标签: deepseek
大家发现了吗？幻方量化和DeepSeek创始人梁文峰就跟个隐形人差不多，他从来没
大家发现了吗？幻方量化和DeepSeek创始人梁文峰就跟个隐形人差不多，他从来没有主动对外展示的视频和照片，也没有对外的言论和对年轻人创业的金玉良言，只喜欢闷声发大财。他最牛的地方就是，从浙大毕业之后，没有选择进大厂当程序员，而是自己搞起了幻方量化的前身，用程序炒股赚到了巨量财富。他没有进大厂，自己成了大厂。我最佩服他的是又能玩金融，自创幻方量化，还能玩高科技，自创DeepSeek。他不愧是当年的湛江高考状元，确实天赋过人。
直接打崩了牢美5000亿美元投资的星际之门计划……如果你不知道一个事故到底有多严
直接打崩了牢美5000亿美元投资的星际之门计划……如果你不知道一个事故到底有多严重，那就换个角度想象一下：假如它发生在中国，会引发怎样的震动；如果不知道一项成果有多震撼，那就设想它出现在国外，会不会被全球媒体反复报道。此前有人提出过一个观点：如果DeepSeek不是来自中国，而是来自其他国家，它发布的那一天，美国可能早已采取强烈行动。因为DeepSeek带来的冲击，已经触碰到了美国人工智能战略的核心。它究竟改变了什么？美国押注数千亿美元打造的AI未来，会不会因为一条不同技术路线而重新调整？过去几年，美国围绕人工智能建立了一套完整叙事，那就是掌握最强算力，就等于掌握未来科技制高点。英伟达芯片、超级数据中心、大规模资本投入，成为美国AI产业高速发展的基础。在这个逻辑下，美国科技巨头不断扩大投入。2025年1月，美国宣布启动“星际之门”项目，OpenAI、软银、甲骨文等企业参与其中，规划未来几年投入5000亿美元建设人工智能基础设施。这个计划的目标很明确，就是通过庞大的算力基础设施，把美国在人工智能领域的优势进一步扩大。但人工智能的发展并不是简单的军备竞赛。如果一场科技竞争只比谁投入更多资金，美国当然拥有巨大优势。但如果竞争开始转向技术效率、算法优化和产业落地能力，那么游戏规则就会发生变化。DeepSeek带来的最大影响，恰恰是改变了外界对于AI发展的认知。过去很多人认为，想训练强大的人工智能模型，就必须依赖天价投入，需要堆积大量高端芯片，需要建设规模惊人的数据中心。但DeepSeek的发展路径告诉全球产业界，人工智能还有另一种可能：通过模型设计、工程优化和资源利用效率提升，在较低成本条件下实现强大的性能。这对于美国AI产业来说，冲击并不来自某一个模型本身，而来自发展模式上的压力。美国企业过去建立起来的优势，很大程度依靠资本、芯片和基础设施。可是，当竞争对手开始降低成本，提高效率时，美国企业就必须重新回答一个问题：投入如此巨额资金，未来收益是否能够匹配？这也是为什么围绕美国AI产业的讨论越来越激烈。人工智能不是传统互联网产业，可以轻松依靠广告和用户规模快速盈利。它需要大量电力供应，需要持续购买先进设备，需要长期维护模型运行。数据中心越建越大，成本也会不断增加。如果未来AI应用增长速度无法覆盖这些投入，那么美国资本市场对于人工智能产业的预期就可能出现变化。这并不是美国AI没有实力。美国依旧拥有世界领先的科技企业，也拥有大量科研人才和成熟的软件生态。但技术竞争从来不是简单的资源比拼。历史上，很多产业变化都不是因为后来者拥有更多资源，而是因为后来者找到了新的效率路径。个人电脑时代如此，移动互联网时代如此，人工智能时代同样可能如此。
DeepSeek涨价，最慌的是重度依赖其API的中小AI应用开发者、创业团队，以
