01

过去这一周，是国产大模型变化巨大的一周，也是整个 AI 市场跌宕起伏的一周。

就在昨天凌晨，kimi 发布了新一代大模型 k3.1pro，不仅问鼎国产模型第一，在全球各项 AI 测评中也成绩斐然。

在综合智能指数上，位列全球第四，仅次于 Claude 跟 muse，超过了 GPT。

在代码智能体上，更是位列全球第一。

另一边，我们熟悉的另一个国产之光，用 557.6 万美元的极致训练成本，震惊全球 AI 企业，一夜干掉英伟达几千亿市值的 DeepSeek，也迎来了大动作。

根据多方披露，10 月 22 号，DeepSeek 完成近 1000 亿的融资。

要知道就在今年 5 月，DeepSeek 创始人梁文锋还在说，即使花光 500 亿，他们也很难训练出全球最大规模的模型。

当然，梁文锋可能也没说错，500 亿是不够，所以，这次直接融个 1000 亿。

想到我们前任首富讲过的一句话，做生意做到亿这个级别，你就已经很成功了。

结果，现在一家企业光是一轮融资，就达到了恐怖的 1000 亿了。

但好巧不巧的是，就在同一天，全球的 AI 市场陆续出现下跌。

市场开始担心，那些投入巨额资金建设 AI 的企业，究竟什么时候才能把钱赚回来。

于是，一个有趣的悖论就出现了。

AI 成本越来越便宜了，但为什么站在最前面的企业，哪怕是以低成本创新震动全球的 DeepSeek，也在进行越来越昂贵的竞争？

怎么降本，还越降越贵，越来越能花钱了呢？

02

通常来讲，我们做企业，都希望通过技术的进步来降低成本，享受更大的成果。

原来生产一件产品需要 100，现在只要 60，如果价格不变，就有机会多留下 40 的利润。

但在 AI 产业里，这套逻辑好像不管用了。

像 DeepSeek 的经营逻辑，有一个非常特殊的地方。

它通过技术创新提高了算力效率，让每一个基础算力的价值变得更大，但它这么做的目的，不是把模型训练得更便宜去赚钱。

它是想花更少的钱，完成原来的事情，然后，再加大投入，去做过去因为成本太高、资源不够，根本没有机会尝试的事情。

换句话来说，DeepSeek 的降本增效，是为了提高企业值得追求的目标。

当一家企业还有大量值得探索的目标，它没有因为自己的效率提高，就满足于原来的规模。

但我认为，这还只是 DeepSeek 千亿融资背后的第一层原因。

更值得我们关注的是，即使一家企业愿意停下来，享受技术创新带来的成果，对手也未必会给它这个机会。

03

根据斯坦福《2025 年 AI 指数报告》的统计，从 2022 年 11 月到 2024 年 10 月，达到 GPT-3.5 性能水平的模型，推理使用价格下降了 280 多倍。

