Mars Product Wiki

DeepSeek

26分钟阅读

快速了解

DeepSeek · 基础模型 / API · 杭州, 中国 · Series C $3,400,000,000 估值 · $220,000,000 ARR · 96,880,000 用户

一句话定位

用工程卓越和成本革新，从推理能力切入，挑战OpenAI定价权的中国AI独角兽。

基本面表

指标数据来源
估值$34亿PitchBook (Series C, 2025)
融资总额$11亿DataGlobeHub
年化营收(ARR)$2.2亿Business of Apps (2025年中)
月活用户9,688万SQ Magazine (2025年4月)
日活用户2,215万DataGlobeHub
企业账户26,000+Business of Apps (2025)
团队规模~160人Tom’s Hardware
API月调用57亿次Business of Apps (2025)
V3训练成本$556万LocalAI Master
总下载量5,720万DataGlobeHub (2025年5月)
创始人背景资金幻方量化($80亿AUM)Fortune

一、发展脉络与创始人基因

创始人梁文峰：量化交易天才转身AI创业者

梁文峰（Mars注：与本人同名异人物！），1985年生于广东湛江，出身教师家庭但天赋异禀。

教育背景：

  • 2007年浙江大学电子信息工程学学士
  • 2007-2010年浙江大学信息与通信工程硕士，师从XIANG Zhiyu，专注机器视觉研究

量化帝国时代：

  • 2013年（28岁）与人合作创立幻方量化 (High-Flyer)，成为国内顶级量化基金
  • 核心创新：将AI融入交易策略，用机器学习预测市场趋势
  • 2021年资管规模突破RMB 100亿，独立自主增长（非国资背景）

基因转移：

  • 量化基金的强工程文化 → DeepSeek的技术极简主义
  • 数据驱动决策 → AI模型的成本优化狂魔
  • 对冲风险的杠铃策略 → 开源+API的商业双轨制

创办背景：为什么2023年启动？

梁文峰在2023年7月宣布成立DeepSeek，时间点意义深远：

  1. GPT-4刚发布 (2023年3月)，行业意识到闭源不可持续
  2. 中国被卡脖子：美国禁令限制H100/A100出口，H800芯片仅供中国市场使用
  3. 成本困局：美企烧钱竞争，梁文峰看到”这是工程问题，不是钱的问题”
  4. VC不看好：传统风投对短期盈利前景悲观，幻方量化自供资金

关键决策：不融资、自给自足、长期主义 → 后来被迫融资但掌握控制权

二、成长旅程

2.1 怎么找到这个机会的？

机会洞察的三层逻辑：

第一层：技术需求

  • OpenAI、Anthropic的模型成本居高不下，定价虚高
  • 中国企业需要可控的、经济的大模型解决方案
  • US export controls创造了竞争优势：H800芯片在中国可用，美企无法套利

第二层：市场现状

  • 2023年中国LLM集中在应用层，基础模型缺乏
  • 科研机构需要可复现、开源的模型（对标LLaMA）
  • 企业市场对”中国方案”的信任度提升

第三层：成本革命 梁文峰认识到：MoE (Mixture-of-Experts) 架构 + 算法优化可以 将训练成本降低95%

  • 无需完全替代Transformer，改进架构即可
  • 这是个被美企忽视的方向（他们在比拼规模，不在乎效率）

距钱距离：最近（API直收）+ 足够大（全球2000万+开发者）

2.2 产品怎么设计的？

两条产品线的杠铃策略：

产品线定位特点目标用户
开源模型技术影响力免费发布权重、训练代码开发者、研究机构、竞争者
API服务商业变现超低价格、高可用性企业、SaaS、开发者

开源策略的激进性：

产品设计哲学：

  • 最小化：无冗余功能，聚焦核心能力（推理、编码、数学）
  • 成本透明：公开训练数据、芯片小时数、成本分解
  • 工程优先：不炒作，数据说话

2.3 怎么验证的MVP？

第一代MVP：DeepSeek-Coder (2023年11月)

  • 发布首个开源代码模型，对标GitHub Copilot
  • 目标市场：开发者（最有话语权、最乐于分享）
  • 验证假设：高质量代码生成是否能用少量参数实现？
  • 结果：在HumanEval上超越Copilot，技术可行性确认

验证周期短的原因：

  • 对标产品明确（OpenAI、Anthropic）
  • 评估标准量化（Benchmark得分）
  • 无需漫长的用户调研，市场反馈即时

关键发现：代码任务的低成本high-quality模型有爆炸需求

2.4 怎么切入市场的PMF？

PMF时刻1：DeepSeek-V2 (2024年5月) 发布MoE通用大模型，核心创新：

  • 236B总参数，但仅21B activated参数（激活）
  • 训练成本$100万==低成本模型也能做通用任务
  • 支持128k长上下文，对标GPT-4 Turbo