DeepSeek涨价，最慌的是重度依赖其API的中小AI应用开发者、创业团队，以及靠套壳和低价模式生存的AI公司。具体来说，以下几类人压力最大：中小AI应用/创业团队：很多AI写作、AI客服、AI编程等产品底层直接调用DeepSeekAPI，成本占比高。原先靠低价维持的利润空间，涨价后直接被压缩，甚至可能陷入亏损。如果不跟着涨价，用户可能流失；如果涨价，又担心失去价格敏感的用户。靠堆量或套壳盈利的开发者：一些项目本质上是靠批量生成内容或简单包装API来赚钱，靠极低Token成本才有利可图。涨价后，很多堆量模式的账就算不过来了。使用时段受限的Agent/自动化服务：Agent类应用单次任务token消耗量大（是普通对话的数倍甚至几十倍），且很多集中在工作日白天运行，正好撞上高峰翻倍时段。这类用户的成本上升尤为明显。刚签完合同、无法转嫁成本的ToB服务商：部分做企业级AI服务的公司，合同早已签好，成本涨了却不能立刻跟客户提价，只能自己消化。相对不慌的群体：普通C端用户（网页版、App聊天等免费功能基本不受影响）已有自建算力或私有化部署的企业本身产品差异化强、用户付费意愿高、不以低价为核心竞争力的公司这次涨价的核心原因是算力成本压不住了——V4-Flash单日Token消耗量已达8万亿，严重挤兑算力资源，低价模式不可持续。
最近居然有网友翻到了DeepSeek创始人梁文锋在2011年前后的社交账号。看完
最近居然有网友翻到了DeepSeek创始人梁文锋在2011年前后的社交账号。看完之后只能感叹，大佬的早期岁月总是带着一种不自知的反差萌与硬核色彩。2011年的梁文锋26岁，刚从浙江大学信息工程硕士毕业一年，正和同学在杭州开启量化交易方向的创业，处于事业起步阶段。谁也不会想到，这个后来一手打造出国内头部量化机构幻方量化、又跨界推出引发全球行业关注的DeepSeek大模型的人，当年的网名叫作“程序小王子”，带着几分程序员的自嘲与年轻人的稚气，和如今低调寡言、极少公开露面的行业大佬形象形成了鲜明的反差感。从账号留存的内容来看，年轻时的梁文锋是个十足的户外摄影爱好者。他痴迷风光摄影，尤其偏爱藏区风景，单人自驾走遍了西藏的诸多地域，羊卓雍措、珠峰南北侧、希夏邦马保护区都留下过他的足迹，账号相册里存着大量自己拍摄的雪域高原、藏羚羊与雄鹰，画面视角独特，能看出对摄影的用心。他的文字表达也带着细腻的文艺感，记录进入无人区的旅途时，写下过“雪地雄鹰，进入阿里腹地无人区400公里。风萧萧兮易水寒~”的句子，账号简介里的“流年似水，秋叶相随”也透着柔和的情绪，打破了大众对量化从业者、技术创业者偏理性刻板的固有印象。这种文艺底色之下，藏着的是他刻在骨子里的硬核与冒险精神。2011年11月，账号记录了一场无人区历险：博主单人驾驶菲亚特闯入阿里腹地无人区四百公里，最终被困一周，成功徒步脱身时车辆永远留在了高原草原上。相关博文只用短短一句话记录这件事：“被困无人区一个星期。所幸我出来了。但我的菲亚特没有出来。它永远地留在了那片漫无边际的高山草原。”结尾还补了一句英文“That'stheEND”，没有渲染惊险过程，没有抱怨意外损失，语气平静又洒脱，却能让读到的人直观感受到那场无人区历险的分量。这种敢于孤身挑战极限、面对损失淡然处之的特质，也贯穿了他之后的整个创业生涯。顺着时间线往后梳理就能发现，梁文锋的职业选择从来都不走常规路径，始终保持着独立判断的特质。他最早切入量化交易赛道，没有跟风进入传统金融机构发展，而是和同学从零搭建自动化交易模型，完全靠技术能力在量化赛道突围，最终把幻方量化做到国内头部梯队，资产管理规模突破七百亿元，成为行业标杆级机构。当行业内外都默认他会深耕量化领域时，他又带领团队切入大模型赛道，从幻方内部的AI部门起步孵化DeepSeek，走出了一条“量化营收反哺AI研发”的独特创业路径。在全球大模型行业普遍疯狂堆叠参数、信奉规模至上的行业浪潮里，梁文锋再一次选择了非共识的技术路线。他没有盲从行业通用的ScalingLaw无脑堆砌算力与参数规模，而是坚定选择稀疏激活架构，聚焦短窗口高价值算力的效率优化，用更高效的技术路线追赶全球顶尖水平。华为半导体首席科学家廖恒曾公开评价，这种选择不是简单的算法微调，而是贯穿软硬件的顶层战略，是提前预判行业瓶颈的先知先觉。