从DeepSeek看基模创业：颠覆式创新为何独立发生？

颠覆式创新为什么很难在大公司内部发生

在与栾宇的这场对话中，一个核心判断被反复强调：完全颠覆式的创新，往往是独立发生的，很难在大公司体内长出来。这一观点听起来有些反直觉——大公司握有更多资金、更多算力、更多人才，为何反而跑不出真正的基础模型创新？

答案藏在组织的行为逻辑里。大公司天然倾向于分散风险、平行推进多个项目，追求短期内的用户量与流量增长。而基础模型（基模）这类上游创新，恰恰需要的是相反的东西：集中投入、承受沉没成本、以及长期的战略定力。这两种逻辑之间存在根本冲突。

这一现象在创新管理领域有一个经典理论支撑——克莱顿·克里斯坦森（Clayton Christensen）在《创新者的窘境》中提出的"颠覆性创新"（Disruptive Innovation）框架。他发现，成熟大公司往往陷入"资源依赖"困境：因为要对现有客户和股东负责，它们的资源会不断流向当前最能产生收益的业务，而非那些短期看起来市场小、利润低、回报不确定的底层创新。基础模型（基模）的研发正是典型的"颠覆性技术"——初期看不到清晰的商业回报路径，需要数年的高强度投入，与大公司以季度业绩为锚的决策机制天然相悖。此外，大公司内部的创新项目还面临"免疫系统"问题：已有的业务部门、利益结构和汇报链条会自动排斥与主营方向相悖的长线投入。这些结构性障碍，而非资金或人才的匮乏，才是大公司难以孕育基模创新的深层原因。

DeepSeek 跑出来的三个关键条件

栾宇拆解了 DeepSeek^广告（对话中口语称"DeepSick/DPC"）能够跑出来的几个前提，同样也适用于 Kimi、智谱等一批基模玩家。

第一是团队本身足够强。 这是所有创新的基础前提，没有优秀的技术团队，其余一切无从谈起。

第二是筹措到了足够的钱，且入场时机踩得准。 栾宇特别提到，这批公司起步时，服务器与算力设备"没有现在这么抢手"，价格相对平稳甚至稳中有降。换句话说，它们赶上了一个算力成本尚未被哄抬的窗口期。

第三是算力储备的绝对量级。 市场上有一种说法，认为 DeepSeek 背后的算力储备仅次于阿里、腾讯。栾宇认为，DeepSeek 能在关键节点（比如某次春节前后）跑得更快，与创始人梁文锋的创业决心、投入力度以及前期的算力储备有直接关系。

领导者必须"懂技术"并亲身下场

对话中一个被着重强调的观点是：做上游基模创新，一定需要有一个懂技术的人深入到技术团队里，去探讨、去推进、去共同做决策。

这也解释了一个耐人寻味的现象——为什么是量化基金背景的团队跑出了基模？ 栾宇给出的解释是，量化基金的领导者至少具备技术认知，愿意与技术团队一起深耕、一起推进。这种"技术型领导"的角色，是纯做应用形态、纯做流量增长的团队所不具备的。

如果一家公司的负责人只是把基模当成一个"报个项目"的动作，用做应用、追流量的思路去管理，那么在基模这条路上大概率行不通。领导者对技术的理解深度，直接决定了资源投入的方向与决心。

量化基金（Quantitative Hedge Fund）是指依赖数学模型、统计分析和算法程序来进行投资决策的金融机构，其核心团队通常由数学、物理、计算机等理工科背景的研究员组成。DeepSeek的创始人梁文锋正是量化基金幻方科技的创始人。这类机构的运作方式与AI基础模型研发在思维模式上存在高度重合：两者都依赖大规模数据处理、迭代模型优化，以及对不确定性回报的长期押注。量化基金的领导者不仅本身具备技术背景，还习惯于用"预期收益与风险权衡"而非"季度KPI"的视角做决策，这使他们天然更适合驾驭基模这类周期长、沉没成本高的技术方向。相比之下，纯互联网或消费产品背景的领导者，更习惯通过用户增长和流量数据来验证决策，难以在看不到短期回报的基模研发上保持定力。

战略定力：敢于把钱一次性押给一个项目

基模创新的另一个残酷现实是：它需要大量的、能接受沉没成本的"决绝"投入。

栾宇举了一个很具体的场景：假设一家公司有上百亿的资金，它面临的选择是——要不要把这笔钱一次性押给一个训练项目？还是分开、分散地去做？ 一旦选择分散精力，在基模这件事上就很难成功。

这里涉及风险承受能力与战略定力的问题。栾宇提出了一个颇具洞察力的判断：风险这个东西很有意思，你越想分散它，它可能越发生；而你如果决绝地押注，虽然也可能颗粒无收，但至少保留了成功的机会。

他也如实指出，市场上不乏投入了数亿甚至十亿级训练成本、最终却失败的公司。所以决绝投入并非成功的充分条件，但它是必要条件——没有这种孤注一掷的定力，连成功的入场券都拿不到。DeepSeek 能跑出来，正是因为其创始人"有实力、有投入的决心、有承受风险的能力"三者兼备。

这里隐含的是概率论中的一个反直觉现象，有时被称为"集中投注的悖论"。在传统风险管理思维中，分散投资是降低整体损失的标准路径。但在赢家通吃的技术竞争中，分散资源往往意味着每个方向都无法达到突破所需的临界规模，最终每条路都走到一半就断了。基模训练尤其如此——算力投入、数据飞轮、模型迭代之间存在显著的规模效应，低于某个量级的投入可能连验证技术路线是否可行都做不到，钱就已经烧完了。因此，"分散风险"在这个场景下实际上放大了"什么都没做成"的概率。真正有效的风险控制，是在入场前做充分的可行性判断，一旦决定入场便集中资源，而不是用分散的方式为自己留退路。这与风险投资（VC）逻辑中"押注少数高确信度项目"的策略一脉相承。

单点突破 vs 广撒网：三五年后的分野

对话的结尾，栾宇对两种创业路径做了长周期的对比，颇具警示意味。

他观察到，DeepSeek 至今都没有过多地铺台面产品，而是坚定地聚焦于把核心技术、核心逻辑做好，敢于做"单点突破"式的押注。

与之相反的是另一类公司——包括一些上市公司在内，一开始就推出了大量产品和应用，每个应用都做到"五六十分"。凭借原有流量的导入，这些应用短期内看起来都有用户、有数据，公司内部呈现"一片祥和"。

但栾宇给出了一个冷峻的判断：把时间拉长到三五年再看，这些广撒网式的产品可能都没有真正的市场价值，甚至会渐渐被淘汰。 短期的祥和，掩盖不了缺乏核心突破的长期风险。

对于基模这样的硬核赛道，做不做单点突破、有没有战略定力，最终决定了一家公司是昙花一现，还是真正立住。这，正是 DeepSeek 这类玩家留给行业最值得咀嚼的启示。