读懂DeepSeek：它真正卖的，是一台”下一次创新”的机器
咱们先从一个”便宜”说起。
2024 年 5 月，DeepSeek 发布 V2，开源，而且推理价格低得离谱，直接在国内触发了一轮大模型降价（36氪 2024）。绝大多数人，包括我在内，都是从这个”便宜”第一次认真注意到这家公司的。
顺着便宜，一个特别顺口的故事马上就冒出来了：一家中国公司，靠低价打价格战，烧钱换市场。这个故事你我都听过一百遍，熟得几乎不用动脑子。但我想说的是，这个故事从一开始就搞错了对象——你盯着价格看，等于盯着影子看。真正值得研究的，是投下这个影子的那个东西。
别被便宜骗了：价格战只是影子
你先较个真：如果 DeepSeek 真是在打价格战，那它图什么？
价格战本质上是一种投资。逻辑很清楚：先用补贴把价格压到成本以下，烧钱抢市场份额，等对手撑不住退场了，再涨价把利润赚回来。前提是——先亏后赚，账面上你得先扛得住流血。
可你看 DeepSeek，它把目标钉在通用人工智能，坚持开源，连融资的信号都不肯放。一家这样的公司，为什么要用打价格战这种最烧现金的方式去赢？说不通。
问题出在起点。价格战的起点是”竞争”，而梁文锋说，他的定价起点是”成本”本身。他对”价格战鲶鱼”这个称呼明显不太买账，说成为鲶鱼不是有意为之，团队只是按自己的成本定价，原则是不补贴、不追求暴利，同时留一点利润。
这里我得踩个刹车，把话说清楚。”便宜”是外界能直接看到的事实；但”不补贴、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。本文只能转述他这句话，不能替他盖章。把创始人的一句自我描述当成已核实的财务结论——这恰恰是外界谈 DeepSeek 时最常犯的错。
好，那顺着”按成本定价”往下问，真问题就来了：它的成本凭什么能低到搅动整个行业？
梁文锋把降价拆成两半。一半，是探索下一代模型结构带来的真实成本下降；另一半，是他认为 API 和 AI 本就该普惠的价值判断。第一半才是关键。他的说法是：如果只想快点做个应用，沿用 Llama 这种现成结构最省事；可 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，反过来把推理的边际成本压了下来。
你品品这个逻辑：在他这里，降价不是获客手段，而是研究的副产品。先有为了啃更难的问题而做的架构，然后价格才顺带便宜下来。
这条从研究到价格的链，2023 年就埋下了。梁文锋第一次公开受访时就把两件事分得很清：一件叫”复刻”，一件叫”研究”（36氪 2023）。复刻一个已有能力，靠公开论文、开源代码或者在现成模型上微调就行，成本可控；研究则要去碰 GPT-4 这种还没答案的问题，得多做实验、多烧算力，还得承受大量失败。他把自己的动机说成是好奇心，而不是先算清回报。正是这种”研究优先”，决定了它会去改底层结构，而不是抢着在现成框架上做应用。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结果。
便宜的具体来源也指向同一处。据媒体对 V2 的技术描述，它靠 MLA 和 DeepSeekMoE 这类架构设计，显著压低了显存占用和计算量。具体百分比咱们不复述，只借它说明一件事：那个便宜价格的背后，站着的是结构层面的重新设计，不是一次咬牙硬撑的补贴。说白了，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，而不是有人替这笔钱垫了账。这也和”不补贴”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。
这里藏着一个特别容易被忽略的不对称，我觉得是全篇第一个洞见：
对手当然可以把价格跟到一样低，甚至更低——只要肯补贴，任何数字都追得平。但你追平的只是那个数字，不是产生这个数字的效率。 靠补贴压出来的价格，每卖一次都在放血，早晚要靠涨价或退场收场；靠效率降下来的价格，卖得越多越贴近它本来的成本，反而稳得住。
于是同样一个便宜的价格，放在两家公司身上，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。你光盯着价格这个数，恰恰分不出这两种便宜。这就是为什么，价格几乎没法告诉你一家 AI 公司真正的水位——它顶多是露出水面的一个角。
所以”价格战只是影子”这句话，现在有确切含义了。影子的形状由两样东西决定：投影的物体，和照过来的光。这里投影的物体，是 DeepSeek 内部把不确定的想法变成技术结果的效率；照过来的光，是整个行业比价的目光。外界盯着墙上那个便宜的数字，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，真正决定形状的，是那个你看不见的物体。只看影子，就会把一场连锁反应误读成一次主动出击。
所以读懂 DeepSeek 的第一步，是把眼睛从价格上挪开。低价是结果，不是原因；是被别人跟出来的连锁反应，不是它主动发起的战争。真正要解释的，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。这个问题一问出来，讨论就从”谁价格更狠”，转向了”这家公司到底在生产什么”——这俩根本不在一个量级上。
它真正卖的，是一台”下一次创新”的机器
那个投影的物体，到底是什么？
把 2023 和 2024 这两篇专访放一块儿读，会浮出一个比”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、也真正被它拿去跟世界交换的，是那台还能一次次转下去的机器本身。想通这一点，你就不会把 V2 的成功当成终点，而会把它看成一次可以被重复的输出。
梁文锋自己也把话往这个方向引。他说中国和国外真正的差距，是”原创与模仿”的区别，而不是排行榜上差的那一两年（36氪 2024）。你看这个分界：一代模型可以被复刻，可提出下一个问题、再组织起下一次实验的能力，复刻不了。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能被复制的那一半，挪到抄不走的那一半。
为了把这台机器讲清楚，我给它起个名字，叫”创新生产函数”。得先声明：这是我对两篇访谈的综合分析，不是梁文锋的原话，他从没这么命名过；用这个说法，只是想把散在访谈里的一堆要素装进同一个结构里看。
这个函数有六个要素：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。
你可能会说，这几条单拎出来都不新鲜啊——有钱的公司多得是，买得起卡的不少，招得到聪明人的更是一大把。没错。所以真正要解释的，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。
这里就是第二个、也是最重要的一个洞见：这套函数是乘法，不是清单。
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——某项弱一点，用别项补上，总分照样不难看。可乘法的脾气完全不同：只要任何一个因子接近于零，其余五个再大，乘出来也会坍向零。