这种不随大流、提前布局长期方向的选择，恰恰和他当年孤身闯无人区的特质一脉相承——永远不挤最拥挤的赛道，永远独立判断方向，哪怕前路未知也敢全力投入。他的商业选择同样透着不盲从的特质。DeepSeek成立后近三年时间里，团队坚持不引入外部融资，完全靠自有资金投入研发，哪怕大模型研发烧钱速度极快也没有动摇。直到2025年开启首轮外部融资时，梁文锋个人就投入两百亿自有资金，成为最大单一出资方，同时通过股权架构设计牢牢掌握公司控制权，外部投资方不享有投票权且股份锁定五年。在全行业普遍依赖融资烧钱跑马圈地的环境里，他偏要靠自身业务的现金流支撑研发周期，把发展主动权完全握在自己手里，这种底气和选择，在国内科技创业圈都十分少见。如今回头看，26岁那个一边调试量化交易模型、一边修着风光照片，开着普通小车敢闯无人区的“程序小王子”，和如今掌舵百亿级AI公司、在全球技术赛道占据一席之地的梁文锋，本质上从来都是同一个人。对未知领域的好奇让他既能沉迷风光摄影，也敢跨界全新赛道；硬核的抗压能力让他扛得住无人区的风险，也扛得住长期研发的压力；而始终独立判断、不盲从主流的特质，让他每一次选择都走出了自己的节奏。大众看到早年账号会觉得反差又合理，恰恰是因为所有当下的成绩，其实早在十几年前的个人特质里就埋下了伏笔。
最近居然有网友翻到了DeepSeek创始人梁文锋在2011年前后的社交账号。
最近居然有网友翻到了DeepSeek创始人梁文锋在2011年前后的社交账号。看完之后只能感叹，大佬的早期岁月总是带着一种不自知的反差萌与硬核色彩。那时候他才26岁，网名居然叫“程序小王子”。。。账号里最出圈的一条动态写着自己单人自驾进入藏区无人区，被困整整一周，人侥幸脱险，座驾菲亚特永远留在草原之上。这条时隔十几年的旧动态，如今成了网友打卡点，大家一边调侃惊险，一边感慨，当年那场冒险，某种程度上也映照出他骨子里敢闯入无人区的性格。这份敢闯，并不是一时兴起的冲动，而是贯穿他整个创业历程的底色。梁文锋1985年出生在广东湛江普通教师家庭，从小数学天赋突出，2002年以当地高考状元身份考入浙江大学电子信息工程专业，之后继续在本校攻读信息与通信工程硕士，研究方向是机器视觉算法。按照常规路线，他完全可以进入稳定大厂，沿着技术专家的路径稳步发展。但他从读书时期就不满足于既定赛道，2008年全球金融危机席卷市场，多数人对金融市场避之不及，他反而从中看到机会，开始尝试把机器学习和量化交易结合起来，在国内还十分小众的领域里摸索方向。2010年硕士毕业之后，他没有选择安稳工作，一头扎进量化交易的探索之中，要知道，当时国内量化行业远没有现在成熟，缺少成熟工具、可参考案例不多，很多思路都需要自己从零验证。不过，他可不是单纯依靠运气，而是把浙大多年训练的数学、算法能力落地到真实市场里，一点点验证策略，慢慢建立起属于自己的技术框架。蛰伏几年之后，创业正式落地。2013年，梁文锋和浙大同学成立雅克比投资，2015年创立幻方科技，专注用量化模型做投资。早期幻方并不被太多人关注，团队依靠算法持续迭代，在市场波动中站稳脚跟。2016年是关键转折点，幻方推出首个深度学习交易模型，之后逐步把大部分策略转向AI驱动。随着规模扩大，一个新的瓶颈越来越明显：想要继续推进AI策略，足够强大的自主算力必不可少。于是幻方开始自建超算集群，萤火一号、萤火二号相继落地，上万张显卡组成算力集群，支撑自身量化研究。到2021年，幻方资产管理规模突破千亿，跻身国内头部量化私募行列。走到这一步，很多人都会认为，梁文锋会继续深耕量化，守住成熟稳定的基本盘。但他再一次选择走进新的无人区。多年使用算力、研究AI模型的经历，让他看清一个现实：长期依赖外部算力、海外基础模型，很难掌握技术主动权。2023年，他正式创办DeepSeek深度求索，从金融量化转身投入通用大模型研发。外界当时充满疑问，放弃成熟的千亿私募业务，投入烧钱、周期漫长的AI赛道，风险极高。