DeepSeek融资翻倍至1000亿,字节Seed设立大模型安全部门

DeepSeek融资翻倍至千亿、字节设安全对齐部门、麒麟与Optimus量产提速,AI竞赛转向多维比拼。
本期要闻显示AI行业融资、治理与硬件三条主线同步推进。DeepSeek第二轮融资在半个月内从500亿元翻倍至约1000亿元,投前估值约5000亿元,宁德时代拟追加100亿元,产业资本成为主力。字节跳动Seed成立国内首个独立的安全与对齐部门,直接向Seed负责人汇报,聚焦Agent安全与CBRN风险。华为透露下一代麒麟2027芯片已就绪,麒麟9050系列量产;特斯拉Optimus V3设计方案接近冻结,计划2026年底量产。尹志尧则警示泡沫,判断国内半导体设备商90%将被淘汰。阿里千问同步推进办公电商版与Personal Agent,国际方面涉及长鑫存储、Sora去向与Anthropic培训计划。
AI行业的融资热潮与安全治理正同步加速。一边是DeepSeek融资规模半月内翻倍至千亿元,一边是字节跳动率先在国内大模型团队中单独设立安全与对齐部门。另一边,华为麒麟芯片和特斯拉Optimus机器人的量产进展,也在重新划定硬件竞争的边界。
DeepSeek融资翻倍:产业资本为何争相入局
据财经杂志报道,DeepSeek广告将在近期完成第二轮融资,拟融资金额从此前计划的500亿元增至约1000亿元,不到半个月翻了一倍。投前估值仍维持在约5000亿元。
本轮新进投资方包括石溪资本、中芯聚源、CPE源峰、君联资本、吉利等,以产业投资方为主。首轮入局的宁德时代、腾讯、IDG资本、砺思资本和拾象资本也在本轮名单中。其中宁德时代拟追加约100亿元,其首轮出资金额约为50亿元。
一位参与投资的基金LP人士表示,情况基本符合事实,但本轮融资交易仍在动态变化中。产业资本的大举加注,说明大模型能力正在从技术验证阶段转向产业链嵌入阶段——投资方看重的不只是模型本身,更是模型与自身业务结合后的效率提升空间。
字节Seed设立安全与对齐部门,国内大模型治理迈出关键一步
字节跳动Seed近日发出内部邮件,宣布成立"Seed Model-Alignment & Preparedness"部门,由严林负责,汇报给Seed负责人吴永辉。原Responsible AI团队及部分Chat团队成员将转入新部门。
该部门的核心目标有两个:一是让模型行为与人类意图和安全约束保持一致,提升Agent Model的安全能力;二是防范CBRN(化学、生物、放射、核)等前沿能力风险。说个细节,此前国内大模型团队的安全与对齐工作大多被纳入公司整体的安全合规体系中,字节Seed是国内首家单独成立安全与对齐部门的前沿AI实验室。
这一组织架构调整释放的信号很明确:当模型能力快速逼近AGI门槛时,安全不再只是合规问题,而是需要独立研究力量和独立汇报线的核心工程问题。将安全团队从合规体系中剥离出来、直接向Seed负责人汇报,意味着安全考量将更早介入模型研发流程,而非事后补救。
CBRN是化学(Chemical)、生物(Biological)、放射(Radiological)、核(Nuclear)四类高风险能力的缩写,国际安全界常用这一框架评估大规模杀伤性武器的扩散风险。在AI语境下,CBRN风险特指大模型可能被滥用来获取或推演上述高危领域的敏感知识,例如协助合成有毒化学品、增强病原体特性或优化核装置设计。主流前沿实验室通常会在预训练完成后、模型发布前开展CBRN能力评测,通过红队测试、知识门槛过滤与拒答微调等手段进行分层管控。随着Agent能力增强,模型可自主调用工具、分解并串联多步任务,安全边界从"是否会说出危险知识"扩展到"能否自主完成危险流程",这正是字节把CBRN防范列入新部门核心目标的背景之一。
华为麒麟芯片与特斯拉Optimus:硬件量产竞赛提速
在2026华为终端创新技术沟通会上,华为半导体业务无线终端芯片产品管理部部长徐松余透露,下一代麒麟2027芯片已经就绪,所有测试结果均符合预期。基于麒麟芯片的终端产品自2023年以来累计发货已过亿,麒麟9050系列已成功量产。
华为方面还表示,未来10年逻辑折叠的演进路径可持续,但具体到每个阶段采用何种技术仍在逐步讨论中。
机器人赛道同样在加速。特斯拉核心供应商新剑传动在创业板上市审核问询函回复中明确表示,特斯拉Optimus的硬件设计方案已基本冻结定型,计划在2026年底前开启量产。特斯拉已将弗里蒙特工厂的原Model S和Model X产线改造为Optimus V3产线,长期产能目标100万台/年。德州超级工厂计划2027年开工,建成后长期产能目标高达1000万台/年。目前已有少量Optimus在弗里蒙特工厂内部运行,主要用于AI训练和数据采集。
逻辑折叠是先进制程与芯片设计领域的一种演进思路,指通过晶体管结构、金属互连与封装方式的协同优化,在单一制程节点之外继续压缩逻辑单元的面积与能耗。它与单纯依赖光刻精度缩小线宽不同,更强调设计、工艺、封装三层的联合创新,典型方向包括背面供电、环栅晶体管、3D堆叠与芯粒互连等。华为提出"未来10年逻辑折叠的演进路径可持续",实际是在表达一条不完全依赖最先进光刻设备的性能提升路线:即便制程节点受限,仍可通过架构与封装层面的持续折叠来换取能效和集成度。这种路线的难点在于每一阶段的工艺选择、良率控制与生态适配都需要长期验证,因此华为也坦言各阶段采用何种技术仍在逐步讨论中。
尹志尧警示AI泡沫:国内半导体设备商90%将被淘汰
中微公司董事长兼总经理尹志尧对当前AI投资热潮发出警示。他指出,回看1984至2026年全球半导体行业CAPEX的年度增减曲线,波动十分剧烈,行业资本开支一年增幅可达100%,也可以一年下滑30%。
谈及行业格局,尹志尧判断国内半导体设备企业数量庞大,保守估计最少500家,最多接近1000家。参照美国经过多轮整合后本土仅剩几十家的格局,国内最终能存活下来的可能也只剩几十家,意味着90%的厂商将被淘汰。他认为头部企业需要从单一产品向平台化公司转型,同时具备刻蚀、薄膜和量检测能力,才能提供完整解决方案。
这一判断与DeepSeek融资热潮形成有趣对照:资本正在向头部集中,而头部公司需要的不仅是资金,还有穿越行业周期的技术纵深。
CAPEX即资本开支(Capital Expenditure),指企业用于购置、扩建或升级长期资产的支出,在半导体行业主要体现为建厂、购置光刻机等设备和产线改造的投入。半导体是典型的强周期行业,CAPEX的年度波动幅度往往远超终端需求变化:景气上行期厂商争相扩产,一年增幅可达100%;一旦需求见顶,资本开支又会快速收缩三成以上,形成"产能过剩—价格下跌—投资收缩"的循环。尹志尧引用1984至2026年全球半导体CAPEX曲线,正是要说明这一行业四十年来始终未能摆脱剧烈波动。对于设备商而言,下游晶圆厂扩产时订单爆发,收缩时则面临交付延迟、应收账期拉长甚至订单取消,这也是他判断中小厂商难以穿越周期、最终大部分会被淘汰的底层逻辑。
阿里千问双线出击:办公电商版与Personal Agent
阿里旗下AI办公产品"千问办公"正在开发面向多平台商家的电商版本,计划于双十一预售前夕发布。该项目由千问办公CEO陈宇森统筹,目前参与员工接近百人。电商版首页设有双十一专区、经营分析、商品管理、素材生产和营销推广5个板块,当前形态更接近跨平台的分析和生产工作台,尚不能直接替商家调整投流计划。
同时,千问Personal Agent"千问Go!"也即将发布,可帮助用户完成订单理赔、汽车保养、运动预约和购物比价等任务。用户需要时,千问可自主查询操作各类授权平台,比较方案、电话联系服务方,完成目标任务。
国际动态速览
马斯克在社交平台表示,一旦中国掌握某种产品的制造方法,扩产能力往往能超过世界其他地区之总和,并以锂电池和太阳能产业为例。此番讨论建立在人工智能分析师Melvin关于长鑫存储的分析之上——长鑫存储目前在全球DRAM市场营收份额约为9.5%,已成为全球第四大DRAM制造商。
OpenAI正在与一家初创公司谈判,计划将搁置的视频生成AI Sora移交给该公司。这家初创公司由好莱坞重量级人物杰弗里·卡岑伯格、领导Sora研究的比尔·皮布尔斯以及Dropbox前首席财务官苏杰·贾斯瓦于数月前创立。
Anthropic宣布投入1亿美元启动FDE培训计划,入选者先参加为期4天的现场强化培训,随后在12周内使用Claude工具开展实际项目。Anthropic希望到2027年底培训1万名工程师。
此外,华人AI科学家、Google DeepMind Senior Staff Research Scientist姚顺宇据传已开启RSI创业,新公司定位为企业开发定制化模型,估值约20亿美元,主要投资方来自海外。

