YOHO AI

标签： 大模型

  • 自动驾驶是具身智能上半场，李想让理想”造人”的时间表提前了

    最近汽车圈出了一个挺有意思的判断——理想汽车CEO李想说了一句话，把自动驾驶和人形机器人放在了一条时间轴上：自动驾驶是具身智能的上半场，通用人形机器人是下半场。

    这句话不是随便说说的，背后有一张非常清晰的时间表。上半场自动驾驶分三个阶段：2018到2023年是L2辅助驾驶，2023到2028年是L3，2028到2033年是L4。下半场人形机器人则是：2030到2035年达到6岁泛化能力，2035到2040年达到12岁，2040年之后接近AGI水平。

    李想还做了一个预判：购买L4自动驾驶汽车的用户，和购买家庭家政机器人的用户，重合度将高达90%。这意味着上半场的感知、模型、芯片、控制能力，可以无缝迁移到下半场，形成跨场景的商业闭环。

    研发组织彻底打散重编

    最让人意外的是理想今年1月的研发重组。他们把按软硬件划分的传统部门全部拆掉，按”造硅基人”的逻辑重新组合。infra团队负责算力数据，对应”心脏”；基座模型团队管多模态训练，对应”大脑”；软件本体团队做Agent和工具链，对应”手脚”；硬件本体团队管芯片传感器，对应”身体”；评估团队独立评估工作质量，对应”免疫系统”。

    改完之后立竿见影：智驾模型训练从每两周迭代一次，直接压缩到每天一次。过去部门之间来回扯皮的沟通成本，就这么被彻底消解了。

    两款机器人已经立项

    资金投入上也不含糊。2025年理想研发花了113亿，其中AI相关占一半，2026年预算120亿基本保持同等比例。5月15日上市的L9 Livis，定价50.98万元，是理想切入具身智能赛道的首款量产旗舰。

    值得注意的是，理想前高管创立的至简动力，在发布会当天放出了一个视频：旗下ix和i7两款机器人全程围观新车发布会，其中一台手持理想自研的马赫M100芯片。这说明理想系的人形机器人项目，早已跑在路上了。

    理想L9 Livis
    理想L9 Livis 具身智能旗舰SUV

    李想说这是理想的第三次”逆共识”。前两次分别是2015年坚持增程而非纯电，以及聚焦家庭场景而非个人用户。现在，当行业还在讨论具身智能是否遥不可及时，理想已经把芯片、模型、操作系统全部打通。

    “理想汽车做AI，不是冒险。不做才是冒险。”

    这不只是理想一家的事。国内近期也在从国家层面加速具身智能落地。杭州刚刚启用了全国首个国家级具身智能应用中试基地，130多台机器人在此接受30多种职业技能训练，由中国工程院院士王耀南担任学术委员会主任，宇树科技等行业企业也参与其中。

    从实验室到真实场景，从自动驾驶的感知能力到人形机器人的泛化智能——这场变革正在加速。

  • 500万中国医生的新搭档：阿里健康「氢离子」牵手BMJ，要当医生的循证第二大脑

    阿里健康发布医学AI氢离子
    阿里健康在杭州正式发布医学AI「氢离子」

    5月13日，阿里健康在杭州发布了一款叫「氢离子」的医学AI助手。名字起得就很有意思——氢离子是宇宙中最小最活跃的粒子，寓意是：小而快，精准到原子级别。

    氢离子与英国BMJ集团达成独家合作——70本医学期刊过去十年的全文内容，中国医生可以在线阅读、翻译、循证问答。这是国际顶级期刊首次牵手中国AI。

    为什么中国医生需要它？

    中国有约500万执业医生，但大多数人获取前沿医学研究的通道并不畅通。文献分散在各数据库里，语言是一道墙，付费门槛又是一道墙。更麻烦的是，用通用AI查医学问题？幻觉率高得吓人，一个编造的参考文献可能就误导了临床决策。

    氢离子想解决的正是这个矛盾：让医生有一个低幻觉、高循证的AI助手，不是随便聊天的通用大模型，而是严格基于循证医学的决策支持工具。

    四层循证AI架构：每句话都有出处

    氢离子的底层逻辑跟通用大模型完全不同，它搭了四层循证闭环：

    • 证据理解层：所有指南和文献进入系统时，按PICO框架和GRADE标准结构化理解
    • 循证检索层：基于PICO的检索与数据增强，保证每句话有据可查
    • 模型强化层：微调让模型学会什么叫准确、忠实循证、安全有用
    • 专家评审层：300+临床专家参与质量闭环

    简单讲就是：从理解到检索，从训练到评审，每一步都强制溯源。输出的每个回答都可追溯、可验证、可信赖。

    BMJ独家授权意味着什么

    BMJ集团成立于1840年，旗下70余种一流医学期刊，旗舰刊《英国医学杂志》是全球最具影响力的医学期刊之一。这次合作不是简单的接入API——是全文授权，不是摘要检索。中国医生可以在氢离子里直接读BMJ的全文、做循证问答、在线翻译。以前要么订阅贵得离谱的数据库，要么忍着语言障碍啃原文，现在一个入口全搞定。

