第七章：杭州的另一群龙
一、两个版本的六小龙
2025年初，“AI六小龙”这个说法开始流行。
第一个版本，大家都熟：智谱、百川、零一万物、月之暗面、MiniMax、阶跃星辰。大模型六小龙。六家做基座模型的公司，拿了最多的钱，打了最狠的仗。
但很快，出现了第二个版本。
杭州六小龙：DeepSeek、宇树科技、游戏科学、云深处、强脑科技、群核科技。
这个名单跟大模型几乎没有关系——除了DeepSeek。它涵盖的是：大模型、人形机器人、3A游戏、工业机器人、脑机接口、空间智能。
六个完全不同的赛道。
它们唯一的共同点是：都在杭州。
一个城市，同时跑出了六个在各自赛道里世界级的企业。这不是偶然。这也不是政策红利。这是某种更深的东西——一种氛围，一种土壤，一种允许”不正常”的人存在的生态系统。
但这个故事的主角，只有一个。
DeepSeek。
准确地说，是一个叫梁文锋的人。
二、量化之王
梁文锋。1985年出生。广东湛江人。
浙江大学，电子信息工程专业。
如果你在2023年之前听过这个名字，那大概率是因为一个原因：他是中国最赚钱的量化私募之一的创始人。
幻方量化。
量化交易是什么？简单说就是用数学模型和算法来炒股。不靠直觉，不靠消息，不靠关系。靠的是概率、统计和速度。
有人说，量化交易是这个世界上最纯粹的游戏。没有应酬，没有灰色地带，没有”认识谁”。你的模型好，你就赚钱。你的模型差，你就亏钱。仅此而已。
梁文锋在2015年创立了幻方量化。到2020年，幻方的管理规模已经突破千亿人民币。千亿。一个三十多岁的人，管理着一千亿。
在中国量化圈子里，幻方不是最大的，但可能是最”极客”的。他们自建了超级计算集群——“萤火一号”和”萤火二号”——投入了数十亿元。这不是一般量化私募会做的事。一般量化私募租点云算力就够了。
但梁文锋不一般。他要自建。
因为他要的不只是做交易。他要理解”智能”本身。
量化交易本质上是什么？是在海量数据中寻找模式。跟机器学习高度重叠。跟深度学习高度重叠。跟——如果你把问题抽象到足够高的层面——大语言模型的训练过程高度重叠。
梁文锋在做量化的时候，就已经在为做大模型做准备了。虽然他自己当时可能也没意识到这一点。
2023年，幻方成立了AI独立分部。后来这个分部有了一个名字：DeepSeek。
深度求索。
名字本身就透着一股理工男的浪漫——不追求表面的光鲜，追求的是问题的本质，是最深处的那个答案。
三、股权的秘密
2026年，DeepSeek的A轮融资完成。510亿元人民币。投后估值约4000亿。
投资方名单读起来像中国科技巨头的名人堂：腾讯、宁德时代、网易、京东。每一家的名字单拎出来都能上头条。放在一起，就是一面墙——一面向你宣告”我们都在这面”的墙。
但这些巨头们投完之后，拿到的是什么？
少数股权。
梁文锋持有DeepSeek约84.29%的股份。
百分之八十四点二九。
在一个动不动就稀释到个位数持股的创业圈里，这个数字几乎是不可思议的。
通常，一个创始人在A轮融资之后能保持50%以上的股份就已经很强了。B轮之后还能保持40%就算是控制力极强的创业者了。C轮之后——大部分创始人就成了大股东的打工仔。
而梁文锋，在拿了510亿之后，还持有84%。
这说明什么？说明两件事。
第一，幻方量化自己出了绝大部分的钱。DeepSeek在A轮融资之前，基本上是梁文锋一个人掏钱养的。算力、GPU、人力——全是从幻方的利润里出的。不拿外面的钱，就不用稀释股份。
第二，外部投资人没有议价权。510亿投进去，拿走的股份不到16%。这意味着DeepSeek的估值是被梁文锋定的，不是被市场定的。你要投就投，不投拉倒。
这种姿态——在一个需要烧几百亿的行业里——你只能用两个字形容：霸气。