短短两年时间，获得同等水平 AI 能力的成本发生了惊人的变化。

这不由得让我想到了一个问题，一家企业辛辛苦苦创造出来的竞争优势，究竟能有多少能留在自己手里？

我们平常评价企业的竞争力，都会关注一些指标，比如成本比同行低多少，产品性能领先多少，毛利高多少。

但现在又来了一个同样重要，也更容易被忽略的问题，你究竟能领先多久？

假如一家企业投入 1000 万，通过技术改造，每年可以比同行多赚 500 万。

如果这种优势能够保持两年以上，投入就很值。

但如果对手半年后就掌握了类似技术，客户也开始要求降价，企业可能连研发成本都没收回来，领先优势就已经消失了。

所以，竞争优势有两个值得计算的数字。

一个是领先幅度，决定你今天比别人强多少。

另一个是领先时间，决定你究竟能够从这种优势中赚到多少钱。

竞争优势，其实也是一种会折旧的资产。

我们都知道机器会折旧、厂房会折旧，但企业的竞争优势也会折旧，哪怕你没有任何退步。

这是竞争非常残酷的地方，你不需要变差，也可能失去优势；别人进步了，你过去的领先就会贬值。

DeepSeek 自己就在推动这个过程。

它一边创造自己的竞争优势，推出更高效、更便宜的模型，一边又提高了整个行业的竞争标准。

当 DeepSeek 能用更少的资源提供更好的模型，其他公司如果还想维持原来的竞争地位，就必须想办法追赶。

但是，企业自己越是努力推动技术创新，就越可能加快整个行业的进步，让原来的领先优势更快失去稀缺性。

有时候，企业创新的成果，不仅没让自己从竞争中解脱出来，反而是亲手把下一轮竞争的门槛又抬高了一截。

所以，回过头看 DeepSeek，我们就更容易理解，为什么一家那么会节省算力的企业，还要不断争取新的资源。

04

当然，从 AI 到我们自己所在的行业，也会有一个相同的问题。

如果技术优势不断折旧，维持领先又要持续投入，那么，一家企业即使每次都跑在前面，就一定能赚到钱吗？

我自己的答案是未必。

假如一家公司花 1 亿取得技术领先，产品还没赚回研发投入，市场上又出现了性能相近、价格更低的替代品。

为了保住领先地位，公司不得不继续投入下一轮研发，那这种投入究竟是在扩大自己的竞争优势，还是在支付越来越昂贵的成本，维持原来的位置呢？

这里就出现了两种投入。

一种投入，是为了创造新的竞争优势，开拓更大的市场，获得原来没有的收入跟利润。

另一种投入，是为了避免已有的优势消失，维持原来的市场地位。

前者可能让生意越做越大，后者就会让维持原来的生意变得越来越贵。

这也是今天全球资本市场重新审视 AI 的重要原因。

市场并不怀疑 AI 技术进步的速度跟能力，而是怀疑这些进步到底能够转化成多少现金流？如果要维持下一轮的领先，究竟还要继续付出多大的代价？

当然，讲到这里，我认为还有一笔账，比企业的投入更加重要。

既然产品的竞争优势会不断折旧，那么企业经历一次次创新跟投入之后，究竟能够留下什么？

今天一家企业开发了一款领先产品，对手一年后就追上来了。

原来的产品优势消失，但企业在研发过程中培养的人才、积累的经验、改进的工程体系，并不会失去价值。

下一次研发，它就可能更快找到正确方向，用更少的试错成本完成创新。

反过来，如果一家企业每次取得领先，都要重新投入大量资源，过去的成功又没有留下多少能够复用的能力。

那么，它就可能是在一轮又一轮地重新开始。

产品优势会折旧，但创造产品优势的能力，却有机会在不断实践中积累下来。

这也是我觉得 DeepSeek 包括整个 AI 行业的竞争，给我们企业更深一层的启发。

有价值的创新，不只是在创造新的产品优势，还应该让企业创造下一次优势的能力越来越强。

今天，我们很多企业都在利用 AI 降低成本、提高效率。

谁先用上先进的 AI 工具，确实可能暂时领先一步。

但 AI 不是哪家企业独有的，等到别人也用上了同样的 AI 工具，你还能靠什么保持竞争力？

如果我们只是借助 AI，把原来的工作做得更快、更便宜，这种优势恐怕很难长期维持。

因为大家都能买到的技术，本身很难成为一家企业长期独有的本事。

真正值得我们投入的，是利用新技术把过去积累的客户理解、行业经验、生产工艺跟独特能力，转化成更难复制的经营优势。

比如，同样是使用 AI，一家企业只是提高了员工的工作效率；另一家企业借助 AI 把过去难以提供的服务做出来了，把客户以前需要自己解决的问题解决了。

在这个过程中，它不断改进业务流程、积累客户经验，最终形成一套更加成熟、可靠的解决方案。

等到同行也用上同样的 AI 工具，双方在技术使用上的差距可能相差不大，但对客户问题的理解、解决问题的能力未必能在短时间追平。

这才是我们企业利用技术进步，真正值得争取的结果。

责任编辑 | 罗英凡

图片均来源于 AI

本文不构成任何投资建议，股市有风险，投资需谨慎

■ 免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。