2026 年 4 月 24 日，DeepSeek V4 预览版正式发布。

这款包含 1.6 万亿参数的 Pro 版本和 2840 亿参数的 Flash 版本的国产大模型，把最核心的卖点砸向了市场，百万上下文，成了所有官方服务的免费标配。几乎在同一时间段，大洋彼岸的 OpenAI 也端出了 GPT-5.5，它的算力更庞大，Agent 功能更丰富，但价格也要贵得多。

「百万上下文」翻译成大白话，意味着 AI 不再是一条只能记住你前几句话的「金鱼」，而是变成了一个能一口气吞下三本《三体》、一秒钟看懂一部两小时电影、还能顺便帮你把错别字挑出来的「超级大脑」。

举个最直接的例子，你可以把公司过去三年的所有合同、邮件、财报，一股脑扔给 V4，让它帮你找出那笔被藏在第 47 页附件里的违约条款。过去，这件事需要一个律师团队；现在，它是免费的。

GPT-5.5 把这种超级大脑明码标价，标准版每百万输入 Token 要 5 美元，输出 30 美元；而面向高阶任务的 GPT-5.5 Pro 版本，更是卖到了每百万输入 30 美元、输出 180 美元的天价。

但根据 DeepSeek 官方定价，V4-Flash 缓存命中的输入每百万 Token 仅 0.2 元人民币，输出 2 元；即便是比肩顶级闭源模型的 V4-Pro，缓存命中输入为 1 元，缓存未命中输入为 12 元，而输出价格仅为 24 元

大家总以为中美 AI 竞争是模型能力的赛跑，实际上，这早就变成了一场商业模式的分道扬镳。

OpenAI 曾经是那个高喊「造福全人类」的屠龙少年，现在却在卖着价格昂贵的精装商品房；而 DeepSeek，正在用近乎免费的算力，把 AI 变成水电煤。

当 OpenAI 变成精明的包工头时，DeepSeek 为什么要不计成本地把顶尖 AI 变成免费的自来水？这场定价权转移的背后，到底隐藏着怎样的暗流？

乌兰察布的冷风

大模型的决胜局，在内蒙古零下 20 度的机房里。

就在 V4 发布前不久，DeepSeek 的招聘启事里多了一个让人意外的岗位：数据中心高级交付经理与高级运维工程师，月薪最高 3 万，14 薪，驻场内蒙古乌兰察布。

这是一家曾经标榜「极简、纯粹、只做算法」的轻资产公司。在过去两年里，他们最骄傲的标签就是「四两拨千斤」，用不到 600 万美元的训练成本，打出了让美股 AI 板块暴跌的 DeepSeek-R1。

但 V4 的庞大算力需求，加上美国越来越紧的算力封锁，彻底打碎了这种轻资产的田园诗。

2025 年，美国商务部进一步收紧了对华 AI 芯片的出口管制，英伟达 H100、H800 已经断供，就连降级版的 H20 也被拉进了管控名单。这意味着 DeepSeek 未来的算力扩张，必须全面转向华为昇腾生态。在 V4 的发布说明中，官方明确表示新模型得到了「华为昇腾加持」，并透露下半年昇腾 950 超节点批量上市后，Pro 的价格还会大幅下调。

这一转向，不是在代码里改几行适配层就能完成的，它需要从零开始，在物理层面建立一套完整的国产算力基础设施。

V4 的万亿参数规模（预训练数据高达 33 万亿 Token），加上百万上下文的庞大计算需求，意味着你需要成千上万张昇腾芯片，需要能容纳这些芯片的机房，需要为这些机房供电的电网，需要在零下 20 度的寒风里维持这些机器不宕机的运维团队。

梁文锋把方法论从比特世界打到了原子世界。算力，最终都要在钢筋水泥和输电线里落地生根。

一边是穿着格子衫在硅谷敲代码、喝着手冲咖啡的 AI 精英，一边是裹着军大衣去内蒙古草原深处守机房的运维人员。这种差异，构成了今天中国 AI 抵抗算力封锁的底色。乌兰察布的冷风，成了中国 AI 最强的物理外挂。

从纯算法公司转型为自建机房的「重资产」玩家，意味着 DeepSeek 告别了「小力出奇迹」的游击战时代，正式穿上了重装步兵的铠甲。这种转型的代价是巨大的，修机房、买芯片、拉网线，每一项都是无底洞。更重要的是，这种重资产模式意味着运营成本会呈指数级上升，而 DeepSeek 的商业化收入依然极其有限。这种定价策略，本质上是在用亏损换生态，用免费换基础设施的话语权。

一个曾经拒绝所有巨头、靠量化交易自己掏钱补贴 AI 的硬汉，在这个无底洞面前，还能撑多久？

200 亿美元的妥协

4 月，DeepSeek 传出了启动首次外部融资的消息，目标估值高达 3000 亿人民币（约 440 亿美元），计划增资 500 亿，其中对外募资 300 亿。腾讯与阿里争抢入局的传闻甚嚣尘上。