从融资到安全治理再到硬件量产,这一轮AI竞赛的竞争维度正在从单一模型能力扩展到组织能力、供应链纵深和安全基础设施的全方位比拼。
DRAM即动态随机存取存储器(Dynamic Random Access Memory),是计算机和服务器中负责临时存放运行数据的主流内存类型,与NAND闪存共同构成存储芯片的两大支柱。DRAM市场长期由三星、SK海力士和美光三家主导,合计份额长期在九成以上,新进入者要突破专利壁垒、制程良率和客户认证三重门槛极为困难。长鑫存储作为中国大陆主要的DRAM厂商,营收份额达到约9.5%并跻身全球第四,意味着其已在标准DDR产品上形成规模化出货能力,并在部分制程节点上接近国际一线水平。这一份额变化不仅是企业层面的突破,也会影响全球存储供需与价格周期,因此马斯克围绕制造扩产能力的评论才会引发广泛讨论。
相关推荐

FlyEnv 插件实测:可视化运行 llama.cpp 与 GGUF 模型管理
FlyEnv 推出 llama.cpp 官方插件,提供多个 Metal 运行时并存管理、公共 GGUF 仓库索引与模型文件类型标注,以及上下文、线程、GPU 层数等推理参数可视化配置,支持模板与投机解码随模型保存,一键启动本地 LLM 推理服务。

前端如何进阶AI智能体开发?从OpenClaw拆解系统级Agent架构
从B站公开课演示的OpenClaw出发,拆解系统级AI智能体的三层架构与通用公式,分析前端开发者基于TypeScript切入Agent开发的路径、插件化设计与安全记忆层难点,附面试回答框架。

WorkBuddy实战:AI Agent如何自动批量转换与归档文件
通过B站UP主珊瑶老师的实测,对比豆包与WorkBuddy在文件批量转换任务中的表现,解析AI Agent如何从“给方案”到“直接执行”,附完整操作流程与积分消耗参考。