梁文锋的三次豪赌：DeepSeek为何将82%毛利开源？

当一家公司把毛利率高达82%的核心推理框架向全世界开源，紧接着又宣布启动千亿级融资，外界的第一反应往往是"自相矛盾"。但如果是梁文锋，这一切就都有了解释的线索。本文基于B站UP主的深度梳理，结合多方公开信息，尝试还原DeepSeek这一系列动作背后的战略逻辑。

一、开源"印钞机"：DeepInfer到底交出了什么？

据B站UP主分析，DeepSeek^广告开源的DeepInfer推理框架，本质上是一套让AI跑得更快、更省钱的调度系统。此前开源模型相当于交出菜谱——告诉你会放什么料、能炒出什么菜；而DeepInfer交出的是开餐馆的成本与效率管理体系：怎么控成本、怎么出餐快、火候怎么拿捏、设备怎么调试。

这套框架的经济价值极其惊人。按最低价计算，每张显卡每小时可收入38美元，而租卡成本约为每小时7美元，毛利率达到82%。据称，这是第一次把"AI到底有多赚钱"从黑箱中搬到了台面上。对任何公司而言，这样的盈利模型都属于绝对商业机密，但梁文锋选择公开。

紧接着，新一轮融资的消息传来——逼近1000亿规模，腾讯等机构继续加码。梁文锋在投资者交流会上曾明确表态："我们一定会开源，哪怕最强的模型我们也开源。"这句话放在商业教科书中几乎无法解释：谷歌会在融资前开源搜索技术吗？SpaceX会在上市前公开火箭着陆控制算法吗？

推理框架是介于AI模型与底层硬件之间的软件层，负责把训练好的模型高效地调度到GPU上执行。它决定了一次请求如何被拆分、何时做批处理、显存如何分配、算子如何融合，直接影响了每秒能处理多少token以及单token的算力成本。业界常见的推理框架包括vLLM、TensorRT-LLM、SGLang等。DeepInfer若真能实现所描述的82%毛利，意味着它在调度效率上具备显著优势，而这类效率提升正是当前AI商业化落地的核心瓶颈。

二、封杀与反制：开源作为竞争武器

开源的时间点耐人寻味。据素材披露，开源前两天，美国国土安全部下令所有政府机构停用DeepSeek，已安装的需删除，连基于其开源代码开发的第三方产品也要一并排查。理由仍是"可能存在风险"，但翻遍文件找不到具体案例。

另一边，美国AI界一边高喊AGI、给AI赋予灵魂，一边用数学题下战书、封锁中国用户、指控蒸馏。然而DeepSeek发布的新版本再次把成本与性能的"斩杀线"贴到了美国顶级AI的后背上，蒸馏的怀疑尚未落地，封杀令便已到来。

面对这种局面，DeepSeek高级研究员陈德里发文回应："开源与闭源，光明与黑暗，两种未来、人类两种命运之间的决战，他们想打多久，我们就打多久。"同一天，DeepInfer开源。

据B站UP主和YouTube科技频道的交叉分析，这一策略的核心逻辑在于：你可以封堵一个产品，却堵不住一套方法。当全球无数AI公司采用这套82%毛利的推理框架，接口怎么写、数据怎么存，DeepSeek的标准就可能成为行业默认的通用语言。这类似于把印着自家logo的冰柜免费摆进所有对手的店里——封锁越狠，开源越狠。

三、三次豪赌：技术路线、竞争资格与组织纯粹性

第一注：开源技术路线

投身AI之前，梁文锋已是争议与财富齐名的量化大佬。为了训练模型，他一口气囤下上万张显卡，砸出10亿级超算。2023年7月DeepSeek成立，他转身投入大模型。2025年1月R1发布，权重全部公开，任何人可免费使用、修改、商用，性能对标当时最贵的OpenAI O1，训练成本仅29.4万美元，不到GPT-4的1%。

开源的不只是权重。思维链——OpenAI锁进黑盒按字收费的能力——DeepSeek直接开放了思考过程，还把"欢迎用R1蒸馏自己的模型"写进许可协议。缓存算法方面，MLA多头潜在注意力方法把KV缓存压缩九成以上，长上下文不再烧钱，推理吞吐翻了几倍。微软将它搬上Azure，亚马逊搬上Bedrock，开源社区照着R1复现，各国公司拿它当基座改出自己的模型。据素材称，R1发布11天后，OpenAI紧急上线O3迷你应战——闭源巨头第一次为一个开源模型改了自己的档期。

MLA（Multi-head Latent Attention，多头潜在注意力） 是DeepSeek在V2中提出并延续至R1的一种注意力机制改进。传统Transformer在生成长文本时，需要为每个token缓存键值对（即KV Cache），上下文越长显存占用越大。MLA通过将键值压缩到一个低维的潜在向量空间，大幅削减了缓存体积，据称压缩率可达九成以上。这一设计使得长上下文推理的显存成本显著下降，吞吐量随之提升，也是DeepSeek能把API价格压到极低的关键技术支柱之一。

