投资机构调研重心从单纯测算商业化收入，转向核查企业算力自建规划、基础算法迭代节奏、开源社区运营能力、长期资金储备规划，更加看重企业全链条可持续研发能力。

最近，DeepSeek 在官网发布了一张招聘清单。这次公司扩招分为 7 大类、33 个岗位，从全栈开发、核心系统、运维、产品，到模型数据策略、深度学习研究和职能部门，几乎覆盖了一家 AI 公司运行所需的全部环节。

这一 " 招兵买马 " 被视为公司前不久完成成立 3 年来首轮外部融资后的首个大动作。这笔总融资规模超过 500 亿元人民币（约 74 亿美元），让 DeepSeek 估值直接攀升至近 4000 亿元。这不仅是中国 AI 行业迄今为止最大规模的私募融资之一，也意味着 DeepSeek 成为中国估值最高的 AI 创业公司。

值得注意的是，DeepSeek 通过精妙的交易架构，所有外部投资方的资金需注入由梁文锋管理的有限合伙企业，而非直接投向 DeepSeek 主体。外部投资方不享有 DeepSeek 投票权，这意味着，在引入巨量资金的同时，梁文锋依然牢牢掌握着公司的绝对控制权与长期发展方向，并坚守开源与实现 AGI 的初心。这也向外界释放了一层信号，尽管融到了国内 AI 圈迄今为止最大的一笔钱，但 DeepSeek 还在开源，并且不会因为融资而改变。

各路投资方的投资布局

纯财务资本投资更看重技术本身迭代速度，而实体产业资本会结合自身海量真实产业数据、落地场景，反向推动大模型适配实体经济细分需求。

企查查显示，DeepSeek 本轮融资的投资方阵容涵盖了产业资本、互联网巨头与国家队，具体投资方包括创始人梁文锋本人、腾讯、宁德时代、网易、京东、Monolith 砺思资本、IDG 资本、正心谷投资、拾象科技以及国家人工智能产业投资基金（以下简称 " 国家大基金 "）。

据公开报道，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；网易、京东、Monolith 砺思资本、IDG 资本分别出资约 30 亿元；正心谷投资、拾象科技分别出资约 15 亿元。

个人身份出资超过百亿元的案例比较少见，梁文锋之所以出资 200 亿元，主要是通过成为最大出资方，得以在融资中掌握绝对话语权。这笔巨额资金主要来源于他早年创立的、管理规模超 700 亿元的量化私募巨头——幻方量化，正是依托于幻方量化内部孵化落地，才支撑起 DeepSeek 在过去较长时间实行 " 不融资、不上市、不商业化 " 的极简运营模式。

在此基础上，梁文锋设计了一个独特的交易架构：要求大部分外部投资者的资金注入由他管理的有限合伙企业，而非直接投资 DeepSeek 主体。这使得外部股东不拥有投票权，并需接受长达 5 年的锁定期，从而有效过滤了追求短期回报的资本。最终，梁文锋得以在引入巨资的同时，仍牢牢掌控公司的战略与技术方向。

从出资金额来看，腾讯成为 DeepSeek 最大的外部投资者，其自身已经自研混元大模型，依旧重金入股 DeepSeek，核心源于 AI 产业生态竞争逻辑的深层转变，也标志着腾讯正式落地 " 自研底座 + 外部生态投资 " 双轨并行的 AI 战略。

对此国研新经济研究院创始院长、智能经济首席专家朱克力向《商学院》记者指出，单纯依靠内部自研难以快速覆盖全维度技术路线与开源生态布局，自研体系侧重服务自身社交、文娱、企业服务自有场景，而入股外部头部通用开源模型企业，能够快速补齐差异化技术路线，借助对方成熟开源体系触达更广的外部开发者群体，弥补内部生态向外渗透的短板。

第二大外部投资者则来自于宁德时代。AI 大模型的主要成本是电费。当前 DeepSeek 自建数据中心项目正加速推进，宁德时代此次投资被视为切入 AI 数据中心配套储能系统技术研发与商业化落地的关键布局。2026 年以来，宁德时代在 AI 领域合计出资已超百亿元，涵盖大模型基础设施、数据中心运营及配套 HVDC 供电设施。

