2026年10月15日8点11分，DeepSeek网页端、App端及API接口同时不可用。故障持续4小时52分钟，到13点04分才全部恢复。对话服务与V4.1 Flash的API中断，官方随后致歉，并对故障期间7日内消耗金额全额返还。
对普通用户，这是一次短暂的不便。对产业观察者，这是2026年中国AI算力产业最具解剖价值的一次事故。因为它恰好戳中了一家企业、一个人最核心的战略逻辑，也戳中了整个行业最深的隐忧。
本期，我把DeepSeek从头到尾拆一遍：创始人的底色、企业成长的三个阶段、V4-Flash的技术护城河、商业模式与资本结构、行业竞争格局、结构性风险，以及长期产业推演，一次讲透。
一、梁文锋：看懂人，才能看懂这家公司
（一）量化交易的底层基因
1985年，梁文锋出生在广东湛江一个教师家庭。17岁考入浙江大学，本科和硕士都读的信息与电子工程学系。
2008年，还在读研的梁文锋就开始带领团队使用机器学习技术探索全自动量化交易。2015年，他创办了杭州雅克比投资管理有限公司，2016年创立幻方量化。幻方量化2021年管理规模一度突破千亿元，是国内头部量化私募。
但梁文锋和一般量化基金经理不一样。他不是一个只盯K线的人，他是一个算力工程负责人。2019年，幻方投资近2亿元自研萤火一号AI集群，搭载约1100块GPU。两年后，萤火二号投入增加到10亿元，搭载约1万张英伟达A100显卡，算力是萤火一号的18倍。幻方由此成为中国5家拥有上万张A100 GPU的公司之一。
别人做AI是软件工程师思路，梁文锋做AI是交易员加算力工程负责人的思路。他在幻方阶段就已经在算每张GPU的投入产出比，在算集群调度的效率，在算资源闲置的代价。
（二）三个关键决策的人格印记
第一个决策，幻方千亿规模之后跨界all in大模型。2023年，梁文锋做了一个让行业意外的决定：从量化交易跨界，成立DeepSeek，全力投入通用大模型。这不是跟风创业，他认定AI是下一代算力资产，量化交易只是算力变现的一种方式。
第二个决策，长期拒绝外部融资。DeepSeek成立后，很长一段时间坚持零外部融资，完全依靠幻方量化的自有资金独立研发。直到2026年4月，DeepSeek才开启首轮外部融资，规模约510亿元，投后估值接近4000亿元。其中梁文锋个人出资约200亿元，腾讯出资约100亿元，宁德时代体系出资约50亿元。到了2026年10月，第二轮融资规模从计划的500亿元增至约1000亿元，投前估值约5000亿元。梁文锋个人再次出资约200亿元领投。个人出资200亿元领投自己的公司，这在创业史上都极为罕见。这不是融资，这是用真金白银下注，牢牢握住股权与表决权，不愿意资本干涉技术路线。
第三个决策，选择MoE架构、坚持开源路线。MoE是混合专家模型架构。传统的大模型是全参数运行，每回答一个问题都要调动所有参数。MoE的做法是：按需激活，只调用最相关的部分专家，其他参数保持休眠。V4-Flash总参数284B，每次推理只激活13B。这是典型的量化思维。不要为全部场景维持全参数算力，按需激活，提升单位GPU回报。梁文锋自己在内部交流中说得很直白：买一批服务器回来，大概10个月收回设备成本，我们觉得就够了。开源是另一层商业杠杆。放出模型权重，允许开发者本地私有化部署，用模型换市场渗透率，快速抢占开发者生态。这条路和百度、阿里的闭源路线截然不同。
（三）性格底色与局限
梁文锋低调，极少接受采访。他在一次内部交流中说：DeepSeek只有一条主线，就是AGI，其他都是策略。他也说过越克制，就越有可能做成这件事，对公司文化的要求是排斥大厂式虚耗，招人偏好年轻、基础能力强的应届生，团队平均薪资约10万元每月。
但这种量化底色也带来一个路径依赖：极度看重投入产出。
二、企业成长三阶段
DeepSeek的主体是杭州深度求索人工智能基础技术研究有限公司，2023年7月成立。
阶段一：种子建设期（2023年7月至2024年）。这个阶段的目标很明确：验证基础大模型底座，积累训练工程能力。DeepSeek没有对外大规模宣传，把幻方原有的GPU集群复用做大模型训练。团队以幻方旧班底为主，是一支算力工程团队，不是传统互联网AI团队。
