数字都追得平。但跟平的只是那个数字，不是产生这个数字的效率。靠补贴压低的价格，每卖出一次都在放血，迟早要靠涨价或退场来收场；靠效率降下来的价格，卖得越多越贴近它本来的成本曲线，反而稳得住。于是同样一个便宜的价格，摆在两家公司身上含义可以完全相反：一个是“还能烧多久”的问题，另一个是“到底省了多少”的问题。只盯着价格这个数，恰恰分不出这两种便宜——这也是为什么，价格几乎无法告诉你一家 AI 公司真正的水位，它顶多是水面上露出来的一角。
于是“价格战只是影子”这句话才有了确切含义。影子的形状由两样东西决定：投下影子的物体，以及照过来的光。这里投下影子的，是 DeepSeek 内部把不确定的想法转化成技术结果的效率——更省资源的架构、更高的训练与数据效率，以及一批不必靠这轮定价去回收成本的算力；照过来的光，则是整个行业竞相比价的目光。外界盯着墙上那个便宜的价格，很容易得出“它在打价格战”的结论；可价格只是被投出来的形状，真正决定这个形状的，是那个看不见的物体。只看影子，就会把一场连锁反应误读成一次主动出击。
因此，读懂 DeepSeek 的第一步，是把视线从价格移开。低价是结果，不是原因；是被别人跟出来的连锁反应，而不是它主动发起的战争。真正需要解释的，从来不是它为什么便宜，而是它凭什么能持续做出让价格便宜下来的那种东西。这个问题一旦问出来，讨论就从“谁在价格上更狠”，转向了“这家公司到底在生产什么”。前者比的是当下的账面，后者问的是持续产出的能力，两者根本不在一个量级上。顺着影子回看那个投影的物体，正是下一节要做的事。
DeepSeek真正出售的是“下一次创新”
如果价格是影子，那个投下影子的物体到底是什么？把 2023 年和 2024 年这两篇专访放在一起读，会浮现出一个比“低价”“开源”“万卡”“年轻团队”都更根本的答案：DeepSeek真正的产品不是某一代模型，而是产生下一代模型的能力。V2 只是这台机器某一次运转的产物；真正稀缺、也真正被它拿去和世界交换的，是那台还能一次次转下去的机器本身。理解这一点，才不会把 V2 的成功当成终点，而会把它看成一次可被重复的输出。
这也是为什么，衡量 DeepSeek 要看这台机器，而不是它某一次的产物。梁文锋把中国和国外之间真正的差距，描述成“原创与模仿”的区别，而不是排行榜上的一两年时间差（36氪 2024）。这条“原创与模仿”的分界，后面谈到工程兑现那节还会细讲，这里只需点出它的方向：一代模型可以被复刻，而提出下一个问题、再组织起下一次实验的能力不能。把评价对象从“这一代模型”换成“产生下一代的能力”，本质上就是把目光从可以被复制的那一半，移到难以照搬的那一半。
为把这台机器讲清楚，本文提出一个统领全文的框架，姑且称为“创新生产函数”。需要先说明白：这个说法是本文对两篇访谈的综合分析，不是梁文锋的原话，他本人从未这样命名过；用它，只是为了把散落在访谈里的若干要素收进同一个结构里看。这个函数包含六个要素——耐心资本、可调用算力、人才密度、分布式搜索、集中式兑现、生态反馈。这些要素单独拎出来都不新鲜，几乎每一条都能在别的公司找到对应物：有钱的公司很多，买得起卡的也不少，招得到聪明人的更是一大把。真正需要解释的，从来不是这家公司占了哪几条，而是这几条在它身上被组合起来的方式。
而这正是最容易被看错的地方。外界习惯把 DeepSeek 的优势列成一张清单：便宜、开源、卡多、人年轻。清单是加法——某一项弱一点，用别的项补上，总分照样不难看。但这套“创新生产函数”是乘法，不是清单。乘法的特点是：只要任何一个因子接近于零，无论其余五个多大，乘出来的结果都会坍向零。有耐心的资本却没有能自由调用的算力，钱买不到试错；算力和人都齐了却没有一套让想法自下而上冒出来的组织，卡只会空转在别人指定的任务上；想法层出不穷却没有把它集中兑现的能力，好念头会卡在验证不足里烂掉；六样都做到了却把成果锁死不公开，生态和人才这条回路又会自己断掉。正因如此，梁文锋才会说，中国公司其实并不缺资本，更缺的是原创的信心，以及把高密度人才有效组织起来的能力——他点的，正是那几个容易被清零的因子。
第六个因子——生态反馈，是这台机器能反复运转的关键，也最容易被误读成慈善。梁文锋在 2024 年明确表示 DeepSeek 不会闭源，他认为技术生态比封闭的商业模式更重要，并把开源的价值直接和生态、声誉、吸引人才联系在一起（36氪 2024）。在他看来，闭源所能形成的领先可能只是暂时的；真正的持续优势，不在某一份被藏起来的模型权重里，而在团队积累的 know-how、能不断产出原创的文化，以及追赶乃至定义下一代技术的能力。放到这个函数里，开源就是那条把上一轮的技术结果转化成声誉与人才、再送回下一轮创新的回路——它让机器的输出反过来喂养机器本身。这一层如何运转，留到后面专门讨论开源的那节展开。
这套框架也顺带给出了一把重新评价 DeepSeek 的尺子。用某一代模型的排名、某一次价格战的胜负去衡量它，量到的都只是这台机器某一次的输出；而真正该问的，是它能不能在条件变化之后，一次又一次产出下一代结果。必须补一句克制的话：把六个要素命名成一个“函数”，只是提供了一种解释，并不等于已经证明这套机制成立——它到底立不立得住，要等后面把每个因子拆开、再回到那些访谈没有回答的问题时才谈得清。接下来的几节，就沿着这条乘法链依次拆解：先看耐心资本如何把钱变成试错时间，再看自由如何被组织成有效的搜索，然后是灵感如何被兑现成工程结果，以及开源为什么不是慈善；最后再回到一个更冷静的问题——这套解释，究竟还有哪些没有被两篇访谈证明。把这台机器一个齿轮一个齿轮拆开看清楚，才谈得上判断它能不能一直转下去。
