近日，一份 DeepSeek 創辦人梁文鋒與投資人的談話紀錄在科技圈引發廣泛討論。這場於 2026 年 5 月舉行、長達近四個小時的會談，不僅透露 DeepSeek 獨特的商業思維，也折射出中國 AI 產業正在國家政策與商業獲利之間尋求平衡的軌跡。
儘管中國政府大力推動「開源、開放、協同、共享」的科技戰略，使眾多實驗室跟進開放權重模型，但財務代價也日益沉重。《Business Insider》專欄作家 Alistair Barr 指出，「開放權重」模型與傳統開源軟體有本質上的不同，因為軟體複製的邊際成本趨近於零，但 AI 模型每次回答都需要昂貴的晶片、電力與資料中心容量，新增使用者也必然同步拉高基礎設施成本。
這種沉重的財務壓力已在市場上顯現：已上市的智譜 AI 於 2025 年虧損近 5 億美元，另一家獨立實驗室 MiniMax 同樣面臨 2.5 億美元的巨額赤字。就連月之暗面（Moonshot AI），也在 Kimi K3 模型推出數天後，因難以承受暴增的運算成本，被迫暫停新用戶註冊。在開放模型被視為一門「糟糕生意」、業者面臨生存挑戰之際，梁文鋒卻提出截然不同的觀點。
不爭最大利益、不設 KPI：梁文鋒的「克制戰略」
面對產業現狀，梁文鋒坦言，DeepSeek 創立時的初衷並非賺取特定金額、進入資本市場或上市，至今也從未採取追求商業利益最大化的經營模式。對他而言，堅持將最強模型開源並不是妥協，而是主動且經過深思熟慮的「克制戰略」。梁文鋒指出，他看不出封閉模型有任何必然的好處，因此未來 DeepSeek 仍會持續開放，甚至最強的模型也大概率會開放，且對外開放的模型版本，將與 DeepSeek 自行部署的版本完全相同，絕不刻意私下保留更強的模型。
梁文鋒認為，AI 未來將占據人類社會巨大的經濟價值。面對如此龐大的歷史潮流，任何一家企業試圖獨占利益，都必然會遭遇阻力。「如果你的願景是拿走 5% 的利益，你一定會被一個願意只拿 1% 的挑戰者擊敗，而拿 1% 的人，又會被願意只拿 0.1% 的人擊敗，」梁文鋒強調，「不爭」反而是提高 AGI 成功率的最佳策略；如果企業目標只是賺取更多利潤，反而會面臨更大的困難。
這種克制思維也深植於 DeepSeek 的組織管理中。與矽谷的高壓制度不同，DeepSeek 內部不設置僵化的 KPI 考核，研發文化強調不加班，為科學家提供寬鬆的思考環境。梁文鋒在管理上規定，自上而下交辦的工作不得超過員工總工時的一半，剩下一半必須留給員工自主探索與研究。他深信，對 AGI 的共同願景才是凝聚聰明人的最佳解方，而非制度約束。這種文化使 DeepSeek 維持極低的人才流失率，進而確保團隊穩定性。
DeepSeek 如何把低價 API 變成成本護城河？
然而，這套模式終究仍需技術與利潤支撐，才能長期生存。梁文鋒認為，DeepSeek 的 API 定價邏輯十分純粹，是以購買設備後約「十個月收回硬體成本」作為合理利潤的基準。在實際測試中，即使 DeepSeek 將 API 價格提高一倍，用戶的 token 消耗量也不會明顯下降，營收甚至可能直接翻倍，但公司依然拒絕追求利潤最大化，堅持以低價回饋使用者。
梁文鋒認為，在十個月回本的定價區間內，獨立第三方若想自行部署 DeepSeek 的模型，在商業上根本無法獲利，因此開放模型不會影響 DeepSeek 的 API 收入。這種極致的低成本，奠基於 DeepSeek 自行研發的 TileLang 編譯器架構。當阿里巴巴、騰訊等競爭對手的部署成本高出 DeepSeek 數倍時，DeepSeek 已藉由 TileLang 改變競爭規則：在訓練最新的 V3 模型時，DeepSeek 雖然使用 NVIDIA 的硬體，卻繞過龐大的 CUDA 生態系限制。這項優化在僅損失 1% 至 2% 硬體效能的情況下，大幅提升部署與編譯效率，並構築其他大廠難以跨越的技術成本壁壘。
中國基礎模型將收斂至三、四家，AI 產業走向「比亞迪模式」
梁文鋒直言，目前中國有太多公司盲目投入基礎模型開發，導致算力、人才與資源嚴重分散，每家公司都在重複類似的工作。許多業者進入市場，是因為以為這項業務能帶來暴利，但當市場利潤回歸「合理利潤」時，難以承受虧損的公司將陸續退出，市場最終將收斂為三、四家公司競爭。在這場大浪淘沙的過程中，中國 AI 產業將走向類似汽車產業比亞迪（BYD）的路線，成為全球「系統性低成本服務」的提供者，與美國走向不同的發展方向。
在這套系統性低成本戰略中，國產晶片扮演關鍵角色。梁文鋒透露，DeepSeek 目前正與華為進行深度合作，並獲得約 16,000 張華為 950 晶片的產能支持。雖然這批晶片的效能僅相當於 4,000 張 NVIDIA B 系列晶片，技術落後約兩年，成本也更高，但藉由在華為晶片上重寫自研的 TileLang，他有信心在一年內向市場證明，國產晶片的硬體與生態系統不存在根本障礙，僅剩產能問題需要時間克服。
在梁文鋒眼中，DeepSeek 的終極目標始終是 AGI，而 C 端流量與 B 端 API 營收，不過是通往 AGI 道路上的「副產品」。相較於矽谷將算力投入影像生成、世界模型等領域，DeepSeek 選擇專注於語言模型、思考鏈（CoT）、智慧體（Agent），以及解決「持續學習（continuous learning）」這項關鍵瓶頸，讓 AI 具備自我迭代與協助研發的能力，進而加速 AGI 的實現進程。
梁文鋒對未來充滿信心，並表示即使技術發展就此停滯，DeepSeek 僅靠目前的 API 業務也已具備獲利能力，足以支撐公司獨立生存。這條由效率與低成本構築的商業護城河，也成為 DeepSeek 無懼技術瓶頸、持續朝 AGI 目標邁進的底氣。
＊本文開放合作夥伴轉載，資料來源：《Inside China》、《Business Insider》，首圖來源：Unsplash