阶段二：技术突围期（2024年至2025年）。V2、V3、R1陆续发布。R1是标志性产品，证明国内团队能做到全球第一梯队的推理能力。2025年9月17日，由DeepSeek团队共同完成、梁文锋担任通讯作者的R1推理模型研究论文登上了《自然》杂志封面，这是首个通过权威期刊同行评审的大模型研究。核心战略是用开源加强推理能力破圈。用开源模型抢占开发者，建立生态，打响DeepSeek品牌，MaaS API业务起步。
阶段三：商业化规模化期（2025年至今）。2026年4月24日，V4-Pro和V4-Flash正式发布并开源。MoE架构落地，MaaS大规模商业化，同时开启大额外部融资，算力集群持续扩容。10月15日V4-Flash全平台宕机，是这个规模化阶段暴露的结构性矛盾。
三、核心产品与护城河
（一）V4-Flash：一套算力调度体系
V4-Flash不是一个聊天模型，本质上是一套算力调度体系。
总参数284B，动态激活仅13B。支持百万token统一上下文。采用FP4/FP8混合精度，MoE专家参数使用FP4精度，其余参数使用FP8。
这意味着什么？每次推理只需要调动约4.6%的参数，其余95.4%的算力资源留给其他并发请求。单次推理的GPU占用大幅降低，集群能同时处理的请求数大幅提升。
核心逻辑延续梁文锋的量化思路：算力按需分配，提升GPU集群利用率，压低单位token推理成本。
（二）护城河三层
第一层，训练工程护城河。幻方多年GPU集群运维经验，大规模MoE分布式训练、推理调度能力。这套能力不是靠钱堆出来的，是靠时间积累的。幻方从2019年开始自建GPU集群，到2026年已经积累了七年的大规模GPU集群运维经验。
第二层，生态护城河。开源权重，允许本地私有化部署，绑定开发者与企业用户。DeepSeek的全栈、全系列开源开放，支持按需自主部署，从云服务厂商到个人用户，从制造业到医疗、教育行业，渗透面极广。
第三层，成本护城河。MoE架构带来更低的推理单价。2026年前7个月API接口业务毛利率为82.9%，高于同期Anthropic和OpenAI的水平。
（三）产品的内在取舍
V4-Flash为了追求极致推理成本和高并发吞吐，在集群冗余、故障隔离上做了权衡。效率优先，韧性后置。这套取舍在正常运行时看不出代价，一旦流量激增或某个节点出问题，代价就会瞬间暴露。
四、商业模式与资本结构
（一）两条收入主线
第一条，MaaS云API。这是当前核心收入，V4-Flash是主力产品。按token计费，客户是开发者、企业、自媒体、个人用户。2026年前7个月，DeepSeek的收入几乎全部来自模型API调用收费，对话机器人App仍保持免费且无广告，尚未产生直接收入。
第二条，开源模型衍生收入。企业私有化部署、行业定制模型、模型授权。
2026年前7个月，DeepSeek收入约4.75亿元，已是2025年全年的约10倍；净亏损7.15亿元。
（二）独特的资本路径
DeepSeek的资本模式和绝大多数AI创业公司反过来：不是先拿VC钱烧算力，而是先赚钱，自掏腰包，后期才引入产业资本。
前期几乎全自有资金投入。首轮外部融资约510亿元，梁文锋个人出资约200亿元。第二轮融资由500亿元增至约1000亿元。股东名单包括腾讯、宁德时代、京东、网易、IDG资本、国家人工智能产业投资基金等。
股权高度集中，创始人掌握绝大多数表决权。这意味着DeepSeek的技术路线不会被资本裹挟，但也意味着一旦创始人的战略方向出现偏差，纠错机制会相对滞后。
（三）商业模型的短板
收入高度依赖云端API业务。API业务的底层资产是集中式智算集群，属于重资产，资本开支巨大。梁文锋自己承认，我们和美国的唯一差距就是资源，未来DeepSeek会自建大型集群。
算力供给弹性跟不上需求爆发。当流量突然暴增时，集群扛不住；当流量低谷时，算力闲置。这是MaaS厂商共同面临的难题。
五、行业竞争格局
国内通用大模型MaaS赛道，第一梯队包括DeepSeek、月之暗面、智谱、通义、文心等。
行业第三方机构发布的2026年AI模型魔力象限中，阿里云进入领导者象限，月之暗面与智谱入选远见者象限，DeepSeek与MiniMax位于利基玩家象限。
但从Token收入来看，从收入规模看，DeepSeek小于智谱和字节豆包。
DeepSeek的差异化路线很清楚：MoE加开源加低成本长上下文。百度、阿里是大厂生态优先，DeepSeek是算力工程加开发者生态优先。
竞争的核心矛盾是算力军备竞赛。比拼GPU储备、集群调度、单位token成本。行业趋势上，MaaS厂商都面临同一个难题：流量骤增带来的算力峰谷失衡，高峰期算力缺口，低峰期算力闲置。
