2025年1月，英伟达一天之内市值蒸发掉几千亿人民币。把这件事推下悬崖的，不是哪家美国巨头，而是一个从不露面、能拒采访就拒的中国人。他叫梁文锋。外界把这场地震解释成开源赢了，但真正有意思的问题没人问：一个炒A股起家、没留过学、不堆显卡的人，凭什么把硅谷烧了上亿美元才做出的东西，用零头价格复刻出来？答案不在省钱，在两件反共识的事上。
先说人才这件事。DeepSeek 的团队，硅谷花十倍价钱都很难凑出同款。公开报道里，这帮人多是清北加竞赛金奖的标配，有高考数学满分、国际奥赛金牌的，从杭州一间出租屋起步，几年后把模型送上了全球排行榜。OpenAI 前政策主管 Jack Clark 给过一句评价，说这是一帮高深莫测的奇才。最反共识的地方在于：梁文锋没有去美国重金挖回流的博士，而是自己在国内竞赛体系里把人养出来。同一批中国顶尖脑子，美国实验室用十倍薪资抢，他用一个更本土、更便宜的方式自己长。这一步，才是真正的成本套利，比模型便宜那件事早了十年。
同一批中国脑子，美国实验室十倍薪资去抢，他用一个更便宜的方式自己长出来。
再看技术。550万美元训练出 V3，不是一个抠门的故事，是一套硬件感知的硬功夫。最核心的一招叫 MLA（多头潜在注意力），它把推理时要存的 KV 缓存压掉了 93.3%，显存这一头最大的开销直接塌下去；再叠上 FP8 混合精度训练在大体量 MoE 上首次规模化，以及 MoE 本身只激活部分参数。三件事加起来，单位智能的成本被拆开重算了一遍。
▲ DeepSeek-V3 训练成本约550万美元，只是 GPT-4o 上亿美元成本的零头
最妙的是那道限制。美国只卖给他们阉割版的 H800，不是满血 H100。换别人觉得吃了亏，他们反而被逼着把每一张卡的算力榨到尽，连自研的推理内核 FlashMLA、通信库 DeepEP、计算库 DeepGEMM 都开源了出来，搞了场开源周。便宜不是节衣缩食，是算到骨头里之后，顺手把省下来的方法也公开了。
便宜不是节衣缩食，是算到骨头里之后，顺手把省下来的方法也公开了。
钱从哪来？幻方量化在 A股给上亿散户提供流动性、赚走价差，这笔钱转头喂出了一个不融资、不商业化、把模型免费开源的 DeepSeek。同一个人身上，一边在二级市场收割，一边在开源社区白送。他也几乎不露面，采访能拒就拒。一个把最贵的技术做成免费的人，自己却躲在最便宜的曝光里。
▲ 幻方量化的钱养出免费开源的 DeepSeek，本人却几乎不露面
引爆点在 2025 年 1 月。R1 推理能力对标 OpenAI 当时的旗舰，还是开源。消息出来那天，英伟达单日蒸发数千亿美元。硅谷的旧共识是算力越多越赢，他用一份论文和一行开源代码，把这道门槛削掉一大截。开源这一步，表面是让利，实际是杠杆：全球开发者替他共建、替他传播，比花几亿打广告值。
回头看，梁文锋干的事是一条线：在量化里把交易成本压到极低，在 AI 里把智能成本压到极低。都是同一个念头，把原本只有巨头玩得起的游戏，做成普通人够得着的东西。这和王坚铺那朵让算力像水电一样便宜的云，是同一种人。
▲ 把贵的东西做便宜：量化压交易成本，AI 压智能成本，追底座不追风口
最实用的，是成本套利这门手艺。他没比谁钱多，比的是谁更会重新算账。资源不够时，先把单位成本打下来，往往比硬堆投入走得更远。DeepSeek 最狠的一招不是模型多大，是同样水平只花零头，这背后是一整套把贵东西做便宜的功夫。
更聪明的是开源这步杠杆。敢不敢先让人白用，往往决定了它能长多大。对普通创作者，先开源、先被用起来，比捂着等完美再卖更划算。
落到我们自己：他赌的是底层，不是风口上的花。你不必去造大模型，只要想清楚在这套新底座上能搭出什么别人真需要的东西。造电的永远是少数，把电变成电风扇、洗衣机的人，才让电进了生活。
今天所有人都在聊梁文锋，聪明人忙着预测下一个风口。可这个人最狠的一招，恰恰是不追风口，只把一件贵得离谱的事做成了便宜得离谱的事。天才学不来，但他身上有一件事普通人能直接抄：当所有人往上堆的时候，你往下看看成本，门可能就在那。
他把模型的贵做便宜了。那我们自己每年花在 AI 订阅上的那笔钱，能不能也照这个思路做便宜？下一篇，我把自己书签栏里 80 多个工具砍到 4 个、一年省下 5900 的具体打法，拆给你看。
· 以上 ·
关于作者
叶蔚卿，90 后，穿梭互联网二十年，团广网创始人，现为自雇者，热爱写作，研究AI 领域。
本公众号专注解读技术与文明博弈，带你见证数字世界的全新纪元。
#梁文锋 #DeepSeek #量化 #开源 #成本套利 #AI #人物
叶蔚卿
数据来源：百度百科“梁文锋”、DeepSeek 官方技术报告（V3/R1）、腾讯新闻/36氪/第一财经等公开报道
☆ 星标「砚数」，第一时间收到推送
热门跟贴