第一种能力：把钱变成试错时间
要把这台机器拆开看，第一个齿轮是钱。但它扮演的角色，和“钱多好办事”那种直觉几乎相反。梁文锋描述过一条渐进的加卡曲线：最早只有 1 张卡，2015 年前后约 100 张，2019 年到约 1000 张，之后扩到约 1 万张（36氪 2023）。外界记住的多半是终点那个“万卡”的数字，顺手把它读成一次押中赛道的豪赌。可梁文锋给的解释是另一回事：他把这条不断扩容的曲线归因于对 AI 能力边界的好奇，而不是一次事先算好回报的下注——每上一级台阶，都是为了跑得起当时还看不清结果的实验。
媒体记录的两笔投入，替这条曲线标出了量级。需要先把归因一次说到位：这一节用到的加卡曲线、投入金额和成本比例，混着媒体报道与梁文锋本人的自述、估计，本文只作转述，不把其中任何一个数字当成经审计的账目——这道边界立在这里，后面就不再逐处重复。2019 年的“萤火一号”投资近 2 亿元，约 1100 块 GPU；2021 年的“萤火二号”投资约 10 亿元，约 1 万张英伟达 A100（36氪 2023）。这不是一次性砸下的赌注，而是从一张卡到一万张、跨越数年的持续追加。梁文锋自己也说，仅做量化投资并不需要这么多 GPU，团队在投资之外还做了大量 AI 研究——也就是说，超出业务所需的那部分算力，本就是为“研究”这件没有短期回报的事准备的。
他还把这条曲线接进一条更长的判断里：把 2012 年的 AlexNet、2020 年的 GPT-3，和 2021 年建起萤火二号连成同一条线——模型、数据、算力一起往上走（36氪 2023）。在这条线里，加卡不是一次孤立的采购动作，而是跟着“规模会带来新能力”这个判断走出来的结果。而且资本买的也不只是卡。他把人工成本称作对未来的投资、公司最大的资产，还在 2023 年说过 DeepSeek 已经握有算力和工程师团队，相当于攒下了一半筹码（36氪 2023）。卡会折旧，人和积累却在长——真正被这笔钱养住的，是一支可以长期去做没有短期产出之事的队伍。
把这些数字摆在一起，才看得清资本在这里买的到底是什么。它买的不是某一代模型，也不是某一次成功，而是一批可以反复失败的机会——不妨称之为“实验期权”。一张期权的价值不在于它一定会行权，而在于它让持有者有资格在未来某个不确定的时刻出手；同理，一万张卡再加上每年还要按硬件造价约 1% 贴进去的电费与维护，买来的不是“一定能做出下一代模型”，而是“可以一次次试、试砸了也扛得住”的资格。梁文锋把复刻和研究分得很清：复刻已有能力可以靠公开论文和现成模型，成本可控；研究 GPT-4 这类还没有答案的问题，则要承受大量失败。他也不避讳其中的代价，直言创新本身昂贵、低效，还常常伴随浪费——实验期权买下的，恰恰就是承受这种浪费的能力：能失败的次数越多，能铺开的方向就越宽。
这也点破了一个更根本的限制：在真正的前沿，正确的结构是买不到的。已经有答案的东西，才谈得上标价出售——复刻别人走过的路，可以直接付钱买来；可 GPT-4 之后那一步该怎么走，本就没有现成答案挂在货架上，再多的钱也换不来一个“一定对”的结构。资本唯一能买到的，是更多次亲自去试的机会。于是“把钱变成试错时间”并不是一句修辞：在没有答案的地方，试错的次数几乎是唯一能用钱堆出来的东西，而每多试一次，就多一分撞见那个正确结构的概率。这正是实验期权与普通投资的分别——普通投资指望的是一笔确定的回报，实验期权买下的却是在一整片可能性里多站一会儿、多摸几次的资格。
这里必须立一道界线：资源是前提，不是原因。有钱、有卡，只是让实验能够开始，并不保证实验会指向正确的结构——把“有钱有卡”直接读成“所以做成了”，恰恰跳过了中间最难、也最不确定的那一段。真正稀缺的从来不是钱本身，而是一种敢让钱长期不产生回报的资本结构。梁文锋点过一个冲突：VC 的退出节奏和快速商业化要求，与“研究优先”天然矛盾——被退出时间表追着的钱，很难容忍一条要失败很多次、回报又遥遥无期的研究路线。幻方作为出资方之一、自己就握有研发预算（36氪 2023），恰好绕开了这个冲突：这笔钱不必向谁的退出时间表交代，也就买得起足够长的试错时间。他甚至承认，从短期投入回报看，这类基础研究“不划算”——愿意为一件短期不划算的事持续付费，才是这段资本真正的稀罕之处。
顺着这条界线再往前一步会发现，钱多本身甚至可能是种错觉。梁文锋在 2024 年直接讲过，更多的资金并不必然带来更多创新（36氪 2024）——这一句就把“投入”和“产出”劈成了两件事。而早在 2023 年，他还判断过，当时无论大厂还是创业公司，都很难迅速建立起碾压式的优势。把两点连起来看：在那个谁都没有绝对领先的阶段，真正拉开距离的，不是谁账上钱多、卡多，而是谁能把这些资源持续投进一条短期不见回报的路，并且忍得住沿途的失败。资源决定了你能不能上牌桌，却决定不了你能不能打好这手牌。