第二注：不受掣肘的竞争资格

面对全方位围堵，一个中国技术工作者想碰最前沿的AI，只有两条路：去美国拿顶级资本和芯片，或留在国内从头开始。梁文锋选择了后者。

今年早些时候完成500亿融资后，DeepSeek宣布在内蒙古乌兰察布建设超大数据中心，至少部署16万颗华为昇腾芯片，订单约25.6亿美元。那里电费三毛多一度，年平均气温4.3度，天生适合盖机房。这是押注中国独步全球的电力基建，也是对国产AI芯片的终极考验。

梁文锋说过，英伟达没有技术秘密，真正的护城河是CUDA——全球几百万程序员在上面写了18年代码，芯片可以追、工艺可以改，软件生态拆不动。9月30日，DeepSeek把跑在华为芯片上的一整套工具全部开源放进了华为社区，让全球每一家想换中国芯片的公司都有了绕开CUDA的可能。代价同样明显：昇腾生态刚起步，算子要逐个适配，框架要重新改写，同样的模型搬过来性能还要一点点调。训练这块硬骨头至今仍高度依赖英伟达，16万颗昇腾主要承担推理任务，且受产能限制可能一年以上才能交付完毕。别的公司用现成CUDA直接开跑，DeepSeek得从修路开始。

CUDA（Compute Unified Device Architecture） 是英伟达自2006年起推出的并行计算平台与编程模型，开发者通过它调用GPU进行通用计算。经过近二十年积累，CUDA已形成包含编译器、数学库、通信库、调试工具在内的庞大生态，全球绝大多数AI框架（PyTorch、TensorFlow等）都优先适配CUDA。这意味着即便其他厂商的芯片在纸面算力上接近英伟达，软件迁移与调优成本仍构成巨大壁垒。国产芯片要真正可用，除了硬件性能，更关键的是建立能承接主流框架的软件栈，这正是文中"绕开CUDA"所指的核心难题。

第三注：组织的纯粹性

前两注还只是手段，真正难的是第三注——内部组织的纯粹性。DeepSeek有一百多人，没有考核指标，早上不打卡，多数员工下午六七点就已下班。反观硅谷，OpenAI和谷歌的主力研究员每周扛70到80小时，行军床都已备上。

梁文锋的解释很朴素：一个人每天能高质量干活的时间很难超过6到8小时，加班累出来的糊涂判断反而浪费宝贵算力。不加班怎么跟美国人拼？他的答案是开源本身。研究成果被全世界下载、修改、部署，员工能直接看见自己的工作如何影响行业——这种成就感比KPI更能沉淀一群纯粹的研究者。研究员刘胜宇曾写道："最前沿的智能应该以开放廉价的方式供应给所有人。"在这些研究员心里，光明与黑暗不是文学修辞，而是一场关于两种未来的较量。

KPI（关键绩效指标） 是企业常用的量化考核体系，通过设定可测量的目标来评估员工产出并分配激励。在AI研究中，KPI容易导向短期可发表、可量化的成果，而回避高风险、长周期的基础探索。DeepSeek取消考核指标、不打卡的做法，本质上是用组织设计来保护研究自由度，把激励从"完成指标"转向"成果被行业采用"。这种模式在小型高密度研究团队中并非没有先例，但放到百人以上规模并持续产出前沿模型，仍属罕见，其可持续性也是外界关注的焦点。

四、克制即进攻：开源背后的商业与理想

对比OpenAI和Anthropic，DeepSeek的选择显得近乎纯粹：不追用户量、不做超级APP、暂时不碰金融医疗等专门领域。梁文锋连电费之外的超额利润都不要，不想成为下一个传统大公司，更不想像OpenAI那样丢掉开放初衷变成吞噬资源的资本巨兽。

但开源绝不意味着没有进攻性。如果DeepSeek去做超级APP、强企业入口、用封闭模型向所有公司收钱，它会立刻变成阿里、腾讯、字节、智谱、月之暗面的共同敌人。放弃一部分直接控制和技术垄断，换来的是整个产业把DeepSeek看作行业灯塔。它不占领所有用户，却让越来越多产品建在自己的成果上；不控制每一个应用，却影响着整个行业的技术成本和研究方向。

据素材引述，梁文锋在2026年的闭门会议上说："DeepSeek只有一条主线，就是AGI，其他都是策略。你越克制，就越有可能做成这件事。"三次豪赌步步为营：第一次赌开源技术路线，第二次要不受掣肘的竞争资格，第三次瞄准AI终极目标。

五、多方视角与待验证之处

提一嘴，上述叙事主要来自B站UP主的梳理，带有较强的观点色彩。关于"82%毛利率""千亿融资""16万颗昇腾订单"等具体数字，目前缺乏DeepSeek官方或权威财经媒体的完整确认，读者宜保持审慎。同时，美国封杀令的细节、OpenAI紧急调整档期的动机，在多方报道中虽有提及，但因果关系的严密性仍有讨论空间。

可以确认的共识是：DeepSeek通过持续开源底层技术，已经实质性影响了全球AI行业的成本结构和开发范式；其与华为昇腾生态的绑定，是中国AI算力自主化的重要实验。至于这场豪赌最终能否抵达AGI，答案还在路上。梁文锋的纯粹与野心，或许正如素材结尾所描述——他要的从来不是围观，而是不断抵达人类从未开拓过的未知之地。