很多人以为，这是因为建机房太费钱了。但实际上，DeepSeek 融资的核心驱动力，除了买显卡，更是因为「纯粹的技术理想」，在巨头的人才绞肉机面前，不堪一击。

在 V4 研发的关键冲刺期，国内大厂对 DeepSeek 开启了疯狂的定向挖角。从 2025 年下半年至今，DeepSeek 至少 5 名核心研发成员确认离职。第一代模型核心作者王炳宣去了腾讯，V3 核心贡献者罗福莉被雷军千万年薪挖至小米，而 R1 核心作者郭达雅则加盟了字节跳动的 Seed 团队。

这是市场经济最赤裸的运作方式，当你的竞争对手手握无限弹药，而你坚持用自有资金维持运转时，人才市场就是你最脆弱的软肋。你可以要求天才们为了改变世界的理想降薪加班，但当大厂把一张写着千万现金和期权的支票拍在桌子上，并许诺无限的算力资源时，理想主义的定价权就不在你手里了。

梁文锋的困境，其实是每一个试图在中国做「慢公司」的创业者都会遇到的困境。在一个大厂能用钱把任何人买走的市场里，「不融资、不商业化、只做技术」的路线，是极其奢侈的。它的代价，是你必须接受自己的团队随时可能被对手用钱清场。

这 3000 亿估值的融资，不是梁文锋对资本的妥协，而是他为了保住 V4 研发阵型，向大厂发起的一场赎人战争。他必须坐上资本的牌桌，用同样的真金白银，让留下来的人有足够的理由继续留下来。

腾讯与阿里的可能入局，意味着 DeepSeek 从此不再是那个孤独的、纯粹的技术理想主义者。它变成了一家有外部股东、有商业化压力的公司。这种转变的代价，是梁文锋曾经最引以为傲的那种「不受外部压力干扰的研究自由」，将不可避免地被稀释。

但他没有选择。

当理想主义被迫穿上资本的铠甲，支撑这台庞大机器继续运转、支撑乌兰察布机房日夜轰鸣的底气，究竟来自哪里？

另一种「大力出奇迹」

答案不在算法里，在电网里。

硅谷现在最焦虑的不是芯片不够，而是电不够。马斯克在田纳西州孟菲斯疯狂建设超级数据中心，OpenAI 甚至开始讨论投资核电站，微软宣布重启宾夕法尼亚州的三里岛核电站来为 AI 数据中心供电。算力的尽头是电力，这是一个极其冰冷的物理常识。

在美国，一个大型 AI 数据中心的用电量，相当于一座中等城市的日常用电。而美国的电网，是一张建于 20 世纪 50 年代的老旧网络，扩容缓慢，区域割裂，根本跟不上 AI 时代的算力扩张速度。

而支撑中国 AI 追赶美国的，不仅是那些拿着千万年薪的算法天才，更是那些默默无闻的特高压输电线。

乌兰察布的数据中心之所以能拔地而起，靠的是内蒙古丰富的绿电，以及中国世界第一的电网调度能力。公开数据显示，乌兰察布绿电装机容量达 1940.2 万千瓦，占比约 65.9%，当地低价绿电较东部地区便宜约 50%。再加上年均气温仅 4.3℃，自然冷却期接近 10 个月，能让设备节能 20% 到 30%。

当 DeepSeek V4 运行时，真正为其输血的，是中国庞大且极其廉价的电力基础设施。这是另一种维度的「大力出奇迹」。

这里有一个极其有趣且残酷的历史对照。1986 年，美国用《美日半导体协议》把日本的半导体产业打趴下了，强迫日本开放市场、接受价格管控，日本半导体的全球市场份额从 1986 年的 40% 一路跌到 2011 年的 15%。日本用了三十年都没能缓过来。

今天，美国试图用同样的逻辑锁死中国 AI，封锁芯片、限制算力、切断技术供应链。但中国的反击路径，和日本完全不同。日本当年的失败，在于它的半导体产业高度依赖美国的技术授权和市场准入，一旦被切断，就失去了独立生存的能力。而中国 AI 的反击，是从最底层的物理基础设施开始重建的，自己造芯片、自己建机房、自己拉电网、自己开源模型。

这是一种极其笨重、极其耗钱、但也极其难以被「绞杀」的路线。当硅谷在云端修建华丽的巴别塔时，中国在泥土里挖战壕。

如果云端的算力拼杀是一场极其惨烈的重资产消耗战，除了去内蒙古修机房、拉电线，我们还有没有逃离云端霸权的另一条路？

逃离云端

当硅谷巨头们把数据中心修得越来越大，甚至像 OpenAI 一样筹划着千亿美元级别的算力集群时，中国的反击线，却悄悄转移到了地下。

对抗美国算力封锁的终极武器，其实不是造出比 H100 更强的芯片，而是把大模型塞进每个人的手机里。

既然我们在云端机房里拼不过重火力，那我们就把战场拉回到 14 亿台智能手机和边缘设备上。这是一种典型的游击战打法，而且是一种极难被封锁的打法，你可以禁止出口高端 GPU，但你没办法没收每个中国人口袋里的手机。