你有耐心的资本，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。
任何一环归零，整台机器停摆。这就是梁文锋为什么说，中国公司其实不缺资本，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，正是那几个最容易被清零的因子。
先单独说一句第六个因子，生态反馈，因为它最容易被误读成慈善。梁文锋 2024 年明确说 DeepSeek 不会闭源，他认为技术生态比封闭的商业模式更重要，还把开源直接和生态、声誉、吸引人才挂钩（36氪 2024）。在他看来，闭源带来的领先可能只是暂时的；真正持续的优势，不在某份藏起来的权重里，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。放进这个函数里，开源就是那条把上一轮技术结果换成声誉和人才、再送回下一轮的回路——它让机器的输出反过来喂养机器自己。这一层后面专门讲。
先把丑话说前头：把六个要素命名成一个”函数”，只是提供一种解释，并不等于已经证明这套机制成立。它到底立不立得住，得等把每个因子拆开、再回到访谈没回答的那些问题时才谈得清。
接下来，咱们就顺着这条乘法链，一个齿轮一个齿轮地拆。
第一个齿轮：把钱变成试错的时间
第一个齿轮是钱。但它扮演的角色，跟”钱多好办事”那种直觉几乎相反。
梁文锋描述过一条加卡曲线：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”，顺手读成一次押中赛道的豪赌。可梁文锋的解释是另一回事：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。
这一节要用到一堆数字，我先把归因一次说到位：底下的加卡曲线、投入金额、成本比例，混着媒体报道和梁文锋本人的自述、估计，本文只作转述，不把任何一个数字当成审计过的账目。这道边界立在这儿，后面就不重复了。
两笔投入替这条曲线标出了量级：2019 年”萤火一号”投资近 2 亿元，约 1100 块 GPU；2021 年”萤火二号”投资约 10 亿元，约 1 万张英伟达 A100（36氪 2023）。注意，这不是一次性砸下去的赌注，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，光做量化投资根本用不了这么多 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：2012 年的 AlexNet、2020 年的 GPT-3、2021 年建起的萤火二号，是同一条线上的点——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，而是跟着”规模会带来新能力”这个判断走出来的。而且钱买的还不只是卡。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 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——这笔钱真正养住的，是一支能长期去做没短期产出之事的队伍。
这些数字摆一块儿，你才看得清资本在这儿买的到底是什么。我给它个说法：它买的是”实验期权”。
期权这东西，价值不在于它一定会行权，而在于它让你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% 贴进去的电费和维护，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。梁文锋自己也不避讳代价，直说创新本身昂贵、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。
这就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，再多钱也换不来一个”一定对”的结构。钱唯一能买到的，是更多次亲自去试的机会。所以”把钱变成试错时间”不是修辞：在没答案的地方，试错次数几乎是唯一能用钱堆出来的东西，每多试一次，就多一分撞见正确结构的概率。
这里我要立一道界线，很重要：资源是前提，不是原因。
有钱有卡，只是让实验能开始，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、最不确定的那一段。真正稀缺的从来不是钱，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，天然和”研究优先”打架——被退出时间表追着的钱，很难容忍一条要失败很多次、回报又遥遥无期的路。而幻方作为出资方之一，自己就握有研发预算（36氪 2023），刚好绕开了这个冲突：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，才是这段资本真正稀罕的地方。
再往前一步你会发现，钱多本身甚至可能是种错觉。梁文锋 2024 年直接讲过，更多的钱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，当时不管大厂还是创业公司，都很难迅速建立起碾压式的优势。两点连起来看：在谁都没绝对领先的阶段，拉开距离的不是谁账上钱多卡多，而是谁能把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。资源决定你能不能上牌桌，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成果，而是变成一段能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”。期权只给了行权资格，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。
第二个齿轮：把自由变成有效的搜索
买来的时间和算力，最终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——更准确说，是一种让想法自下而上冒出来的搜索方式。我把它叫”分布式搜索”。
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，里面没有海外归来者；他由此认为，本土环境同样能培养出顶尖人才（36氪 2024）。这套用人取向更早就有交代：幻方招聘看能力不看经验，核心技术岗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）。当然，这只是 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”不是句漂亮话，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）。愿意为这样一段看着像在”浪费”的适应期买单，靠的正是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掉。他还说过，对合适的人，管理方式是把重要任务直接交给他、然后尽量少干预（36氪 2023）。这既是自由，也是压力：任务足够重要、干预又足够少，人就只能靠自己扛下来。