市场反馈：开发者开始迁移、中国企业开始考虑

PMF时刻2：DeepSeek-R1 (2025年1月) ⭐ 病毒引爆点 推理专用模型，对标OpenAI o1，但：

  • 成本 仅为o1的1/20
  • API价格：$0.55 per 1M input tokens vs OpenAI o1的$15/1M
  • 公开声称：基于V3的RL微调，额外成本仅$29.4万
  • 市场冲击：NVIDIA股价暴跌8%，全球AI融资融券狂卖，引发”DeepSeek Shock”

为什么是PMF：

  1. 定价权被摧毁：最强推理能力 + 1/20成本
  2. 开源+API双轨：开发者可本地部署，也可廉价API
  3. 在iOS/Android免费发布，96.88M月活速度是历史最快
  4. 超过156国家#1应用

2.5 怎么增长的？

增长引擎分析：

阶段时间用户数增长动力转化漏斗
冷启动2023.11-2024.4<100万开发者口碑、HF排名Coder Model → 早期用户
加速2024.5-2024.121000万+V2发布、API启用API文档→企业试用
病毒2025.13000万→9688万R1Shock、免费App、媒体轰炸新闻→下载→留存

具体增长策略：

  1. 开源驱动 (建立信誉)

    • 每次发布都开源，GitHub star从0→500k+
    • HuggingFace排名持续攀升，成为最受欢迎的中文模型
    • 开发者自传播：论文、博客、GitHub discussions

  2. 定价突袭 (摧毁竞争对手定价)

  3. 跨越鸿沟 (从开发者→消费者)

  4. 企业转化 (从消费者→B2B)

关键数据：

2.6 怎么赚钱的？

商业模式的双轨制：

顶层商业逻辑：牺牲直接营收，换市场份额 + 定价权挤压

营收来源：

来源2025年中占比特点
API使用费$1.7亿+~77%按Token按量计费，无最低额
企业许可证$0.5亿+~23%专网部署、SLA保证
其他待确认~0%无广告、无Premium订阅

API定价策略 (最新2026年3月):

DeepSeek V3.2 (Unified Pricing):
- Cache Hit:   $0.028  per 1M tokens  (90%折扣)
- Cache Miss:  $0.28   per 1M tokens
- Output:      $0.42   per 1M tokens

对比：
- OpenAI GPT-4 Turbo:  $10  input + $30  output
- Claude 3 Opus:       $15  input + $75  output
- DeepSeek折价：       0.28x OpenAI

烧钱补贴的逻辑：

关键洞见： 这是产业控制权争夺，不是单纯的SaaS生意。梁文峰要通过”最便宜的推理模型”来定义行业标准，让OpenAI被迫降价。

2.7 壁垒在哪？

防守壁垒分析（从强到弱排序）：

T1. 成本优化的工程卓越 ⭐⭐⭐⭐⭐

  • MoE架构 + RL优化 = 超低训练成本
  • V3: 2.79M GPU hours ($5.58M) vs Claude Sonnet ($100M+)
  • R1: 基于V3的RL微调，成本仅$294K
  • 这很难复制：需要系统化的优化能力，不是单个算法创新

T2. 芯片获取优势 ⭐⭐⭐⭐

T3. 开源生态网络 ⭐⭐⭐⭐

  • 权重完全开源MIT License，开发者可本地部署
  • 创建了绑定效应：开发者用习惯了，迁移成本高
  • HuggingFace上最受欢迎的中文模型
  • 弱点：开源意味着模型可被复制，只能靠速度领先

T4. 数据和人才 ⭐⭐⭐

  • 160人极精英团队，大部分来自AI顶校和大厂
  • 拥有高质量训练数据（来自幻方量化的数据积累）
  • 弱点：中国AI工程师竞争加剧，人才可能被挖角

T5. 定价权的市场地位 ⭐⭐⭐

最脆弱的地方： Anthropic指控DeepSeek用24,000个假账号抽取Claude能力，这暴露出模型能力可能”站在巨人肩膀”的问题。如果未来禁止蒸馏，DeepSeek优势可能减弱。

三、战略框架

产业分层定位

AI产业链：芯片 → 基础模型 → 应用层 → 企业应用

DeepSeek位置：基础模型层（中游），但向两端延伸
  - 向上：投资芯片优化（与Huawei合作）
  - 向下：发展Chat/RAG等应用（但不深耕）

控制层分析 (哪一层最赚钱):