所以第一种能力，本质是把钱翻译成时间：不是把资本变成某个确定的成果，而是变成一段可以承受大量失败的时间。它解释了 DeepSeek 为什么“能开始”，却解释不了它为什么“能做成”——期权只是给了行权的资格，真正决定这批算力是空转还是长出原创的，是有没有一群人、以及一套让他们把卡用在刀刃上的组织方式。资源这一层谈到这里就够了；接下来要问的，是这段昂贵的自由被交到了谁手上，又是怎么被组织成一场有效的搜索。
第二种能力：把自由变成有效搜索
上一节买来的时间和算力，终究要落到具体的人身上，才可能长出原创。所以第二个齿轮是组织——更准确地说，是一种让想法自下而上冒出来的搜索方式。这套框架前面已经给它起过名字：分布式搜索。它要回答的问题是：当一群人、一大批算力和一段不必急着变现的时间都到位之后，怎么让它们不是空转在别人指定的任务上，而是自己去找那些还没有答案的问题。
先看这群人是谁。梁文锋说，做出 V2 的团队主要是顶尖高校的应届生、在读的博士实习生，以及毕业没几年的年轻人，其中没有海外归来者；他由此认为，本土环境同样能培养出顶尖人才（36氪 2024）。这套用人取向在更早的访谈里就有交代：幻方招聘看的是能力而不是经验，核心技术岗位以应届生和毕业一两年的人为主；在他看来，经验有助于完成短期目标，但基础能力、创造性和热爱，对长期创新更重要（36氪 2023）。要注意，这只是 DeepSeek 在 V2 阶段的一种人才组合，并不证明经验无用——它说明的是，这家公司选择把赌注押在可塑性和热情上，而不是履历上。
“看能力不看经验”并不是一句漂亮话，它得先扛得住代价。梁文锋举过幻方销售团队的例子：没有行业经验的人，第一年可能交不出什么成果，要到第二年才慢慢显出表现（36氪 2023）。愿意为这样一段看起来像在“浪费”的适应期买单，本身就得靠上一节那种不催回报的资本垫底——没有那段试错时间，这种用人方式第一年就会被账面否决。他还说过，对合适的人，管理方式是把重要的任务直接交给他、然后尽量少干预（36氪 2023）；这既是一种自由，也是一种压力：任务足够重要、干预又足够少，人就只能靠自己把它扛下来。
真正让这群人能“搜索”起来的，是两条被反复提到的自由。一是算力上的自由：梁文锋说，成员可以无需审批就调用训练集群的算力，跨人协作也比较灵活，只要对方有兴趣就能搭伙（36氪 2024）。二是任务上的自由：公司没有传统意义上的 KPI，也不预设任务，成员带着自己的想法去探索，遇到问题再主动去找能帮上忙的人。这两条自由合起来，就是“分布式搜索”的字面意思——不是自上而下派活，而是让许多人各自朝不同方向试探，让有价值的方向自己浮现出来。
把“无需审批”这四个字单独拎出来看，改变的其实不只是效率，而是哪些实验根本会被想出来。在一个算力要层层审批的地方，一个人在提出想法之前，往往先得在心里替它算一笔账：值不值得为它去申请资源、去说服上级；很多还没成形、听上去不靠谱的念头，就在这一步被自己提前毙掉了。而当调用集群不必先讲清理由，试探的门槛就降到了“想到了就去试”——分布式搜索能铺得多宽，某种程度上正取决于这道门槛压得有多低。协作也遵循同一套逻辑：遇到问题主动去找人，但要对方真有兴趣才搭伙。这更像一个内部的自愿市场，而不是一张排好的甘特图——谁被谁的问题吸引，力量就往哪里聚。
把“人”和“算力”分开看还不够，真正决定搜索质量的，是这两条线相乘出来的那个量——需要说明，这一步推演是本文的分析，梁文锋本人并没有这样表述。先说人才密度：它常被误读成人数，好像招够聪明人就算达标，可这里它指的是另一回事——一批能互相看懂对方半成品想法的人被放在一起，谁抛出一个还没成形的念头，旁边的人立刻能判断它有没有戏、卡在哪里、值不值得往下试。人多不等于密度高：一群彼此看不懂对方在做什么的人，人数再多也评不出方向；密度真正的标志，是一个粗糙念头能被迅速接住、被迅速证伪或迅速加码。正是这种“互相判断半成品”的能力，替这台机器在事前省下了大量本会浪费在错误方向上的试探，也让分布式搜索不至于四散成一堆无人评估的空想。
再看“随时调用算力”这一条，它的作用同样容易被讲浅。表面看，无需审批省下的只是走流程的时间；可从梁文锋对组织的描述里能推出一层他没有明说的意思：这里自由的关键，并不在于成员能自由地表达意见——能提意见的地方到处都是——而在于成员能迅速地为自己的意见付出实验的成本。一个念头只要还停在嘴上，它就既不算对也不算错，谁也说服不了谁；只有真正跑起来、撞上数据，它才开始变成能被留下或被否掉的知识。可自由调用的算力，恰恰把从“想到”到“变成一个可证伪的实验”这段等待压到了最短——它缩短的不是说话的自由，而是试错的延迟。
这两条必须相乘，而不是相加。只有人才密度、却没有可以随时调用的算力，那些被迅速判断过的好想法只能堵在讨论里，密度越高，卡在门口出不去的念头反而越多，判断力最终沦为空谈；反过来，只有算力、却没有那层互相判断的密度，实验固然跑得起来，却没人在事前筛掉那些明显不值得试的方向，搜索就会退化成一场昂贵的随机搜索，卡空转、钱烧在噪声上。人才密度决定哪些方向值得试，可调用算力决定想试就能立刻试；缺了前者，算力沦为随机搜索，缺了后者，判断停在嘴上——DeepSeek 那种“自下而上”之所以没有散成一地空想，靠的正是这两个因子同时到位、彼此相乘。
