DeepSeek 融资传闻背后的挑战：从训练端通缩到推理端成本困局

事件概述

据上海证券报报道，4 月 18 日，DeepSeek（深度求索）正式启动成立以来的首次外部融资，目标估值不低于 100 亿美元，计划筹集至少 3 亿美元资金。尽管公司方面尚未官方确认，但路透社等主流财经媒体已跟进报道，称圈内消息确凿。

核心挑战与行业背景

在资本狂欢之外，DeepSeek 正面临大模型落地现实的严峻考验，主要体现在以下三个维度：

1. 产品发布延期与人才流失

• 新模型“跳票”：DeepSeek 下一代旗舰模型（代号 DS）原定于 2026 年 2 月发布，随后传言推迟至 3 月，甚至一度引发 A 股算力板块波动，但官方最终辟谣 R2 发布为假消息。截至 4 月中旬，新模型仍未面世。
• 核心人员离职：DeepSeek 前核心研究员郭达雅已加入字节跳动负责大模型研发的 Seed 组织，担任 Agent 负责人之一。这反映出 DeepSeek 在内部曾轻视的 Agent 赛道如今已成为全行业主战场，而公司自身却因底层模型迟迟未交付而陷入被动。

2. 竞争格局的剧变

过去一年，大模型行业的竞争重心已从单纯的基座能力跑分，转向了更复杂的场景应用：

• 原生多模态崛起：Gemini、Seedance 2.0 等模型在图像生成与视频领域表现强劲，单一文本模型的护城河正在瓦解。
• AI Coding 爆发：以 Claude 为代表的模型在代码生成领域展现统治力，Cursor 估值已超 500 亿美元。
• Agent 生态繁荣：OpenClaw、Hermas 等应用推动 Token 调用频次指数级增长，智谱、MiniMax、Kimi 等厂商凭借海量 API 调用获利，甚至促使部分厂商转向闭源。

在此背景下，市场不再期待一个“六边形战士”式的通用模型，而是更需要能在特定垂直领域提供高价值解决方案的产品。

3. “Token 通缩”能否重现？

DeepSeek 最大的标签是“价格屠夫”。一年前，R1 模型以约 558 万美元的训练成本击败数亿美元成本的 GPT-4，引发英伟达单日市值蒸发近 6000 亿美元的震荡。

然而，当前市场环境已发生根本性逆转：

• 推理成本飙升：中信证券数据显示，受 Agent 需求驱动，老旧款 AI 芯片 H100 租赁价格从 2025 年 10 月的 1.70 美元/小时/GPU 飙升至 2026 年 3 月的 2.35 美元/小时/GPU，涨幅近 40%。
• 云厂商集体涨价：阿里云、百度智能云、腾讯云等国内头部云厂商近期相继上调 AI 算力产品价格，涨幅在 5%-34% 不等；亚马逊 AWS 和谷歌云也进行了调价。
• 企业战略调整：阿里成立 Alibaba Token Hub（ATH）事业群，由 CEO 吴泳铭挂帅，旨在统筹集团层面的 Token 创造、输送与应用，侧面印证了 Token 消耗已成为核心成本压力。

技术应对与未来展望

面对推理端的成本压力，DeepSeek 并未停止降本探索：

• 架构创新：今年元旦提出 mHC 新架构，旨在解决传统超连接在大规模训练中的不稳定性问题。
• 开源与论文：开源 Engram 模块，并发布与北京大学联合撰写的关于“条件存储（Conditional Memory）”的稀疏化方向论文。

这些举措表明 DeepSeek 仍致力于通过架构和方法论创新打破算力成本硬约束。市场关注的焦点在于，梁文峰及其团队能否在推理端再次复制训练端的“通缩奇迹”，将高昂的 Token 单价打下来，从而在激烈的存量竞争中突围。