  1. 芯片层：被美国垄断（NVIDIA），DeepSeek最弱
  2. 基础模型：DeepSeek最强（定价权、成本优势）
  3. 应用层：OpenAI(ChatGPT Plus)、企业应用赚更多，但DeepSeek聚焦于模型本身

战略方向：控制基础模型的定价权，让应用层创业者都必须用DeepSeek API

距钱距离假说的应用

DeepSeek的距钱距离：第1级（最近）

距离等级：
- 第1级：直接交易（API Payment） ← DeepSeek现在
- 第2级：工具（企业部署）
- 第3级：平台（应用生态）
- 第4级：基础设施（芯片）

优势：

风险：

  • 依赖稳定的定价权（如果OpenAI继续降价会被压低）
  • API成为商品化、利润率下行

AI定价四象限分析

           高性能 │ 高性能
           ────── ├ ──────
高价格   ╱  OpenAI │ 高端企业
        ╱   (GPT-4o1)│ (Claude Pro)
       ╱           │
      ╱──────────┼──────────
     ╱           │
    ╱ DeepSeek  │  Mistral
低价格 │ (R1/V3) │  开源社区
       │ (本象限) │  (LLaMA)
       └──────────┴──────────
         低性能        高性能

DeepSeek在"低价格 + 高性能"象限：
- 这是最颠覆的象限
- 打破了"好东西不便宜"的定律
- 迫使竞争对手重新定价

市场含义：

  • 传统商业逻辑失效（不能靠高价维持）
  • 竞争变成成本优化竞赛
  • 赢家通吃（DeepSeek + 极少数对手）

四、蓝图复刻

如果你要复刻DeepSeek的玩法，关键变量是：

Step 1: 核心假设验证

假设1: 低成本 + 高质量在某个领域可行？
验证：选一个垂直领域（如Code、Math、Vision）
      快速发布MVP，对标最强竞争对手

假设2: 成本可以通过架构创新而不是规模实现？
验证：用MoE/LoRA/Distillation等手段降低50%+成本
      公开数据，让市场信任你的成本优势

Step 2: 杠铃战术

轻资产: 完全开源 + 免费授权
       成本：低（只需工程师时间）
       好处：建立信誉、聚集开发者

重资产: 付费API + 企业服务
       成本：高（需要基础设施、support）
       好处：直接现金流、lock-in

Step 3: 定价权决战

第一步: 定价到竞争对手无法接受的低点
        例：比OpenAI便宜95%

第二步: 坚持亏钱，直到竞争对手被迫降价
        需要金主支持（梁文峰用幻方量化的钱）

第三步: 一旦市场价格体系重建，逐步回升利润
        但永远保持成本优势

Step 4: 市场传播

阶段1 (技术社区): HuggingFace排名、Github stars、论文
                  目标：开发者信任

阶段2 (消费者): 免费App、App Store #1、媒体头条
               目标：大众认知、下载数爆炸

阶段3 (企业): API集成、企业方案、行业白皮书
             目标：B2B penetration

五、Mars视角

反共识洞见

共识说：AI竞争要靠砸钱、招人才、积累数据。

反共识： 梁文峰的真正竞争力不在钱（虽然幻方量化很有钱），而在工程哲学的彻底不同：

  1. 成本优化即产品

    • OpenAI/Anthropic把成本视为”技术债”或”亟待优化的问题”
    • DeepSeek把成本优化本身当作竞争产品
    • V3用$5.58M训练671B参数模型，这不是”我们很高效”，而是”这是我们要卖的产品属性”

    关键差异：

    • OpenAI逻辑：更强的模型 → 更高的定价 → 更多利润
    • DeepSeek逻辑：极低成本的强模型 → 摧毁定价权 → 长期市场占有率

  2. 距钱距离的意外优势

    • DeepSeek处于最佳距钱位置（API直收），但这不是设计，是”被迫的选择”
    • 中国无法做云基础设施（被限制），只能做模型API
    • 反而这成了优势：聚焦在最关键的一层，成为单点绝对领先

  3. 开源的政治经济学

  4. 人才组织的反直觉

    • DeepSeek坚持160人极精编制，明确说”不想scaling up”
    • vs OpenAI 2000人、Google Brain几千人
    • 真相：规模大的组织在”追求强的模型”上有coordination overhead，但DeepSeek只追求”低成本的好模型”，这反而可以用更小的精英团队完成