    而且氢离子此前已经跟中华医学会、人民卫生出版社、中国抗癌协会达成深度合作。BMJ是国际线，国内线早就铺好了。

    从信息检索到循证第二大脑

    全球医学AI正从通用智能转向循证可信，氢离子走的是后一条路。定位不是搜索工具，是医生的循证第二大脑——查文献、读全文、做循证问答、辅助临床决策，一条链路走通。300+临床专家参与评价标准制定和数据集建设，10位顶级专家把学术方向，50位指导委员会定评测方法论，还有来自复旦100强医院的评测医生持续验证反馈。

    这个方向其实对了。医学AI的核心矛盾从来不是能不能聊天，而是能不能别编。氢离子用四层循证架构+顶刊授权+专家评审来降幻觉，思路比堆参数实在得多。

  • ArXiv出手了：用AI写论文不检查？直接封号1年

    预印本平台ArXiv最近干了件大事。他们更新了 submission 政策——以后要是你的论文里出现”AI完全代写且没人工核对”的实锤证据，作者会被封号整整一年。

    这事儿说起来挺有意思。ArXiv那帮管理者（领导核心是计算机科学版块主席Thomas Dietterich）直接在X和Bluesky上发了公告，核心意思很明确：如果发现论文里有”无可争议的证据”证明作者根本没检查LLM生成的结果，那整篇论文的内容都不可信。

    “如果发现论文存在无可争议的证据表明作者未检查LLM生成的结果，这意味着我们无法信任论文中的任何内容。”——Thomas Dietterich，ArXiv计算机科学版块主席

    什么样的证据算”无可争议”？

    Dietterich说得很具体：幻觉参考文献（hallucinated references）、论文里残留的LLM提示词或对话记录，这些都属于”铁证”。一旦被发现，处罚很直接——1年内禁止向ArXiv提交任何论文，1年后再想投稿，必须先在有同行评审的知名期刊/会议上发表过才能解锁资格。

    Business research concept
    学术研究需要真实贡献，而非AI生成的”垃圾论文” (图片来源：Getty Images)

    注意啊，这政策不是”完全禁止用LLM”。人家说得清清楚楚：你可以用AI辅助写作，但必须对生成的内容”负全部责任”，不管内容是咋生成的。如果你直接从LLM复制粘贴了”不合适的语言、抄袭内容、偏见内容、错误、失误、不正确的参考文献或误导性内容”——那都是你的责任。

    执行方式：一次出局

    Dietterich跟404 Media说，这是”一次出局”（one-strike）规则。不过执行前得走流程：版主先标记问题，然后版块主席确认证据，最后才处罚。作者要是不服，也可以申诉。

    为啥现在管这么严？

    最近有同行评审研究发现，生物医学研究领域伪造引用的情况在飙升，大概率跟LLM的使用有关。其实不止科学家，好多人都被AI生成的假参考文献坑过。

    ArXiv这两年一直在跟”AI垃圾论文”斗智斗勇。之前就已经要求首次投稿的作者必须找个”有信誉的作者”背书，现在又出了这个1年封号的政策。再加上ArXiv刚从康奈尔大学独立出来变成非营利组织，筹钱能力更强了，估计后续还会有更多手段来对付AI slop。

    • 政策并非完全禁止LLM，而是要求作者对内容负责
    • “铁证”包括幻觉参考文献、残留的LLM对话记录等
    • 处罚：1年封号 + 后续投稿需先通过同行评审
    • 执行流程：版主标记 → 版块主席确认 → 处罚（可申诉）

  • Google I/O 2026本周开幕，但真正值钱的不是Gemini 4.0

    模型版本只是开胃菜

    按约3到4个月一轮的节奏算，2月刚发布Gemini 3.1 Pro，这次I/O更可能看到Gemini 3.2或3.5。Gemini 4.0不是没可能，只是概率没那么高。对投资者来说，模型叫什么名字不重要，重要的是Gemini能不能进更多核心服务，比如Gmail、Maps，还有Genie 3、Gemma 4这些周边生态能不能跟上。

    Google还可能更新Gemini Health、Android XR智能眼镜，把旅行场景塞进Google Canvas。这些产品要是能拧成一个统一入口，Gemini就不再是聊天或者生成工具，而是变成操作层——这个定位比模型版本号值钱多了。

    过去两年，Google陆续推出Gemini 1.0 Pro、1.5 Pro、2.0 Flash、2.5 Pro、3 Pro和3.1 Pro。截至2026年一季度末，Google产品套件订阅用户达到3.5亿。