真正让这群人”搜索”起来的，是两条被反复提到的自由。一是算力上的自由：成员无需审批就能调用训练集群的算力，跨人协作也灵活，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，遇到问题再主动找能帮上忙的人。这两条合起来，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。
我要特别拎出”无需审批”这四个字。它改变的不只是效率，而是哪些实验根本会被想出来。
你想，在一个算力要层层审批的地方，一个人提想法之前，往往先得在心里替它算笔账：值不值得为它去申请资源、去说服上级。很多还没成形、听着不靠谱的念头，就在这一步被自己提前毙了。而当调用集群不必先讲理由，试探的门槛就降到了”想到了就去试”。分布式搜索能铺多宽，某种程度上就取决于这道门槛压得多低。协作也一样：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，力量就往哪儿聚。
好，接下来是这一节的核心，也是全篇第三个洞见。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量。（提醒一句：这一步推演是我的分析，梁文锋本人没这么表述。）
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。不是。这里它指的是：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、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干嘛的人，人再多也评不出方向。密度真正的标志，是一个粗糙念头能被迅速接住、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。
再说”随时调用算力”。它的作用同样容易被讲浅。表面看，无需审批省的只是走流程的时间；可从梁文锋对组织的描述里，能推出一层他没明说的意思：这里自由的关键，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；只有真跑起来、撞上数据，它才开始变成能被留下或否掉的知识。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。
这两条为什么必须相乘、不能相加？
只有人才密度、没有随时可用的算力，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，判断力最后沦为空谈；反过来，只有算力、没有那层互相判断的密度，实验倒是跑得起来，可没人在事前筛掉明显不值得试的方向，搜索就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”之所以没散成一地空想，靠的正是这俩因子同时到位、彼此相乘。
但有笔账必须算清：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”就成了空话。所以第二种能力不是凭空的洒脱，它是被第一种能力托着的：自由的成本，早被那批实验期权提前付掉了。
也正因如此，要当心两个流行误读：”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。其一是价值观筛选——招人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，靠文化和管理者言传身教来保持方向一致，甚至认为过度成文反而妨碍创新；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”绑在一起。三层合起来意味着：所谓自下而上，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。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。
退一步问：为什么偏要让搜索”分布”开来？关键在目标的性质。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——谁都知道往哪走。可当目标是一个还没人回答过的问题，没有哪个管理者能提前断定哪条路一定对；这时候把探索方向收拢到少数几个人的判断里，等于提前赌死了搜索范围。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紧张时才负担得起。这又把账算回到了上一节。
顺着往下，自然撞上一个问题：想法自己冒出来之后呢？V2 里那个后来压低成本的 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，中间还隔着一整道完全不同的工序。那要靠的，就是下一个齿轮了。
第三个齿轮：把灵感变成工程
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；就算是那个最终有用的，也不会因为有人想到了就自动成形。
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句很短的描述：当一个想法显示出潜力，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，你会发现 DeepSeek 内部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，让许多人各自试。兑现阶段是自上而下的：一旦某个方向露苗头，判断、人手、算力迅速朝它集中。这两段合起来，才是”分布式搜索、集中式兑现”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，再多好想法也只停在”聊过”的层面。
MLA 就是能把这两段都看清的样本。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，团队投了数月时间去做验证和工程化（36氪 2024）。你把这两个量级对照着看：起点是”一个人”和”一个念头”，落点是”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，和它在一个真实大模型里稳定成立，完全是两回事。很多听着漂亮的结构，就是在这道从”讲得通”到”跑得稳”的坎上摔掉的。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，才把它从念头变成了产品的一部分。