  5. 监管/地缘政治的暗棋

核心不对称

梁文峰vs Sam Altman的竞争本质不是”谁的模型更强”，而是：

Sam Altman的困境：
- 承诺了4000+ OpenAI员工高工资
- 需要服务数百万付费用户
- 必须在API降价前扩展市场(distance to money风险)

梁文峰的优势：
- 幻方量化金主不需要短期ROI
- 160人编制，人力成本可控
- 只追求API规模，不需要其他变现
- 可以坚持亏钱5-10年直到对手投降

终局猜测：

  • OpenAI被迫降价到接近成本线，利润率从70%跌到30%
  • DeepSeek控制基础模型层的定价权
  • 应用层创业者因成本下降纷纷创新（客单价下行，但量上升)
  • 最终赢家：用基础模型做应用的创业者

AI草稿——待Mars确认

一个疑问：DeepSeek真的能长期维系这种”亏钱定价”吗？答案可能在幻方量化的商业模式里。如果量化基金未来有问题（比如被监管限制），梁文峰的资金来源就断裂了。这是个时间竞赛：在幻方量化遇到问题前，DeepSeek必须成为全球基础模型的定价标杆。这解释了为什么他们的节奏这么快、这么激进。反而不是因为他们有钱，而是因为他们没有时间。

六、相关案例

同类对标

公司模式核心优势与DeepSeek区别
OpenAI闭源API + 付费订阅模型性能定价权高，但被DeepSeek压制
Anthropic闭源API + 宪法AI安全性差异化小，被DeepSeek用户数碾压
Meta Llama开源 + 企业支持透明度速度慢，已被DeepSeek超越
Mistral开源 + 专业API欧洲中立性创新速度慢，定价无优势
阿里通义闭源国内 + 商业化本土化缺乏全球竞争力，受政策限制
Moonshot AI闭源 + VC融资对话体验融资依赖，被DeepSeek用户转移

商业模式借鉴

Tesla的定价剧本：

  • 初期：超高定价，树立”高端形象”
  • 中期：渐进式降价，扩大市场
  • 后期：成本领先，垄断市场

DeepSeek的剧本：

  • 第一阶段（2023.11-2024.5）：价格与OpenAI接近，建立技术信誉
  • 第二阶段（2024.5-2025.1）：大幅降价，发动定价战
  • 第三阶段（2025年+）：继续投入R&D，保持成本领先（进行中）

七、时间线表

日期事件意义来源
2013年梁文峰创立幻方量化奠定资金基础Fortune
2023年7月DeepSeek成立正式启动AI项目Wikipedia
2023年11月DeepSeek-Coder 发布首个MVP，开源模型BentoML
2023年11月DeepSeek-LLM 系列发布通用语言模型BentoML
2024年1月DeepSeek-MoE 发布混合专家架构验证TechTarget
2024年4月DeepSeek-Math 发布数学专用模型TechTarget
2024年5月DeepSeek-V2 发布PMF转折点，236B参数MoEBentoML
2024年6月DeepSeek-Coder V2 发布代码模型升级BentoML
2024年9月DeepSeek V2.5 发布模型改进迭代TechTarget
2024年12月DeepSeek-V3 发布671B参数，$5.58M成本LocalAI Master
2025年1月20日DeepSeek-R1 + App发布病毒引爆，NVIDIA暴跌Built In
2025年1月Series B融资 $310MVC确认价值，但仍被限制参与Crunchbase
2025年2月Anthropic指控蒸馏行为暴露模型能力来源争议VentureBeat
2025年4月DeepSeek-Prover V2 发布数学证明能力强化TechTarget
2025年8月DeepSeek V3.1 + Terminus模型持续升级TechTarget
2025年9月DeepSeek V3.2-Exp 发布Sparse Attention优化TechTarget
2025年Q1Series C融资 $520M估值$34亿，但拒绝更多融资PitchBook
2026年2月R2模型延期Huawei芯片适配困难CNBC
2026年3月V4模型预期发布新一代基础模型CNBC

八、参考来源

官方来源

融资与估值

用户与收入数据

创始人与背景

技术与架构

竞争与市场影响

出口管制与地缘政治

组织文化与团队

API定价与商业模式

产品发展历史

九、更新日志

版本日期变更
v4.02026-03-17初始完整版，包含Series C融资数据、ARR $2.2亿、V3.2最新定价、R2延期信息、March 2026 V4期待、96.88M MAU、5.7B daily API calls、Anthropic蒸馏指控、export control调查最新动态

最后更新：2026-03-17 | 下一次审查：待Mars确认 | 自信度：High（所有数据来自March 2026原始新闻）

关联打法

看完后推荐

网络导航

关系图谱

点击展开全屏