但这里有一笔账必须算清：自由从来不是免费的。成员之所以能“无需审批”就动用训练集群，前提是上一节那批算力早已备好、且不必靠这一个项目立刻回本——审批之所以能省掉，是因为为失败买单的钱已经躺在账上了。把这一层抽掉，同样一句“随便用卡”就会变成一句空话。所以第二种能力并不是凭空的洒脱，它是被第一种能力托着的：自由的成本，早已由那批实验期权提前付掉了。
也正因如此，要小心两个流行的误读：“没有 KPI”不等于没有评价，“自由”也不等于没有边界。梁文锋自己给出的约束至少有三层，都需要归到他的说法上。其一是价值观筛选——招人时看重的创造性与热爱，本身就是一道过滤，把方向不合的人挡在门外；其二是管理者示范——他说公司没有成文的企业文化，靠的是文化和管理者的言传身教来保持方向一致，甚至认为过度成文反而会妨碍创新；其三是难题吸引——他把能不能留住人，直接和“有没有最难的问题可做”联系起来。这三层合起来意味着：所谓自下而上，并不是无人负责的放任，而是先用筛选和示范把边界划好，再在边界之内放手。这也呼应了他反复强调的那种“自由不是放任”——被共同目标约束过的自由，才可能收敛成有效的搜索，而不是四散的空转。
退一步看，为什么偏要让搜索“分布”开来？关键在于目标本身的性质。如果要做的是一件早有答案、路径清楚的事，自上而下派活反而更省事——谁都知道该往哪走。可当目标是一个还没人回答过的问题时，没有哪个管理者能提前断定哪条路一定对；这时候把探索的方向收拢到少数几个人的判断里，等于提前赌死了搜索的范围。让许多带着不同想法的人各自去试、遇到有意思的问题再自发聚拢（36氪 2024），本质是用人数去覆盖一片没人画过地图的空间。分布式搜索的价值，不在于它一定比集中指挥更聪明，而在于它不必事先押注方向——而“不必押注方向”这件事，恰恰只有在算力和时间都不再紧张时才负担得起，这又把账算回到了上一节。
顺着这套搜索往下，自然会撞上一个问题：想法自己冒出来之后呢？V2 里那个后来压低了成本的 MLA，最初就来自一名年轻研究员的想法（36氪 2024）。可一个念头从冒头到真正做进模型，中间还隔着一段完全不同的工序——那要靠的就不再是分散的自由，而是另一种能力。这，正是下一节要拆的齿轮。
第三种能力：把灵感变成工程结果
上一节结束在一个悬着的问题上：想法自下而上冒出来之后，接下来呢？分布式搜索能做的，是让尽可能多的念头浮出水面；可一个浮出来的念头，离一个能装进模型的结果，中间还隔着一整道工序。绝大多数念头会在这道工序里被淘汰，就算是那个最终被证明有用的，也不会因为有人想到了它就自动成形。所以这台机器还需要第三个齿轮，它的方向恰好和上一个相反——不是让力量散开，而是把力量收拢。
梁文锋对这道工序有过一句很短的描述：当一个想法显示出潜力之后，管理层会自上而下地调配资源（36氪 2024）。把这句话和上一节那套“无需审批、自愿搭伙”的自由并排放，会发现 DeepSeek 内部其实同时跑着两种方向相反的机制。搜索阶段是自下而上的：谁也不预设方向，让许多人各自去试。兑现阶段是自上而下的：一旦某个方向露出苗头，判断、人手和算力会迅速朝它集中过去。这两段合起来，才是“分布式搜索、集中式兑现”这句话的完整含义——前半段负责把方向找出来，后半段负责把找到的方向做成东西。缺了后半段，再多的好想法也只会停在“聊过”的层面。
MLA 就是一个能把这两段都看清楚的样本。按梁文锋的说法，它最初只是一名年轻研究员的想法；而从这个想法到真正做进 V2，团队投入了数月时间去完成验证和工程化（36氪 2024）。这里的两个量级值得对照着看：起点是“一个人”和“一个念头”，落点却是“一个团队”和“数月”。念头本身几乎不花钱，真正昂贵的是后面那段——把一个在纸面上讲得通的结构，反复验证、调试，直到它能稳定地跑进一个要对外发布的模型里。一个想法在小范围里成立，和它在一个真实的大模型里稳定成立，完全是两回事；许多听上去漂亮的结构，正是在这道从“讲得通”到“跑得稳”的坎上摔掉的。如果只有前半段，MLA 至多是内部讨论里闪过的一个好主意；正是后半段那笔集中投入，才把它从一个念头变成了产品的一部分。
需要停下来看清这里的方向切换，因为它恰恰是最难的一段。分布式搜索要的是“宽”——不事先押注方向，让尽量多的可能性都被摸一遍；集中式兑现要的是“深”——认定一个方向后，把资源压上去把它做透。同一个组织，要能在这两种相反的姿态之间来回切换：既容得下大量看起来不靠谱、最后也确实不成的试探，又能在某个试探显出潜力的瞬间，果断地停止发散、转而收拢。这中间还藏着一个不容易的判断——一个想法要显露到什么程度，才值得把资源押上去？押早了，是在没长成的念头上浪费集中投入；押晚了，好方向又会卡在验证不足里错过。只擅长发散，会陷在什么都做不成的状态里；只擅长收拢，又会因为没有足够的念头可供挑选而无处施展。真正稀缺的，是同一套组织能不能在正确的时刻完成这次切换。