但也不仅仅是霸气。更多的是一种结构性的优势。
没有外部资本的掣肘，梁文锋可以做任何他想做的决定。做什么模型、什么时候开源、怎么定价、招多少人——全部他说了算。
不需要开董事会讨论。不需要向LP解释。不需要在”商业化”和”技术理想”之间做妥协。
其余五条龙——智谱、百川、月之暗面、MiniMax、阶跃星辰——每一家都要面对投资人的压力。每一个季度都要交代营收数据。每一次战略调整都需要董事会批准。
梁文锋不需要。
这是DeepSeek最大的结构性优势。不是技术，不是人才，不是算力——是自由。
四、557万美元的奇迹
2025年1月。DeepSeek-R1发布。
这个消息在国际AI圈子里引起了——不是震动——是地震。
R1的性能逼近OpenAI的o1模型。在数学、推理、代码等核心能力上，R1的表现几乎与o1持平。
而这还不是最让人震惊的。
最让人震惊的是训练成本：557万美元。
五百五十七万美元。
作为对比，GPT-4的训练成本估计超过1亿美元。Meta的Llama 3.1训练用了超过30倍于DeepSeek的算力。
DeepSeek用不到GPT-4二十分之一的成本，做出了一个接近GPT-4o水平的能力。
这个数字传出去之后，硅谷的第一反应是：不信。第二反应是：查一下。第三反应是：卧槽。
然后，DeepSeek登顶了中美两国的App Store。
一个中国AI产品，在美国App Store排行榜上拿了第一。
你想想这个画面的冲击力。美国的用户们下载了一个中国做的AI应用——在大模型这个被认为是”中美科技竞争制高点”的领域——然后发现它比很多美国产品还好用。
华盛顿的反应可以想象。但那是另一个故事。
我们这里要讲的是：DeepSeek是怎么做到的？
答案的核心是V3模型的技术路线。
V3是R1的基础模型。训练成本557.6万美元。性能比肩GPT-4。
怎么做到的？
三个字：极致优化。
DeepSeek在模型架构上做了大量创新——Multi-Head Latent Attention（MLA）、DeepSeekMoE（混合专家架构的改进版）、多token预测训练目标——每一个都是在现有技术基础上的精妙改进。不是从零发明轮子，而是把每一个已有的轮子都打磨到极致。
这种能力——把已有的东西优化到极致——恰恰是梁文锋在量化交易里练出来的。
量化交易的核心竞争力不是发现全新的交易策略。而是把已有的策略执行得比别人快、比别人准、比别人省。
DeepSeek做的事情，本质上一样。
有一个段子在圈子里流传：梁文锋用做量化交易的方法做大模型。别人在拼谁算力多，他在拼谁算力用得最划算。
这个段子虽然简化了事实，但抓住了核心。
DeepSeek不是靠算力堆出来的。是靠算力效率赢的。
五、没有KPI的公司
如果你走进DeepSeek的办公室——如果他们有传统意义上的办公室的话——你会发现一个让你困惑的场景。
下午六点，人走了一半。
七点，基本走光了。
不是因为他们不努力。是因为公司不鼓励加班。
不鼓励加班。在大模型这个号称”人类最后一次技术革命”的赛道上，一家估值四千亿的公司，不鼓励加班。
梁文锋原话：“疲劳加班会导致低质量决策，浪费算力。”
这句话——如果你仔细品——会发现它透露了一个极其反直觉的管理哲学。
通常，科技公司把人力当成可消耗的资源。加班=产出更多。不加班=产出更少。线性关系。
但梁文锋不这么看。他认为：AI研究中，决策质量比决策数量重要得多。一个疲劳的工程师做了一个错误的决定，可能浪费几十万的算力。一个清醒的工程师做了一个正确的决定，可能省几十万的算力。
所以——与其让人加班产出更多（但质量更低的）决策，不如让人准时下班、保持清醒，产出更少（但质量更高的）决策。
这个逻辑对不对？