六、结构性风险
本节从企业战略层面拆解内生风险。
（一）分布式MoE集群的系统韧性风险
官方通告只写了系统故障，没有公布具体根因。
V4-Flash依托大规模跨节点分布式集群推理，架构精密，算力利用率高。但精密架构的另一面是：单点故障容易传导雪崩。一个节点出问题，流量转移到其他节点，其他节点负载骤增，连锁反应。
企业战略取舍是什么？在资本开支约束下，优先采购算力支撑峰值业务，而不是投入大量冗余备份算力。冗余算力在平时是闲置成本，不符合梁文锋一贯追求算力ROI的思路。
梁文锋自己的标准是买一批服务器回来，大概10个月收回设备成本。如果多买一批服务器只用于灾备，这10个月的回收期就会被拉长甚至无法回收。从量化思维的ROI角度看，这笔账不划算。
集中式MaaS模式，天然自带基础设施脆弱性。下游使用者把推理能力外包，就要承担平台集群故障风险。
（二）算力供应链风险
高端GPU供给受限，算力扩容受外部硬件约束。DeepSeek此前完全依赖幻方自有资金购买GPU，首轮融资后才有了大规模采购的弹药。但高端芯片的供给瓶颈不是钱能立刻解决的。
（三）商业模式风险
MaaS本质是算力租赁生意。一旦行业价格战开启，单位token毛利会持续压缩。这个毛利率能维持多久，取决于行业竞争烈度和算力成本走势。
（四）开源的双刃剑
开源权重带来生态红利，但同时模型能力被同业快速对标、复刻。本地部署版本会分流云端API收入。企业客户一旦选择私有化部署，就不再是云端API的付费用户。
（五）人才风险
AI行业人才争夺激烈。DeepSeek团队以年轻、本土应届生为主，核心工程团队的稳定性考验很大。随着公司规模扩大和商业化压力增加，部分纯研究派人员可能不适应，人才流失风险需要关注。
七、长期产业推演：两条算力路线
DeepSeek这家企业，本身同时在推动两条路线。
云端路线：自建超大MoE集群，做MaaS公共算力，普惠用户，是主要现金收入来源。
开源本地路线：放出模型权重，支持一体机、服务器私有化部署，服务有数据安全、自主可控需求的用户。
行业趋势也在向这个方向走。中国信通院指出，集中式云端算力架构难以满足实时交互等业务发展需求，正在推动形成云端统筹调度、边缘就近推理、终端采集感知的分层架构。赛迪顾问预计，到2026年中国算力总规模将突破1200 EFLOPS，云端集中训练、边缘灵活推理的协同模式将广泛应用。
产业结论：两条路线不是替代，而是互补。但这两条路线本身存在内在张力。云端业务越壮大，越暴露集中算力的脆弱；开源本地部署越普及，长期会分流云端API需求。
DeepSeek的存在，加速国内算力产业从单一集中式智算中心走向混合算力体系。
八、企业本质
DeepSeek不是一个单纯的大模型创业公司，本质是一支量化算力工程团队，杀入通用人工智能赛道，用金融ROI思维运营AI算力资产。
梁文锋的优势，是懂得精打细算地榨干GPU算力效率，用MoE架构改写推理成本。而他的取舍在于：优先追求算力经济回报，基础设施冗余、系统韧性排在次要位置。
10月15日的服务停摆，不是一次偶然技术bug，是这套效率优先战略下的阶段性代价。
站在产业经济学视角，DeepSeek的成长与波折，恰好完整展示了新一代AI算力基础设施的机遇与内在矛盾。
当一家企业把算力效率推到极致，它也就把整个产业的脆弱性，一并暴露在了阳光下。读懂这一点，才算真正读懂了这场算力浪潮。
想补全中美AI大模型产业竞争格局的完整拆解内容，欢迎去主页观看8月28日《国产GPU四小龙会师二级市场：能撼动英伟达吗？中国算力走到哪了？》、7月18日《国产算力产业链全链拆解：韬定律V2实测、昇腾超节点获SAIL最高奖、7款端侧AI备案，一周三炸的底牌一次拆透》、6月29日《中美AI大模型深度拆解:DeepSeek把推理成本打下来，华为把算力底座建起来》、6月10日《AI算力基建终极揭秘：GPT-3训练耗电129万度，AI正在吃掉电网？》、6月9日《后院帐篷到9650亿！Anthropic如何6年干翻OpenAI？深度拆解AI路线战争》五期视频。
互动一下，你觉得DeepSeek这套效率优先、韧性后置的战略，长期来看是优势还是隐患？认为是优势的弹幕打1，认为是隐患的打2。想聊理由和看法的，欢迎在评论区一起讨论。
这里是观南生产业经济学，专注财经、科技产业研究。喜欢的朋友，欢迎点赞、收藏、关注，转发给同样关心财经、科技的朋友。下期见。
热门跟贴