这也给上一节那份“自由”补上了一块常被忽略的底。梁文锋并不讳言，创新本身昂贵、低效，还常常伴随浪费。分布式搜索之所以能容忍浪费，是因为它本就靠大量注定失败的试探去覆盖那片没人画过的地图——浪费不是它的副作用，而是它的运作方式。可如果浪费只进不出，这台机器迟早会被自己产生的噪声塞满。集中式兑现在这里扮演的，正是那道相反的闸门：它不负责在事前消灭浪费，而负责在事后从一大堆试探里认出那个已经越过门槛、值得把资源压上去的念头，同时默许其余的自然停摆。发散负责把可能性铺开，兑现负责把注意力收窄——一台只会铺开、不会收窄的机器，产出的不是原创，而是一地半成品。正因为后半段这道闸门存在，前半段那种看似奢侈的浪费，才算得上一笔花得出去、也收得回来的投入。
而这次切换一旦完成，它的结果就会以一种外部能直接看到的形式显影出来——这正好接回了第一节那个“影子”。MLA 这类结构降低了跑模型的资源消耗，最终落到账单上，就成了 V2 那个搅动行业的低价格。外界能看到的，始终只是墙上那个便宜的数字；而把这个数字投出来的，是内部这段从念头到工程结果的兑现过程。价格是外部可见的痕迹，兑现的能力却留在组织里，看不见，也抄不走——这也是为什么，同样一个低价，从外面几乎无法反推出背后到底站着一套什么样的机制。人们记住了结果，却读不到产生结果的那道工序。
沿着效率这条线，梁文锋给过一个更具体、但必须谨慎对待的估计。他认为，国内领先水平和国外领先水平在训练效率和数据效率上大约各差一倍，两者叠加，做同一件事可能要多消耗大约四倍的算力（36氪 2024）。要特别说明：这是他在访谈里给出的估计，不是经过独立核实的测量，本文只能转述，不能替他确认这个倍数。也正因为它只是一个估计，后面这条推论必须写成条件句：只有当梁文锋这个倍数大致成立时，效率上的差距才会被直接翻译成算力上的差距，进而转化成试错次数上的差距——在高端芯片本就受出口限制、算力天然吃紧的前提下，同样一批卡，效率抠得更狠的一方才能跑出更多轮实验，把这一节的兑现能力悄悄喂回第一节那批实验期权。倘若这个倍数并不成立，这条回喂链就要打上折扣；但即便如此，它至少点出了兑现这道工序真正较量的东西——不是能不能把一个结构做出来，而是能不能用更少的资源把它做出来。MLA 这类架构的意义，恰恰在于它是在这条效率线上往回追的一次尝试。
这就把话题引到了那个最容易被误读的区别上：原创与模仿。梁文锋把中国和国外之间真正的差距，理解成原创与模仿的区别，而不只是排行榜上的一两年（36氪 2024）。放到“兑现”这个视角下，这个区别其实是一条学习曲线上的差别。模仿一个已有的结构，等于直接拿走别人试错的结果——那些失败的实验、走过的弯路，都可以跳过，当期的探索成本因此省下一大截。但省下的只是这一轮的试错；模仿并不会顺带把“提出下一个问题、再组织起下一次实验”的能力也交给你。而原创每走一遍，哪怕当下并不领先，团队都会在这条曲线上多爬一段：知道哪些方向试过不行、知道一个念头该怎么被验证成工程结果、也知道下一个问题该往哪里问。梁文锋据此主张，中国不应长期只使用别人创造的基础技术，而应成为技术的贡献者——把这句话放回学习曲线，它说的并不是谁天生更强，而是：一个总在拿现成答案的组织，会停在曲线的同一个位置上，因为它始终没有亲手走完从提问到兑现的那一整段。这与国别无关，换成任何一家公司都成立。
所以第三种能力，是把前两种能力攒下的东西真正变现：把资本买来的时间、组织放出来的自由，最终收束成一个能装进模型、又能压低成本的工程结果。但兑现解释的仍然只是“这一次是怎么做成的”，它没有回答一个更要紧的问题——做成之后，DeepSeek 为什么要把它公开出去，而不是锁起来独享？这台机器要能反复转下去，还缺最后一个把结果送回起点的齿轮。那，正是下一节要谈的开源。
开源为什么不是慈善
一家把结果做出来的公司，通常会本能地把它锁起来——那是辛苦试错换来的东西，公开出去岂不是白送给对手？DeepSeek 偏偏反着来：V2 发布即开源。最省事的解释是理想主义，说这家公司心怀普惠、不计得失。但这个解释既抬高了它，也看轻了它——把开源说成慈善，等于默认它做了一件对自己没好处的事；而真正值得解释的，恰恰是开源如何对它自己有用。
梁文锋自己给的理由，一点都不像慈善。他明确表示 DeepSeek 不会闭源，因为在他看来，技术生态比一个封闭的商业模式更重要；他还把开源的价值，直接和生态、声誉、吸引人才这几件事联系在一起（36氪 2024）。把这几个词摆开，会发现它们不是并列的几项好处，而是一条首尾相接的回路。公开一个有用的结构，会有人围着它用起来、改起来，生态就长出来了；一个被广泛使用的东西，会给做出它的团队带来声誉；声誉又会把那些“想解决最难问题”的人吸引过来——而梁文锋恰恰把能不能留住人，直接系在“有没有最难的问题可做”上。这些被吸引来的人，正是上一节那台机器最稀缺的原料。于是这一轮的技术结果，绕了一圈，变成了下一轮创新的人才输入：开源在这里扮演的，是把机器的产出重新接回机器入口的那根管子。
不过在往下拆这条回路之前，得先把一道限定立在前面，别让语气显得太满：它是梁文锋叙述里被设计出来的策略，还不是一份已经兑现、已被证明能自我维持的收益表。所以下面说“换回声誉”“喂回人才”，讲的都是这条回路被设计成如何运转，而不是断言它已经如实转起来——该打的折扣先打在这里，后面只补它悬着的账。
