C-0002｜DeepSeek 开源决策

DeepSeek 是一家中国 AI 大模型公司，2023 年成立，创始人梁文锋。公司成立之初就立下一条铁律：不接受外部融资、不稀释股权、不被商业化时间表绑架。这在 AI 行业极为罕见——同行普遍靠融资烧钱抢市场。

2023–2025 年，全球 AI 行业处于"闭源霸权"阶段。OpenAI、Anthropic、谷歌等头部公司全部闭源，把最强模型锁在付费 API 背后——技术不公开，外部开发者无法部署，定价权完全握在公司手里。

2025 年初，DeepSeek 发布 R1 模型，性能比肩 OpenAI 的 GPT-4o，训练成本却大幅降低。此时 DeepSeek 站在一个岔路口：是跟随行业惯例，把最强模型闭源、走高价 API 路线？还是走一条前所未有的路——把最强模型完全开源？

现状约束：算力资源受美国芯片出口管制限制，无法像美国公司那样大规模采购高端算力；开源意味着放弃定价权，第三方可以独立部署、用更低成本提供同类服务；但不开源，又很难在闭源赛道与 OpenAI 正面竞争。

· 闭源路线的天花板已经露头：OpenAI 们靠闭源锁住定价权，但"AI 黑盒"引来越来越大的质疑。DeepSeek 内部一位研究员的判断是：不希望世界变成"少数巨头控制大部分资源、大多数人只能用上孱弱技术"的模样。

· 开源是最高效的生态扩张路径：省去交易环节和交易成本，各行各业可以直接接入，不用和 AI 公司一家一家谈合作。

· 闭源的技术护城河是暂时的：梁文锋判断，"在颠覆性技术面前，闭源形成的护城河是短暂的"——模型真正的壁垒不在代码是否公开，而在团队能否持续创新。

· AI 市场足够大，不可能独占：梁文锋认为，AI 可能占到人类 GDP 的 10%，任何企业试图独占利益都会遭遇阻力——"如果你的愿景是拿走 5% 的利益，你一定会被一个愿意只拿 1% 的挑战者击败"。

· 算力受限倒逼"以软补硬"：芯片管制迫使 DeepSeek 必须在软件和算法上创新，而不是堆硬件。开源能调动全球开发者一起优化，加速技术迭代。

· 排除闭源路线。梁文锋明确说："我看不到闭源有什么必然的好处。"闭源保护的只是短期定价权，却会拖慢生态扩张和技术迭代。

· 排除利润最大化。API 定价锚定为"十个月收回硬件成本"（约 6 倍利润），而非按市场需求弹性定价。梁文锋说："想赚一百倍利润，开源确实有影响；但我们只赚六倍，开源对商业模式没有任何影响。"

· 排除靠融资烧钱抢市场。"三不"铁律决定了 DeepSeek 不能走"烧钱换规模"，必须找到一条不需要巨额资本投入就能扩张的路。

· 排除跟风做视频生成、世界模型等"好生意"。梁文锋说："这些跟智能的上限没关系，我们不做。"拒绝为商业机会分散对 AGI 主线的投入。

DeepSeek 选了开源路线，具体动作：

第一步：每一代核心模型（V2、V3、R1 等）在 MIT 许可协议下完全开源，代码、文档、权重全部公开，无功能阉割。

第二步：对外开源的版本与内部部署版本完全相同，绝不私下保留更强模型。

第三步：API 定价锚定"十个月收回硬件成本"（约 6 倍利润），不追求利润最大化。

第四步：组织上不设 KPI，自上而下交办的工作不超过员工总工时的一半，另一半留给自主探索。

第五步：开源不止于模型本身——DeepSeek 后续开源了面向 AI 芯片的 TileLang 编程语言和通信库，目标是为更多芯片建立高可用软件生态。

可核验目标：通过开源快速建立开发者生态，让 DeepSeek 模型成为行业事实标准，同时以低定价、低成本维持可持续运营。

防御目标：即便开源让第三方能以更低价格部署，DeepSeek 仍保有成本优势和工程能力壁垒——"模型开源、原理全公开，别人要用起来的门槛依然非常高"。

核心问题解决：在算力受限、资本受限的条件下，找到一条不需要烧钱、不需要独占市场、却能持续积累技术优势的存续路径。

实际走向：R1 开源后迅速成为 HuggingFace 史上最受欢迎的开源模型（下载量破千万）。但外部环境变了——2026 年算力成本指数级上升，单靠母公司幻方量化的利润已经撑不住万卡集群的烧钱速度。于是"不融资"这条配套铁律在竞争压力下松动了：2026 年 6 月，DeepSeek 完成首轮外部融资，投后估值约 520 亿美元。

修正回路：主决策"开源"始终没变，变的只是"是否接受外部资本"这条配套策略。梁文锋的判断标准不是"哪个赚更多钱"，而是"哪个更有利于做成 AGI"。

风险对冲：开源后模型谁都能下载，但梁文锋的逻辑是——把成本做到同样低，需要极强的工程管理和算力调度能力，这不是每家公司都做得到。护城河不在模型本身，在团队和工程能力。