这里的方向切换，是全篇我最想让你看清的一段，因为它恰恰最难。分布式搜索要的是”宽”——不押注方向，让尽量多的可能性都摸一遍；集中式兑现要的是”深”——认定一个方向后，把资源压上去做透。同一个组织，得能在这两种相反的姿态之间来回切换：既容得下大量看着不靠谱、最后也确实不成的试探，又能在某个试探显出潜力的瞬间，果断停止发散、转而收拢。中间还藏着一个不好做的判断——一个想法要显露到什么程度，才值得押上去？押早了，是在没长成的念头上浪费投入；押晚了，好方向又会卡在验证不足里错过。只会发散，会陷在什么都做不成里；只会收拢，又因为没有足够念头可挑而无处施展。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”补了一块常被忽略的底。梁文锋不讳言，创新本身昂贵、低效、常伴浪费。分布式搜索能容忍浪费，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，这台机器早晚被自己产生的噪声塞满。集中式兑现在这儿扮演的，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、值得押上去的念头，同时默许其余的自然停摆。发散把可能性铺开，兑现把注意力收窄——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。正因为有后半段这道闸门，前半段那种看着奢侈的浪费，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——这正好接回第一节那个”影子”。MLA 这类结构降低了跑模型的资源消耗，落到账单上，就成了 V2 那个搅动行业的低价。外界看到的，始终只是墙上那个便宜的数字；把这个数字投出来的，是内部这段从念头到工程的兑现过程。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，从外面几乎没法反推出背后到底站着一套什么机制。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约四倍的算力（36氪 2024）。我得特别说明：这是他在访谈里给的估计，不是独立核实过的测量，本文只能转述，不能替他确认这个倍数。也正因为它只是估计，后面这条推论我写成条件句：只有当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，进而变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。倘若倍数不成立，这条回喂链就得打折扣；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。
这就引到那个最容易被误读的区别：原创与模仿。梁文锋把中国和国外真正的差距，理解成原创与模仿，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。
你想，模仿一个已有结构，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，全能跳过，当期的探索成本因此省一大截。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，哪怕当下不领先，团队都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问。梁文锋据此主张，中国不该长期只用别人创造的基础技术，而应成为技术的贡献者。把这话放回学习曲线，它说的不是谁天生更强，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。这跟国别无关，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？
开源不是慈善，是一根管子
一家把结果做出来的公司，本能反应通常是锁起来——那是辛苦试错换来的，公开出去岂不是白送对手？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。他明说 DeepSeek 不会闭源，因为在他看来技术生态比封闭的商业模式更重要；他把开源直接和生态、声誉、吸引人才挂钩（36氪 2024）。你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 → 有人围着它用起来、改起来，生态就长出来 → 一个被广泛使用的东西，给做出它的团队带来声誉 → 声誉又把那些”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，就是把机器的产出重新接回机器入口的那根管子。
往下拆之前，先立一道限定，别把语气说得太满：这在梁文锋的叙述里是一条被设计出来的策略，还不是一份已经兑现、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，不是断言它已经如实转起来。该打的折扣先打在这儿。
这也正是”创新生产函数”里的第六个因子：生态反馈。前五个因子描述的是这台机器怎么转上一圈；而生态反馈解释的是，它凭什么能一圈接一圈转下去。一台只转一圈的机器，做出一代模型也就到头了；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，前五个因子加起来也只是一次性的，做完 V2 便无以为继。
这里值得留意开源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：一个结构被别人接进自己的系统，就等于在对方那边扎了根，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”被使用、被检验、被传播”的那部分挪到了外部，由整个生态替它分担。这不只是省钱——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。
那问题来了：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，一旦发布，谁都能拿去看、拿去用。但公开的只是”这一代”的答案。梁文锋的判断是，闭源带来的领先可能只是暂时的；真正持续的优势，不在某份藏起来的权重里，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。
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，早晚也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”对”精明”，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，隔的时间与成本远比想象中大。拿到一份开源结构，能省的是复刻它那部分试错；但一个对手要真追上来，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。