这也正是“创新生产函数”里的第六个因子：生态反馈。前面五个因子——耐心资本、可调用算力、人才密度、分布式搜索、集中式兑现——描述的是这台机器如何转上一圈；而生态反馈解释的是，它凭什么能一圈接一圈地转下去。一台只转一圈的机器，做出一代模型也就到头了；而这根把输出接回输入的管子，才是“下一次创新”这个说法能够成立的物理基础。少了它，前面五个因子加起来也只是一次性的，做完 V2 便无以为继。声誉与人才不会凭空补给，它们得靠一件被人真正用起来的东西去换——这正是开源在整条链上不可替代的位置。
值得留意的是这条回路和一次普通宣传的区别。发一篇论文、办一场发布会，同样能换来一时的关注，但那种关注是一次性的，声量过去就散了。开源换来的不是声量，而是使用：一个结构被别人拿去接进自己的系统，就等于在对方那边扎下了根，改一改、试一试、指出哪里不好用，这些反馈和采用本身就构成一种持续的关系。换句话说，闭源公司要独自承担从造出结构到验证结构的全部成本，而开源把其中一部分“被使用、被检验、被传播”的环节挪到了外部，由整个生态替它分担。这不是省钱那么简单——它意味着这台机器的每一次输出，都会在外部沉淀成一层越来越难绕开的存在感。梁文锋看重的“生态”，指的正是这种由使用积累起来、而非由声量堆起来的东西；也正因如此，它才可能反过来喂回人才与下一轮创新，而不像一次宣传那样用完即止。
那么，公开了结构，护城河不就被填平了吗？这里要把两样东西分开。可以公开的，是技术结构本身——论文、权重、架构设计，这些一旦发布，任何人都能拿去看、拿去用。但公开的只是“这一代”的答案。梁文锋的判断是，闭源所能形成的领先可能只是暂时的；真正持续的优势，不在某一份被藏起来的权重里，而在团队积累的 know-how、能不断产出原创的文化，以及追赶乃至定义下一代技术的能力（36氪 2024）。顺着这个判断，开源的逻辑就清楚了：既然真正的护城河是“做出下一代”的能力，而这份能力本来就没法写进权重里公开，那么把“这一代”的结构放出去，几乎不损耗那条真正的护城河——你送出去的是已经做完的答案，留在手里的是还在产出答案的机器。
这背后还有一个更冷的前提：技术上其实没有能永久藏住的秘密。一个足够重要的结构，就算今天不公开，也迟早会被别人独立想到或反推出来——把宝押在“别人看不到”上，等于把优势建在一份会不断贬值的资产上。既然秘密早晚会漏，主动公开至少还能换回声誉、生态和人才这些捂着不放就得不到的东西。这样一比，闭源守秘和开源让利就不再是“慷慨”与“精明”的对立，而是同一道算术题的两种解法：一种指望靠时间差吃尽一代模型的红利，另一种赌自己更新得足够快，快到别人还在消化上一代时，它已经站在了下一代上。梁文锋说闭源的领先“可能只是暂时的”，指的正是前一种解法先天的短命。
而且“拿到结构”和“追平能力”之间，隔着的时间与成本远比想象中大。拿到一份开源的结构，能省下的是复刻它的那部分试错；但一个对手要真正追上来，还得重新组织起一支能提出下一个问题的团队，还得把上一节那套从念头到工程结果的兑现能力重新长出来——这些既要时间，也要钱，且都不写在那份公开的文件里。所以开源不是把家底送人，更像是把一张旧地图公布出来：地图人人可看，可真正值钱的是还在不断勘探新地形的那支队伍，而队伍抄不走。它公开的是终点，藏起来的是抵达终点、并继续往前走的那条路。
但话要说到分寸上：承认开源对自己有用，不等于说这条回路已经被证明可以自我维持——它在梁文锋的叙述里仍是一条被设计出来的反馈策略，而非一份已经兑现的收益表，把“策略”读成“已经成功的商业闭环”，是另一个方向上的误读。
即便如此，开源这一步仍然改变了“护城河”这个词的重心。传统意义上的护城河，是把秘密守得越严越好；而在梁文锋的这套逻辑里，护城河不在守住某一代的秘密，而在比所有拿到这份秘密的人都更快地做出下一代。这是一种把优势从“保密”迁到“速度”的赌注——它成不成立，取决于这台机器是不是真能一圈接一圈地转下去。而一旦把六个因子看成这样一条彼此供血、首尾相接的回路，就能回答一个一直悬着的问题：为什么别人把这些做法一条条抄过去，往往还是拼不出一个 DeepSeek？那，正是下一节要拆解的。
这套系统为什么难以抄走
前面六节把这台机器一个齿轮一个齿轮拆开看过一遍，一个顺理成章的疑问也就浮了上来：既然每个齿轮都摆在明处——没有 KPI、招应届生、买卡、把价格压低、把结构开源——一家不缺钱的公司为什么不能照着清单逐条配齐，拼出第二个 DeepSeek？现实里这样照抄往往落空。要看清这个差别究竟发生在哪里，不妨换一种方式，不再逐条罗列制度，而是追问三个更基本的问题——每一条被单独抄走的政策，都会在这三个问题上的某一处失去支撑。
第一个问题是：自由的成本谁来承担。取消考核，大概是这张清单上最容易照抄的一条，一纸通知就能办到。可考核一旦取消，成员多出来的那段可以自由试探的时间并不是凭空冒出来的，它有价格——有人得替这段时间里注定发生的大量失败买单。在 DeepSeek，这笔账在自由被交到成员手上之前，就已经由不催回报的资本和早已备好的自有算力垫过了。抄的人如果没有同一层垫底，“无 KPI”落地的第一天就会变成另一种东西：要么管理者仍要为季度数字负责，于是放出去的自由很快被悄悄收回；要么真的放手，却因为每一次失败都要即时计入损益，团队被迫只敢挑那些稳妥、见效快的方向——而那恰恰是自由本该用来避开的东西。同样一条“无 KPI”，在有垫底的地方长成搜索，在没有垫底的地方退化成放任或伪装。成本从来不会因为不考核就消失，它只是被推给了别处；抄走制度的表面，推不掉它底下那笔账。