而他的逻辑很简单，过去多年积累的算力经验、算法团队、资金储备，不是用来守旧的，而是用来冲击更底层的技术问题。这段转型，也能和2011年那条无人区动态形成呼应。当年被困草原，他最终靠自己走了出来；后来两次重大赛道切换，同样是主动走进信息不足、前路未知的领域。做量化时，市场没有成熟样本；做大模型时，本土团队想要对标国际前沿，同样缺少现成模板。他的优势不在于每次都精准预判风口，而在于长期坚持技术底层投入，愿意为长期目标承担短期压力。DeepSeek起步之后，持续推出多代大模型，不少模型选择开源，降低开发者使用门槛，在数学、代码、推理等领域持续追赶国际第一梯队，快速获得全球开发者关注。很多人喜欢把大佬的成功简化成天赋或者运气，可“程序小王子”这个账号恰好提供了一个不一样的视角。我们看到的不是天生的成功者，而是一个二十多岁的年轻人，一边啃硬核算法，一边热爱自驾摄影；一边在冷门赛道孤独试错，一边保留着朴素的表达欲。他没有一上来就拥有庞大资源，从读研时期几万本金起步，一步一步验证技术、搭建团队、积累算力，每一次重大选择都发生在事业相对稳定之后。放到当下的科技环境里，这段经历也很有现实意义。很多人总在寻找捷径，期待快速变现、短期爆火。梁文锋的创业线告诉我们，真正能穿越周期的力量，是长期在底层技术上深耕，敢于在别人犹豫的时候进入新赛道，同时保持对未知风险的敬畏。当年被困无人区之后，他不再进行这类长途越野冒险；创业路上，他也并非盲目激进，每一次转向，都建立在多年技术积累之上。如今再回看那个网名，反差感背后藏着最朴素的真相：所有后来的宏大事业，起点都只是一个愿意沉下心写代码、愿意独自走进未知领域的年轻人。网名可以随着岁月更改，可那份愿意直面未知、依靠技术解决难题的特质，从26岁一直延续到今天。
#差评说AI#说实话，一开始，差评君对DeepSeekV4Flash更
#差评说AI#说实话，一开始，差评君对DeepSeekV4Flash更新其实是没有太在意的，毕竟不是Pro。但仔细一看，不是哥们，怎么跑分比Pro还高？而且性能比DeepSeek强20%的，价格要高200%。#DeepSeek#可以说DeepSeek又一次重新定义了模型的斩杀线。。。这次能力突飞猛进，最重要的一个点就是后训练。预训练决定了模型的大脑里有没有相关的知识，后训练就是决定模型有没有掌握把这些知识给拿出来的能力。研究人员会通过监督微调、强化学习和大量任务数据，让模型学会理解指令、拆解问题、使用工具，以及按照人类偏好的方式给出答案。同样预训练出来的一个模型，在经过了不同的后训练刷题练习之后，是很容易刷出完全不同的表现的。仔细看DeepSeek的发布说明，大家还能发现一件事：用上了一个叫做DeepSeekHarness的未发布工具。Harness可以说是Agent工具的一种，Codex，OpenClaw都可以算是Harness。而现在，DeepSeek要推出自己的Agent工具卷进来了。这可能比单独更新一个模型还要关键得多，因为通过这些外置工具给模型上Buff，AI实际做事的能力可以得到极大的增强。其实今年AI发展最重要的阶梯就是Agent。DeepSeek就通过高质量的后训练和Agent工具，把原本负责轻量应用的Flash，给直接拉到了全球旗舰模型的身后。不敢想更强的V4Pro哦？
全球AI担心的事真来了！DeepSeek突然划下一条“斩杀线”，性能接近却贵几