京东与网易的入局则是产业场景的 AI 改造。京东拥有完整的电商交易、仓储物流、供应链服务场景，开源大模型能够优化智能客服、供应链需求预测、仓储调度、智能选品等全链条环节。网易深耕游戏、数字内容领域，通用开源模型可赋能游戏剧情生成、虚拟数字人、内容创作审核。

朱克力进一步指出，纯财务资本投资更看重技术本身迭代速度，而京东、网易这类实体产业资本会结合自身海量真实产业数据、落地场景，反向推动大模型适配实体经济细分需求，倒逼通用模型强化行业专用微调能力、场景落地适配性，避免技术研发脱离产业实际需求。同时产业资本能够提供海量真实行业数据用于模型迭代，补齐开源模型行业场景数据短板，推动通用技术和实体经济深度融合。

作为国家级战略资本，国家大基金是本次架构中唯一特例，其资金直接投资 DeepSeek 主体，完整保留投票权且不受 5 年锁定期约束，其融资带有战略产业色彩。

从 DeepSeek 看估值逻辑的改变

市场不再单纯以商业化速度评判项目价值，而是分层建立估值标准，底层通用模型企业允许更长亏损周期、更高前期投入，估值天花板显著抬高。

从多元投资方的入局来看，此次融资折射出一级市场极度的 "FOMO"（害怕错过）情绪。有投资人甚至支付 500 万元 " 见面费 " 只为求得一见，足见市场对优质 AI 资产的疯狂追逐。

工业和信息化部赛迪研究院人工智能与大数据研究中心常务副总经理邹德宝向《商学院》记者表示，市场对 DeepSeek 的定价，已经将其变成可能进入全球前沿模型竞争的重资本公司，这释放了多重信号：

首先，国内人工智能一级市场估值逻辑完成根本性切换，定价重心从短期商业化营收转向国产技术自主可控、全球开源生态话语权、国家级人工智能基础设施价值等长期战略资产属性，国家产业基金、实体产业资本、互联网巨头集体入场，不再单纯追求短期财务回报，而是持续投入国产底层模型技术创新的长期产业红利。

其次，行业马太效应显著强化，资本资源会加速向具备完整全栈自研、规模化算力储备、全球化开发者生态的头部基座企业集中，仅做微调、无底层自研能力的中小模型团队融资窗口大幅收窄，赛道分层出清节奏加快。

最后，产业巨头布局思路发生转变，不再盲目重复自建大模型，而是通过战略参股头部独立基座厂商共享底层技术与行业解决方案，规避自研无底洞式投入，形成产业协同布局新格局，整体意味着国产通用大模型已从技术验证期迈入资本、算力、生态协同竞速的全新发展阶段。

行业早期基础大模型供给不足，垂直应用落地快、现金流预期清晰，契合财务资本短期回报诉求，因此成为资金主流选择。经过几年发展，底层通用模型成为制约所有 AI 应用迭代的核心瓶颈，缺少自主可控基础模型，各类垂直应用容易陷入同质化、功能受限的发展困境，资本开始意识到底层赛道才是决定长期竞争主动权的关键领域。

朱克力认为，这一资本流向会重塑估值逻辑，市场不再单纯以商业化速度评判项目价值，而是分层建立估值标准，底层通用模型企业允许更长亏损周期、更高前期投入，估值天花板显著抬高；垂直应用项目估值则会绑定是否拥有自主底层底座，单纯依赖第三方开源模型的应用企业估值空间将持续收窄。资本开始区分 " 基础设施型 AI" 和 " 场景应用型 AI"，建立适配不同赛道成长规律的差异化估值体系，整个一级市场对 AI 企业的价值判断更加贴合产业长期发展逻辑。

开源重资产模式的竞争壁垒

DeepSeek" 免费开源引流、增值服务变现 " 的商业模式具备落地可行性，短期依靠开源免费快速积累全球开发者与企业试用客户，完成生态底盘搭建。

在融资落地前后，DeepSeek 并未放缓开源步伐，反而加速了新一代模型的发布。2026 年 4 月，DeepSeek 发布了 V4 系列模型（包括 Pro 和 Flash 版本），支持超长上下文，并承诺采用 Apache 2.0 开源协议。