R1的成绩单似乎证明了它是对的。
更让人震惊的是——DeepSeek只有20个人（2024年时）。
二十个人。
训练出了一个震惊世界的模型。
OpenAI有一千多人。Anthropic有几百人。Google DeepMind有好几千人。DeepSeek——二十个人。
二十个人怎么做到的？
答案是：多边形战士。
六、多边形战士
DeepSeek内部有一个说法——或者说，外界给他们贴的一个标签——叫”多边形战士”。
什么意思？
在一个传统的科技公司里，分工是很细的。算法工程师只管算法，基础设施工程师只管基础设施，数据工程师只管数据，前端工程师只管前端。每个人都是一个螺丝钉。
DeepSeek不是。
在DeepSeek，一个人可能同时做算法设计和底层系统优化。另一个人可能同时做模型训练和推理框架开发。还有一个人可能横跨数据管道、分布式训练和模型评估三个方向。
DeepSeek内部统计过：79个人——这是某个时间点的团队规模——其中有相当一部分人横跨三个以上的技术方向。
这意味着什么？
意味着沟通成本极低。
在传统公司里，算法团队想做一个实验，需要找基础设施团队配GPU、找数据团队准备数据、找工程团队搭建训练流程。每个环节都要开会、对齐、排期。一个实验从提出到跑起来，可能要一周。
在DeepSeek，同一个人就可以把这件事全干了。想做一个实验？自己动手。从数据准备到训练到评估，一条龙。半天搞定。
这就是多边形战士的威力。不是每个人都是某个领域的顶级专家——虽然很多人确实是——而是每个人都能独立完成端到端的工作。
这种模式有一个前提：你得招到极其聪明、极其全面的人。
DeepSeek的招聘标准，据说是：不看学历，不看资历，看的是你能不能在一个完全陌生的领域里，三天之内上手并做出贡献。
这个标准高得离谱。但如果你能做到，你就能用20个人干200个人的活。
七、极致扁平
DeepSeek的组织架构——如果那可以被称为”组织架构”的话——是这样的：
梁文锋。
然后是研究员。
没了。
两个层级。没有中间管理层。没有总监、副总裁、高级总监这些花里胡哨的title。没有”二把手”。
研究员直接向梁文锋汇报。梁文锋直接跟研究员讨论技术方案。
有人问梁文锋：为什么不要中层管理者？他说：中层管理者是信息传递的损耗。一个人汇报给另一个人，再汇报给老板，信息会失真。不如直接让最懂的人跟老板说。
这个逻辑也很简单——但几乎没有公司真的这么做。
为什么？因为当公司长大之后，老板的时间会不够用。20个人的时候，老板可以直接跟每个人聊。100个人的时候就不行了。500个人的时候更不行。
这就是DeepSeek面临的下一个挑战。
到2025年底，团队从20人扩展到了160人。2026年，启动了大规模招聘计划——准备再翻一倍。
320人。
在320人的规模上，还能维持两个层级的扁平结构吗？
梁文锋自己承认了挑战。他说：扁平化面临挑战，未来会适度搭建分层。
注意他的措辞——“适度”。
不是大改，不是引入全套管理层级。是适度。
一个从20人长到160人的公司，创始人说的不是”我们需要大重组”，而是”适度搭建分层”。这种克制本身就是一种态度。说明梁文锋知道扁平化有极限，但他在试图把极限推到尽可能远的地方。
八、开源的信仰
DeepSeek不仅仅是在做模型。它是在建基础设施。
DeepEP——一个专家并行通信库。解决MoE模型在多节点训练中的通信瓶颈问题。
FlashMLA——一个多头潜注意力的高效实现。优化了注意力机制的计算效率。
3FS——一个高性能分布式文件系统。专为AI训练和推理场景设计。
DSpark——一个推理加速框架。
这些工具，DeepSeek全部开源了。