全球AI担心的事真来了！DeepSeek突然划下一条“斩杀线”，性能接近却贵几十倍的模型集体失去退路，硅谷刚刚大降价仍没甩开差距。在我看来，真正危险的不是最强对手，而是那些不上不下、还想靠高价活下去的中间层，接下来谁会率先掉队，答案已经藏在企业账本里。7月31日，深度求索官方更新日志放出一条不算长的消息：第四代闪电版0731进入公开测试，模型架构和规模没有变化，主要升级来自后训练，智能体能力明显增强。真正让同行坐不住的，却不是某一个榜单名次，而是旁边那张价格表：每100万输入词元0.14美元，每100万输出词元0.28美元，缓存命中只要0.0028美元。能分析公布结果，这款模型在综合智能指数上拿到50分，只比美国开放人工智能公司的同档低价型号少1分。按该机构统一计算的单任务成本，前者仍低约60%。更有意思的是，美国公司刚在7月30日宣布，把这款低价型号的价格下调80%。一边刚刚大降价，一边仍被追到身后，这才是这场较量最有冲击力的地方。它划下的，不是“谁聪明谁赢”的线，而是“凭什么卖这么贵”的线。过去不少模型公司习惯先把参数、榜单和品牌声量堆高，再让企业接受高溢价。现在，同一件活，如果便宜很多的模型已经能完成八九成，采购人员就一定会追问：剩下那一成能力，到底值不值得多花十倍、几十倍的钱？这不是一句口号，而是一笔人人看得懂的账。一个客服系统每天要处理几十万次请求，一个编程助手要反复读取代码，一个办公智能体要连续调用工具，单次便宜一点，放大到全年就是一笔真金白银。依我看，最先感到压力的不会是最顶尖的旗舰模型，而是那些能力没有拉开差距、价格却卡在中高位的产品。顶级模型还能靠复杂科研、法律、金融和高难度编码守住一部分客户，中间层却很容易被上下夹击。但在我看来，真正值得普通人注意的，还不是模型公司少赚多少钱，而是“智能服务”的利润结构正在变。过去一些应用只是在底层模型外面套一层界面，就敢收取不低的月费，因为用户不知道一次调用到底值多少钱。如今底层成本被压得越来越透明，单纯倒卖调用量的生意会越来越难。谁还想靠信息差挣钱，谁就可能先被用户抛弃。这也会逼着应用公司做真正有用的东西。比如同样是写合同，不能只生成一段看起来像样的文字，还要能识别风险、调用企业资料、留下修改记录；同样是做客服，不能只会回答标准问题，还要能查订单、判断权限、把复杂情况转给真人。我认为，下一轮竞争比的不是谁接入了最响亮的模型，而是谁能把模型接进真实流程，替用户少走一步、少犯一次错。这里还有一个常被忽略的变化：企业以后未必只绑定一家模型。便宜模型负责整理、搜索和批量任务，昂贵模型只处理少数高难度环节，图像任务再交给另一种模型。模型像不同档位的工具，被系统自动分配工作。这样一来，厂商最怕的就不只是竞争对手降价，而是客户随时可以切换。萌哥认为，这种“多模型搭配”一旦普及，过去靠封闭接口和使用习惯锁住客户的办法，会越来越不好使。当然，把50分直接说成横扫全球，也不严谨。人工智能分析的另一项测试显示，这款模型在特定知识评测中的幻觉率仍达到84%，正确率为37%。它目前也主要处理文字，不能覆盖所有图像、语音和专业场景。价格低，说明它把性价比推到了新位置；价格低，不等于每个任务都能放心交给它。企业真正算账时，还要把错误返工、服务稳定、响应速度和数据安全一起算进去。这条“斩杀线”不是一条简单的价格线，而是一条价值线。比深度求索贵并不可怕，只要你能证明自己更准、更稳、更快，或者在医疗、金融、工业等场景里更可靠。最危险的是既没有明显专长，也没有成本优势，只能靠品牌故事维持高价。这样的模型不会在一天之内消失，却可能在一次次续费、招标和更换供应商时慢慢失去位置。对中国科技企业来说，这次意义也不只是“又有一款模型得分不错”。过去全球人工智能竞争常被讲成追赶算力、追赶参数、追赶榜单，现在中国企业开始用更低成本逼整个市场重新算账。谁定义了客户愿意支付的价格，谁就能影响行业节奏。依我看，这比单纯拿一次第一更难，也更有长期价值。普通人也别只把这件事当成科技圈热闹。模型越来越便宜，意味着写文案、做表格、查资料、编程序的门槛还会下降，但真正值钱的能力会往上走：你能不能把问题说清楚，能不能判断答案对不对，能不能把工具接到自己的工作里。过去是会不会使用，接下来更可能是会不会验收。我还想提醒一句，价格战看着像大厂之间的事，最后却会落到每一家小公司和每一个岗位上。过去只有大企业负担得起的自动化工具，今后可能进入小工厂、小商店和普通办公室；这会创造新需求，也会加快旧流程淘汰。工具越便宜，人的判断力反而越不能便宜。
