DeepSeek 并非一家独立的「烧钱创业公司」，它背后站着幻方量化——2025 年收益超 50% 的 AI 量化私募巨头。幻方自研的「萤火二号」超算搭载 1 万张 A100 显卡，为其模型训练提供了远低于市价的算力底座。正是这种「用金融主业利润反哺 AI 实验室」的结构，让 DeepSeek 能长期不融资、不焦虑商业化，专心打磨效率工程与开源生态。没有这层底色，它的「成本优先」叙事就立不住。

国产大模型 API 定价仅为海外同类的 10%-20%，却仍能维持 20%-40% 的毛利率。瑞银拆解后发现：中国厂商靠的是更极致的 MoE 架构（激活参数比例仅个位数，海外为 15%-30%）和更高的 GPU 利用率（70% vs 全球均值 40%-50%）。这不是补贴换市场，而是系统性的效率代差。DeepSeek 的毛利率高达 82.9%，梁文锋直言「降价不是商业竞争，是成本结构的自然结果」。同一组数字，海外解读为价格战，中国厂商证明的是成本护城河。

Kimi 赴港 IPO（500 亿美元投前估值），DeepSeek 走科创板（5000 亿元估值），两个目的地暴露了资本叙事的分岔。港股对收入增速、商业化故事和国际增量更敏感，FDE 锁定和 API 占比是 Kimi 的叙事骨架。科创板则给技术壁垒和国产替代更高溢价——DeepSeek 的招股故事将围绕「国产算力全栈适配」「开源生态全球辐射」「效率工程的成本护城河」展开。当下能看到的关键变量是：科创板的流动性溢价能否持续撑起 2.5 倍于 Kimi 的估值，以及港股能否容忍 Kimi 从「增长故事」切换到「盈利兑现」时的估值折让。

Kimi 用 FDE（前沿部署工程师）模式将模型嵌入政企核心系统，靠高替换成本锁定客户；DeepSeek 则靠开源权重 + 低价 API + 国产芯片适配，追求让开发者「先用起来」。前者经营替换成本，后者经营接入成本。真正值得追问的是：当模型能力差距进一步收窄，Kimi 的「锁定」是否会因交付过重而拖慢扩张节奏？而 DeepSeek 的「渗透」能否在开源生态的热闹中，转化为可规模化的企业级收入？这两种路径的长期适应性，是中国 AI 商业化最关键的实验。