不是开了个源头、核心部分留着的”伪开源”。是真的开源。代码放出来，论文放出来，技术报告写得详详细细。
在一个绝大多数大模型公司把技术细节当核心机密的时代，DeepSeek的做法几乎是异类。
为什么开源？
梁文锋的解释是：开源是大模型行业的未来。只有开源，才能构建生态。只有生态，才能让技术快速迭代。
但也有另一种解读：DeepSeek不怕被抄，因为它的核心竞争力不在某个具体的技术细节里，而在于整个团队的工程能力和优化方法论。你拿到了DeepEP的代码，你也不知道DeepSeek的下一个模型会怎么做。
换句话说：把武器送给你，你也不一定能打赢这场仗。因为仗不是靠武器赢的，是靠打仗的人赢的。
这是一种极其强大的自信。
其他的大模型公司在做什么？在筑墙。把模型藏起来，把API卖出去，把客户锁住。
DeepSeek在做什么？在拆墙。把基础设施放出去，让所有人都能用。
这不仅仅是技术策略的差异。这是世界观的差异。
一个筑墙的世界，信息从上往下流，权力集中在少数人手里。
一个拆墙的世界，信息自由流动，每个人都可以站在别人的肩膀上。
梁文锋选择了后者。
九、完美本身就让人不安
2026年4月。DeepSeek V4发布。
两个版本：Pro和Flash。Pro主打极致性能，Flash主打速度和成本。百万级上下文窗口。国产综合测评第一。
V4不是一次简单的升级。它在多个维度上实现了跨越——推理能力更强了，上下文更长，速度更快，成本更低。
在此之前，国产模型和GPT之间，总有一个”但”——性能不错但速度不行，或者速度可以但不够聪明，或者两者都行但太贵。
V4把那些”但”一个一个摘掉了。
510亿的融资到账了。腾讯、宁德时代、网易、京东排着队进来。估值4000亿。团队在扩张。产品在迭代。一切都在正轨上。
一切都在正轨上。
这句话本身，就让人有点紧张。
因为在大模型这个赛道上，“一切都在正轨上”通常意味着两种可能。
第一种：你是那个极罕见的、真的把所有事情都做对了的公司。你的技术领先、你的组织高效、你的文化健康、你的资金充裕。你站在时代的浪尖上，乘风破浪。
第二种：你只是还没遇到你的问题。
DeepSeek目前看起来像第一种。但二十个人打败万人大军的故事太完美了——完美到让人不安。因为在商业历史上，太完美的故事，通常在某个你没有注意到的角落里，藏着一个致命的裂缝。
可能是规模化的挑战。20人做到的事情，320人不一定做得到。多边形战士是稀缺品，不是批量生产的。
可能是管理转型。当梁文锋不得不搭建中间层的时候，DeepSeek的文化会不会变？信息会不会开始失真？决策质量会不会下降？
可能是外部环境。华盛顿不会对一个登顶美国App Store的中国AI产品无动于衷。
也可能是某个我们今天还看不到的东西。一个还没有浮出水面的技术路线——某种新的范式，让DeepSeek积累的优势在一夜之间归零。
但不管怎样，此时此刻，DeepSeek是中国大模型行业里——也许是中国科技行业里——最令人兴奋的公司。
不是因为它的估值最高。不是因为它的模型最强。而是因为它证明了一件事：
在这个算力为王、资本为王的AI时代里，二十个聪明人，依然可以打败万人大军。
这个证明，比任何一个模型都重要。
因为它给了所有正在创业的人——所有资源不够、人手不够、钱不够的人——一个理由继续走下去。
梁文锋不会说这种煽情的话。他大概只会说：我们只是做了正确的事。
但有时候，做正确的事——在所有人都做错误的事的时候——就是最大的英雄主义。
杭州。深夜。DeepSeek的办公室里，灯已经灭了。人都走光了。
但服务器还在跑。
那台服务器上，有一个正在训练的模型。没有人盯着它。它自己在跑。
这就是梁文锋想要的——一个不需要人盯着也能正确运转的系统。
模型也好，公司也好，都是如此。