DeepSeek V3 仅用 557 万美元、278.8 万 GPU 小时就训练出对标 GPT-4o 的模型，是 Llama 3 405B 训练成本的 1/10。核心技法有三层：MLA（多头潜在注意力）将 KV 缓存压缩 90%，MoE 架构每次推理只激活 37B 参数，以及原生 FP8 训练降低算力需求。V4 更进一步，在百万 token 上下文中，推理算力消耗仅为 V3.2 的 27%，KV 缓存降至 10%。这些不是「吹牛」——论文已全部开源，等效于给全球 AI 行业贴了一张「效率天花板」。

DeepSeek 的创始人梁文锋不是 AI 研究员出身，而是量化私募幻方量化的掌门人。幻方 2025 年以 56.6% 的平均收益率位列百亿量化私募第二，管理规模超 700 亿元。其自研的「萤火二号」超算集群配备 1 万张 A100 显卡，算力相当于 76 万台 PC。梁文锋在量化领域验证了「用算法替代人类决策」的效率哲学——这套极致成本控制与算力调度的经验，直接复用到 DeepSeek 的模型训练：用 1/20 的算力追赶美国同行，本质上是在做 AI 界的「量化」。

DeepSeek 走出了一条让 OpenAI 和 Meta 都难受的路：既开源又不靠广告，靠极低价的 API 赚钱。2026 年其年化收入已达 5 亿美元，API 定价仅为 OpenAI 的 2% 左右。OpenAI 一季度营收 57 亿美元却亏 93 亿美元，高价闭源模式正被开源模型不断蚕食——OpenRouter 平台上美国闭源模型份额从 2025 年 6 月的 70% 跌到 2026 年 6 月的 30%，同期中国模型占比从不足 10% 冲到 63%。双方的核心矛盾在成本结构：DeepSeek 用技术效率把毛利率做到 50%，而 OpenAI 全年算力支出预计超 500 亿美元，降不降价都痛。

梁文锋判断国产 AI 芯片生态「一年内就会被验证没有问题」。核心信号有三个：华为昇腾 950PR 推理性能已达英伟达 H20 的 2.87 倍，成本仅 1/4；DeepSeek V3 训练已完全脱离 CUDA 生态，自研 TileLang 编译器做了「去英伟达化」的底层准备；英伟达在中国 AI 芯片市场的份额从 95% 暴跌至 2026 年的 8%，华为昇腾有望独占 50%。但梁文锋也坦诚，国产芯片目前「四卡顶一卡」，芯片性能差距约 4 倍加 2 年。这场替代的拐点不在技术，而在产能——华为的卡「有钱也买不到」。

梁文锋将 AGI 拆解为阶梯：思维链→Agent→持续学习→自我迭代奇点→具身智能。他明确认为视频生成与智能主线无关，不会去做。但「持续学习」至今没有工程实现方案——模型中「学习」与「推理」的边界仍模糊，学术界对「持续学习」的定义也未统一。如果这条路径成立，那么 3D 生成、视频理解等方向的资源投入是否被 AI 产业高估了？如果 DeepSeek 的判断失误，它会不会在下一波技术浪潮中掉队？