话还是要说到分寸上：承认开源对自己有用，不等于说这条回路已经被证明能自我维持——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，开源这一步仍然改写了”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转下去。
为什么抄不走
到这儿，一个顺理成章的疑问就浮上来了：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。要看清差别发生在哪，我换个方式，不逐条罗列制度，而是追问三个更基本的问题。你会发现，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：自由的成本谁来承担。
取消考核，大概是这张清单上最容易抄的一条，一纸通知就能办到。可考核一取消，成员多出来那段能自由试探的时间，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”落地第一天就会变味：要么管理者仍要为季度数字负责，放出去的自由很快被悄悄收回；要么真放手，却因为每次失败都要即时计入损益，团队被迫只敢挑稳妥、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，在没垫底的地方退化成放任或伪装。成本不会因为不考核就消失，它只是被推给了别处。
第二个问题：方向由谁来筛选。
招一批聪明年轻人、堆一批算力，是这张清单上最能用钱直接办到的两件事——人和卡都能下单买。可人和卡到齐，只回答了”谁来试、拿什么试”，没回答”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。
第三个问题：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，开源仓库谁都能建。但这两样在 DeepSeek 身上都不是孤立动作，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走过的旧地图，既长不出生态，也吸引不来想解决难题的人。
三个问题问完，你会发现一个让照抄注定跑偏的偏差，这是第四个洞见：越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。所以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。于是照抄不仅难成功，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件都在自己手里退化成空壳。
乘法之外，还有一层更隐蔽的东西让照抄失效：这些因子不是能同时摆上桌的零件，而是必须按顺序长出来的。
清单给人的错觉是并列——仿佛六项一次配齐，机器就能启动。可回看这条链你会发现，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，又要再沉淀一轮，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。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，你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。
怎么判断它：别只看下一张榜单
前面讲了这么多，最后我得把话往回收一收，说点让人扫兴、但更要紧的。
给判断之前，先把脚下的材料看清楚。本文这一整套推断，都搭在两篇专访上——一篇在 V2 之前，一篇在 V2 之后。这批材料的性质得认：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，一些看着新鲜的”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，反倒没留下多少能验证前面那套机制的新证据。这道边界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回答、而这套解释又绕不开的问题。我列五个：
一、组织扩张。 前面那种无需审批、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。一旦公司因爆火迅速膨胀，人多了数倍、层级厚了，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，访谈里没答案。而规模，恰恰是最容易把”自由”重新压回成流程的力量。
二、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，这个问题越尖锐。
三、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。
四、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。可梁文锋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交代的账。
五、也是最根本的，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，本身并没回答钱从哪儿源源不断地来。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。
这五个问题排一块儿，你会发现它们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。
那，该拿什么去判断这套解释到底立不立得住？我给你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，而该看它能不能在条件变化之后，反复地再产出原创的结果。说具体点：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，没有替 DeepSeek 预留一个只赢不输的位置。
握住这条尺子，评价 DeepSeek 的标准就整个被换掉了。最后我把它变成一个你随手能用的工具，用来把信号和噪声分开。
往后再看到关于 DeepSeek 的消息，先问一句：这条消息量的是快变量，还是慢变量？
某代模型冲上榜首、某次报价又创新低、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慢变量：它招进来的人，是奔着最难的问题来的，还是奔着安稳待遇来的；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”，你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。
最后，把话说到最克制的地方：换一把尺子，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。我想改变的，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。