第二个问题是：方向由谁来筛选。招一批聪明的年轻人、堆一批算力，是这张清单上最能用钱直接办到的两件事——人和卡都可以下单买来。可人和卡到齐，只回答了“谁来试、拿什么试”，并没有回答“往哪里试”。自下而上不等于没有方向，它的方向是被一套筛选悄悄定下来的：招人时对创造性与热爱的偏好，管理者亲自示范划出的隐性边界，以及“有没有最难的问题可做”对人的吸引。这套筛选不写在任何一份制度文件里，也就没法跟着人和卡一起被打包买走。抄的人拿到手的是原料，缺的是那只看不见的手；没有它，一群聪明人加一批空闲算力，会散成许多各自为战、彼此不咬合的小项目，看着热闹，却始终收不拢成一个能被集中兑现的方向。方向由谁筛选，正是自下而上会不会退化成一盘散沙的分水岭——而这道工序，恰恰是照着清单抄最容易漏掉的一道，因为它根本不在清单上。
第三个问题是：成果如何回流下一轮。低价和开源，是这张清单上最容易被模仿的两个姿态——价格数字谁都能跟，开源的仓库谁都能建。但这两样在 DeepSeek 身上都不是孤立的动作，而是一条回路上的接口。低价是内部效率投在账单上的影子；抄的人若靠补贴把价格跟平，跟到的只是那个数字，不是产生数字的效率——这种便宜每卖出一次都在放血，非但回不了下一轮，反而在抽干下一轮。开源也一样：它之所以能换回声誉与人才，前提是背后有一台还在持续产出新结构的机器，公开出去的是别人还没越过的东西；一家没有这台机器的公司照样宣布开源，放出去的只会是别人早已走过的旧地图，既长不出生态，也吸引不来想解决难题的人。成果能不能回流下一轮——低价能不能收得回来、开源能不能换得回来——考的从来不是这个动作本身，而是动作背后那台机器还转不转。
这里还藏着一个让照抄注定跑偏的偏差：越是显眼的东西，越容易被抄，而越显眼的，往往越是靠不住的那一半。低价写在报价单上，开源摆在代码仓库里，招应届生和取消 KPI 也都能公开宣布——它们是这套系统朝外的一面，谁都看得见，于是也最先被搬走。可真正撑住这些姿态的，是垫在底下的资本耐心、隐性的方向筛选、还在持续产出的兑现能力，这些恰恰不显影、不上公告，抄的人既看不到，也就无从下手。换句话说，照抄这件事本身有一种系统性的取向：它总是先拿走最可见的部件，而最可见的部件又正好是离开支撑就最先失效的那些。于是照抄不仅难以成功，它的失败方式还高度一致——总是配齐了朝外的姿态，缺掉了朝里的管路，然后眼看着搬来的每一件都在自己手里退化成空壳。看得见的会误导人，而抄袭偏偏只认看得见的。
乘法之外，还有一层更隐蔽的东西让照抄失效：这些因子不是可以同时摆上桌的零件，而是必须按顺序长出来的。清单给人的错觉是并列——仿佛把六项一次配齐，机器就能启动；可回看这条链会发现，它有着不可颠倒的先后。得先有一段不催回报的资本托住时间，自由才谈得上；有了自由，想法才冒得出来；想法积到一定密度，集中兑现才有东西可挑；兑现出真正有用的结构，开源才换得回声誉与人才；而这些人才与声誉，又要沉淀一轮，才能反过来加厚下一轮的资本与判断。每一环都以上一环的产出为原料，后一环替前一环收回成本。这意味着，就算一家公司有钱把六项同时买齐，它得到的也只是六个尚未彼此接通的部件——因为部件之间的管路，是靠时间一节一节接起来的，而时间买不来。这正是“耦合”二字最难移植的地方：它不是一种静态的配置，而是一段有先后、会自我加厚的历史。抄的人拿到的是某一刻的快照，缺的是把这张快照冲洗出来的那整段过程。
把三个问题并在一起看，会发现它们其实是同一件事的三个切面：每一条被单独抄走的政策，都要靠另外几条给它供血。抽走网络里的任何一条，它都会立刻退回自己表面的形状——“无 KPI”退回放任，招人买卡退回散点，低价与开源退回收不回本的空姿态。真正难抄的从来不是某一条政策，而是这些政策彼此咬合、互相供血的那种耦合状态。它长在组织内部，既不写进文件，也不显影在价格上；于是看得见的人可以照抄它的每一个零件，却复制不了让这些零件同时转起来的那套联动——抄得走清单，抄不走乘法。
判断DeepSeek，别只看下一张榜单
在给出任何判断之前，得先把脚下的材料看清楚。本文这一整套推断，都搭在两篇专访之上——一篇在 V2 之前，一篇在 V2 之后。必须承认这批材料的性质：它们是创始人对自己公司的解释，不是财务、组织或技术的第三方审计。更麻烦的是，2025 年 DeepSeek 真正爆火之后，可供对照的新材料反而更少：公开的完整专访稀缺，流传的多是旧访谈被重新包装、转载，一些看似新鲜的“独家”，内容其实还是此前那一篇；爆火后的背景报道在解释梁文锋的融资观时，也仍要回引 2023 年旧专访。也就是说，我们手上最有解释力的一手材料，恰好停在这家公司最不为人知的阶段；它最受瞩目的这一年，反倒没留下多少能用来验证前面那套机制的新证据。这道材料边界只需点到为止，却决定了本文只能是一套基于有限自述的解释，而不是一纸结论。