2026 年，伴随着 DeepSeek 引发的算力焦虑，中国手机厂商小米、OPPO、vivo 开始了一场疯狂的「端侧转移」。他们不再满足于仅仅把手机作为一个调用云端 API 的显示器，而是通过极致的模型蒸馏和压缩，把一个缩小版的超级大脑，硬生生塞进了几千块钱的国产手机里。

这种技术路线的核心，是「蒸馏」。简单来说，就是用一个超级大模型（老师）去训练一个小模型（学生），让小模型学会老师的「思维方式」，而不是死记硬背老师的所有「知识」。经过极致的蒸馏和量化压缩，一个原本需要几百张 GPU 才能跑的大模型，被压缩到只有 1.2GB 到 2.5GB 大小，在一颗手机芯片上就能流畅运行。

像 MNN Chat 这样的移动端 AI 应用，已经能让用户在手机上本地运行 DeepSeek R1 蒸馏模型。这种端侧 AI 的意义在于，你不需要时刻连着 5G 信号，不需要每个月给硅谷巨头交 100 美元的订阅费。大模型就在你的口袋里，断网也能跑，不用给云端算力花一分钱。

既然我修不起集中供暖的超级锅炉房，那我就给每家每户发一个小火炉。

当然，端侧 AI 并不完美。受限于手机芯片的算力和内存，端侧模型的能力上限远不如云端的超大模型。它能帮你写一封邮件、翻译一段文字、总结一篇文章，但如果你想让它帮你推导一个复杂的数学定理，或者分析一份几百页的法律合同，它还是会力不从心。

但这已经足够了。因为对于绝大多数普通人来说，他们需要的 AI，从来就不是那个能推导数学定理的超级大脑，而是一个能帮他们处理日常琐事的「贴身助理」。

当大模型变得极其廉价，甚至可以装进口袋里时，它将如何改变那些被硅谷遗忘的角落？

全球南方的数字平权

如果你坐在曼哈顿全景玻璃办公室里，你大概率会觉得，GPT-5.5 涨价到 100 美元是值得的，因为它能帮你在一秒钟内写完一份完美的并购财报。

但如果你站在东非乌干达的一片玉米田里，面对着因为气候异常而枯黄的庄稼，100 美元的订阅费没人能交得起，因为乌干达的人均月收入不到 150 美元。

硅谷的巨头们在讨论如何用 AI 统治世界，而乌干达的农民和东南亚的穷学生，却因为 DeepSeek 的开源，第一次走进了数字时代。

GPT-5.5 服务于付得起钱的人，并且它的语料库几乎全是英语。如果你用斯瓦希里语或者爪哇语去问它一个问题，它不仅回答得磕磕巴巴，而且消耗的 Token 是英语的几倍。硅谷巨头因为「商业回报率低」，主动放弃了这些边缘市场。

而中国的开源模型，成了全球南方的数字基础设施。

在乌干达，当地的非政府组织 Sunbird AI，用基于中国开源模型 Qwen 微调出的 Sunflower 系统，把能支持的本地语言从 6 种一举扩展到了 31 种。这个系统现在被部署在乌干达政府的农业推广系统里，用斯瓦希里语给农民发送种植建议。

在马来西亚，科技公司用开源底座微调出了符合伊斯兰教法的 AI 模型，不仅支持马来语和印尼语，还确保输出内容符合穆斯林市场的宗教与文化标准。从印尼的数字身份系统到肯尼亚的斯瓦希里语医疗问答，中国技术正在渗透进这些国家的社会底层架构。

全球最大 AI 模型 API 聚合平台 OpenRouter 在 2026 年初发布的数据显示，中国 AI 模型在该平台的 Token 消耗量首次超过美国竞争对手。在某一统计周内，全球前 10 大热门模型共消耗 8.7 万亿 Token，其中中国模型占比达到约 61%。

开源打破了美国对 AI 话语权的垄断，让资源匮乏的发展中国家跨越了数字鸿沟。这不是什么中美争霸的宏大叙事，这是 AI 时代真正的「农村包围城市」。

中国的 AI 开源战略，客观上正在成为一种极其有效的「软实力」输出。当硅谷的巨头们在云端筑起高墙，试图成为新时代的数字地主时，那些付不起租金的「技术难民」，终于在开源和端侧的泥土里，找到了属于自己的火种。

自来水

技术从来就不应该是高高在上的奢侈品。

硅谷造出了极其精美的商品房，门禁森严，只对 VIP 开放。但我们修了一条通向千家万户的自来水管。

这条水管的起点，在内蒙古零下 20 度的机房里，在特高压输电线的轰鸣中，在 3000 亿估值的战争里。它的每一段都沉重、都昂贵、都充满了被迫与妥协。梁文锋曾经想做一家纯粹的技术公司，但现实逼着他去建机房、去融资、去和大厂抢人。他没有选择，因为他选择了一条更难的路，不把 AI 做成奢侈品，而要把它做成自来水。

而这条水管的终点，在一台几千块钱的国产手机上，在乌干达农民粗糙的手指间，在每一个渴望跨越数字鸿沟的普通人生活里。

算力的围墙建得再高，也挡不住流向低处的自来水。