DeepSeek 所走的是 " 重资产投入算力研发 + 长期开源开放生态 " 路线，与依托云厂商弹性算力相比，重资产自建算力更适配企业长期大规模训练场景。

朱克力指出，在自建算力模式下，专属硬件资源不会受公有云多客户争抢资源干扰，调度适配专属大模型训练框架，长期训练稳定性更强；成本结构呈现前期投入巨大、长期边际成本持续下降的特点，长期大规模训练场景下综合成本更优；技术可控性优势突出，硬件、算力调度、数据流转全链路自主掌握，数据安全、算法迭代不会受制于第三方平台。短板则在于前期资本开支极高，资金占用量大，算力扩容调整灵活性偏弱。

相比于 OpenAI 为主的闭源路线，DeepSeek 的开源模式有着截然不同的资本投入与回报逻辑。OpenAI 资本集中投入专属模型技术垄断，依靠独家能力收取高溢价 API 服务费，现金流兑现更快、单客户毛利极高，但市场渗透局限于付费能力较强的企业与 C 端用户，长期存在开源竞品替代、地缘监管约束的风险。

邹德宝认为，与之相比，DeepSeek 前期资本投入规模更大、短期 ROI 偏低，资金更多用于算力基建与社区运营，依靠低价规模化调用、私有化部署、行业增值服务多元变现，虽盈利兑现节奏缓慢，却能覆盖全球中小企业、新兴市场及国内合规政企市场，长期市场天花板更高、技术封锁风险更低。

他进一步指出，DeepSeek" 免费开源引流、增值服务变现 " 的商业模式具备落地可行性，短期依靠开源免费快速积累全球开发者与企业试用客户，完成生态底盘搭建，中长期依托按量计费云 API、政企私有化部署、行业定制套件、算力租赁、生态分成等分层增值服务构建多元收入来源，海量客户持续摊薄算力边际成本，生态网络效应形成后可逐步实现现金流平衡。

给 VC 机构项目评估标准带来的现实挑战

站在投融资逻辑视角，本轮融资也给 VC 机构的项目评估标准带来现实挑战。

通常，18 — 24 个月是 B 端 / 企业级服务及深科技项目典型的商业化验证周期，也是资本端要求看到阶段性正向信号的关键止损红线。然而，对于 DeepSeek 来说，18 — 24 个月的商业化试错窗口仅能完成商业模式可行性验证，不足以实现整体盈亏平衡。

邹德宝分析道，通用底层模型每年算力与研发投入体量巨大，短短两年增值服务营收难以覆盖巨额刚性成本，且全球开发者生态培育、海外市场渗透、网络效应带来的收入红利均存在明显滞后性。应当将 18 — 24 个月定位为付费产品打磨与客户验证窗口，而非盈利兑现周期，评估标准也需从当期利润转向付费客户增速、API 调用增长、私有化项目留存率等中长期运营指标。

DeepSeek 大额融资对智谱、百川等国内开源大模型企业形成明显估值传导效应，正向层面直接抬升国产通用基座赛道整体估值天花板，强化自主开源底层模型的战略溢价，带动头部同行在后续融资中获得更高估值预期与产业资本关注度。同时，可能拉开底层模型赛道企业估值分层，研发投入不足、算力储备薄弱、开源生态活跃度偏低的同类企业，估值差距会持续拉大，行业资源加速向头部聚拢。

朱克力表示，站在投融资逻辑视角，本轮融资也给 VC 机构的项目评估标准带来现实挑战。在评估标准层面，投资机构调研重心从单纯测算商业化收入，转向核查企业算力自建规划、基础算法迭代节奏、开源社区运营能力、长期资金储备规划，更加看重企业全链条可持续研发能力。同时评估周期被拉长，不再用短期盈利指标约束底层模型项目，将技术自主、生态构建纳入核心考核维度。

邹德宝则指出，通用基座回报周期普遍为 5 — 8 年，与多数 VC 基金 5 — 7 年存续期存在周期错配、退出路径不明，大额战略溢价难以清晰地区分产业价值泡沫与真实技术壁垒，头部项目后续算力迭代仍需持续大额跟投，中小 VC 无力跟进容易错失优质标的，且开源模式收入分散、盈利滞后，传统 SaaS 估值框架不再适用，倒逼机构重构适配大模型赛道的独立估值测算与投后跟踪体系。

过去市场看 DeepSeek，重点是低成本模型、开源影响力和工程效率，500 亿元融资过后市场给它叠加了另一层价值——国家级 AI 基础设施、产业智能化入口、中国对抗全球 AI 竞争的底层能力。

来源｜《商学院》杂志 7 月刊