认了这道边界，就得认真对待几个访谈没有回答、而这套解释又绕不开的问题。第一个是组织扩张。前面描述的那种无需审批、靠管理者示范维持方向的运转，是一支小而密的团队才负担得起的；一旦公司因爆火而迅速膨胀，人多了数倍、层级厚了起来，那套靠默契和示范维系的自由还撑不撑得住，靠言传身教维持的方向感能不能复制到大量新人身上，访谈里没有答案——而规模，恰恰是最容易把“自由”重新压回成流程的力量。第二个是创始人依赖。方向的筛选、边界的划定、乃至“什么问题最值得做”的判断，都高度系于梁文锋个人；这既是一种效率，也是一处脆弱：一个高度依赖个人品味的系统，如何在创始人精力被稀释、或不再事事亲自把关之后，还稳定地做出同等质量的判断？越是靠个人示范而非成文制度维系的组织，这个问题就越尖锐。
第三个是芯片约束——梁文锋自己就把真正的约束点指向高端芯片的出口限制。这台机器的第一个齿轮是把钱换成试错次数，而试错次数最终要落在算力上；当能买到的算力被外部政策卡住，再有耐心的资本也换不来更多次试错。效率上的追赶能不能抵消供给上的收紧，这不由内部机制决定，而由它控制不了的外部条件决定。第四个是开源与持续投入。开源这条回路能成立，前提是机器一直在产出值得被使用的新东西；而持续产出要靠持续投入，梁文锋却同时说过没有短期融资计划、也说过更多的钱不必然带来更多创新。当研究越来越贵、收入又主要让渡给了生态，这条回路靠什么长期供血？开源能换回声誉与人才，可声誉与人才要如何再变成下一轮的真金投入，中间还缺一环访谈没有交代的账。第五个，也是最根本的一个，是商业可持续性：前面所有机制都默认这台机器能一直有钱转下去，可“按成本定价、不追求暴利、把结果开源”这套组合，本身并没有回答钱从哪里源源不断地来。这不是断言它一定不可持续，而是说，访谈提供的是一套关于如何创新的解释，不是一份关于如何长期赚钱的证明；把前者当成后者，是又一次误读。
把这五个问题排在一起，会发现它们并不是五桩互不相干的担忧，而是同一道裂缝的五个朝向。前面那套机制，是在一支小而密、尚不为人知的团队身上被描述出来的；而这五个问题，问的全是同一件事——当这家公司离开那个阶段，被规模、被关注、被外部约束一起推着往前走时，那套运转还成不成立。换句话说，访谈交给我们的是一台机器在实验室状态下的说明书，而它接下来要面对的，是把这台机器搬到风里去转。说明书上写得通的，未必在风里还转得动；这道落差，正是所有未决问题的共同来源。
那么，该拿什么去判断这套解释到底立不立得住？这里可以立一条能够被证伪的尺子。如果 DeepSeek 真正的产品是那台“产生下一代”的机器，那么检验它的方式，就不该是看它某一次的输出，而该是看它能不能在条件变化之后，反复地再产出原创的结果。说得更具体些：当团队扩张了、当创始人不再事事亲自把关、当算力被进一步收紧、当第一批开源换来的红利吃尽之后，它还拿不拿得出下一个不是靠跟随、而是靠自己提问得来的结构？如果能，一次又一次地能，那才说明前面那套机制不是对一次成功的事后追认，而真是一台可复用的机器；如果不能，如果它此后只能靠追赶别人的路线维持存在，那么再漂亮的“创新生产函数”，也不过是对一次幸运的过度解读。这条尺子的好处在于它可以判错——它没有替 DeepSeek 预留一个只赢不输的位置。
一旦握住这条尺子，评价 DeepSeek 的标准就被整个换掉了。一张新榜单上的名次、一次价格上的输赢、一句被反复引用的创始人名言，量到的都只是这台机器某一次的输出，或者只是外界对它的一次投射；它们波动得快，也最容易被复制和反超。真正值得盯住的是那些慢变量：它能不能持续吸引到想解决最难问题的人，能不能在方向上一次次不靠跟随地开题，能不能在条件恶化时仍守住那套让想法自下而上冒头、又被集中兑现的运转。这些东西不会出现在任何一张榜单上，却决定了下一张榜单由谁来定义。
这把尺子也顺手给了读者一个可以自己动手的判断框架，用来把信号和噪声分开。往后再看到关于 DeepSeek 的消息，不妨先问一句：这条消息量的是快变量还是慢变量？某代模型冲上了榜首、某次报价又创了新低、创始人又贡献了一句金句，这些都是快变量，它们回答的是“这一次表现如何”，会被下一次刷新，也随时可能被别人复制或反超，参考价值有限。真正该盯的是几个不上榜的迹象：它招进来的人，是奔着最难的问题来的，还是奔着安稳的待遇来的；它拿出的下一个结构，是自己开题得来的，还是照着别人的路线追出来的；当外部条件收紧时，那种让想法自下而上冒头、再被果断收拢兑现的运转，是守住了还是松掉了。把观察的重心从“它这次赢没赢”挪到“它还在不在原创”，读到的就不再是一连串孤立的战报，而是这台机器本身的健康状况——这才是这套解释真正想教会读者去看的东西。
最后要把话说到最克制的地方：换一把尺子，并不等于替 DeepSeek 打了包票。这套解释完全可能被后来的事实推翻——它也许真的过度依赖某一个人，也许真的会在芯片或资金的某一环上被卡死，也许扩张之后那种自由就再也回不来了。本文想改变的，从来不是“DeepSeek 会不会成功”这个结论，而是“我们该用什么去判断它”这个问题本身。别只看下一张榜单——不是因为榜单不重要，而是因为榜单回答的只是“这一次谁赢了”；而这家公司到底值不值得高看，取决于一个慢得多、也难得多的问题：它能不能在下一次、再下一次，依然做出别人还没做出来的东西。
来源说明：本文的事实与引述均来自梁文锋接受 36氪《暗涌》的两篇专访——《疯狂的幻方：一家隐形AI巨头的大模型之路》（2023） 与 《揭秘DeepSeek：一个更极致的中国技术理想主义故事》（2024）；文中涉及的预测、估算与自我描述，均已按其原意归于受访者本人。