    AI搜索的算盘

    搜索依然是Google估值的核心。这次I/O最值得盯的是AI-O、AI-M和Gemini搜索体验怎么融合，还有Chrome在这个框架里站什么位置。Google管理层在一季度业绩会上提到，来自这些新入口的更长、更复杂查询，提供了更多基于意图的数据——这句话直接关系广告价值。

    传统上约20%的查询具备商业属性。如果AI搜索能让更多查询变成可识别、可匹配、可投放的商业意图，搜索广告的天花板就会往上走。对广告主来说，问题不在于AI功能是否先进，而在于同样CPA下能不能带来更多转化。

    一季度Google查询量创历史新高。2026年4月，Google全球搜索份额90.0%，环比增加10个基点。Chrome全球份额68.0%，环比增加130个基点。这些入口如果继续扩大，AI搜索的商业化基础会更稳。

    Gemini发布节奏相关配图
    Gemini模型迭代节奏（图源：网络）

    广告变现才是重头戏

    如果Google I/O回答”AI能力到哪里”，5月21日的Google Marketing Live就回答”AI怎么赚钱”。目前AI驱动的广告活动已经占搜索广告支出的30%以上，覆盖了AI Max、P-Max、Demand Generation等工具。

    AI Max将是GML上最关键的观察点。这个工具在2026年4月结束beta测试，计划在9月完全取代Dynamic Search Ads。早期结果显示，AI Max完整功能组合带来14%更多转化；通过更宽的搜索词匹配，在相近CPA下带来7%更多转化。

    • AI Max for Shopping、Search Campaigns for Travel等垂直优化工具正在推进
    • Ads Advisor提供代理式辅助，Smart Bidding Exploration在搜索活动中带来约27%更多转化
    • Campaign Total Budgets减少约66%的手动预算调整

    代理式购物瞄准交易闭环

    Google的购物业务正在从商品发现入口，向更深的交易链路延伸。UCP、Direct Offers、Agentic Checkout，以及Google Shopping和Chrome中的代理式购物体验，将是I/O和GML共同的观察点。这个变化不是简单增加购物按钮，而是减少从搜索、比较、选择到结账之间的摩擦。

    Google近期把合作伙伴扩展到若干大型电商公司，还有Meta、Microsoft、Stripe，之后又加入Klarna和Affirm。支付、分期、结账和广告投放如果被串联起来，Google Shopping的商业角色会更重。Chrome在全球68%的份额（美国50%）如果嵌入代理式购物和个性化推荐，Google将在搜索之外获得新的商业入口。

    云业务正在改写估值逻辑

    Alphabet过去的估值核心是搜索广告，但Google Cloud正在成为更重要的变量。一季度Google Cloud收入200.28亿美元，同比增长63.4%；backlog达到4623亿美元，环比接近翻倍，同比增长400.3%。同期token消耗环比增长60%。

    Google Cloud收入有望从2025年的587.05亿美元增至2026年的945.29亿美元，再到2027年的1465.21亿美元和2028年的2095.25亿美元。云业务在总收入中的占比预计从2025年的14.6%，升至2026年的19.5%，并在2028年达到30.6%。

    利润率同样在改善。Google Cloud 2025年经营利润率23.7%，2026年预计升至33.8%。这意味着云业务不再只是高增长板块，而是开始对Alphabet整体利润率形成支撑。I/O上，Gemini Code Assist、Google AI Studio中的”vibe coding”工具，以及TPU销售策略也值得关注。

  • 微软与OpenAI终止独家云协议——AI版图重新划分

    2026年4月27日，微软和OpenAI悄无声息地改写了过去几年的AI版图。双方 restructured 了合作关系——Azure不再是OpenAI的独家云供应商，同时去掉了与AGI（通用人工智能）相关的条款。这件事的意义，比表面上看起来要大得多。

    独家协议为什么说不续就不续了？

    其实不难理解。OpenAI想要更大的基础设施选择权，而微软也不想被绑定在一个越来越贵的合作协议上。去掉AGI条款更是关键——之前的说法是，一旦OpenAI实现AGI，某些合作协议会自动失效，现在这条被拿掉了，双方的绑定关系变得更加”务实”。

    Azure仍将是OpenAI的”主要”云伙伴，但不再是”独家”。这给了OpenAI和其他云厂商（比如Google Cloud、AWS）合作的空间，也意味着微软在AI基础设施上的垄断地位被打破了。

    AI阵营正在重新划分

    这件发生的同一时间段，另一个信号同样值得关注：Google计划向Anthropic投资最高400亿美元。也就是说，微软-OpenAI这对老搭档的关系在松动，而Google-Anthropic这对”反OpenAI阵营”却在加深绑定。

    站在OpenAI的角度，摆脱Azure独家限制之后，可以更加灵活地选择基础设施伙伴，这对训练和部署下一代模型至关重要。站在微软的角度，Azure依然是OpenAI的优先选择，但不再有排他性保护，这也意味着微软需要在AI服务上靠实力竞争，而不是靠合同。

    这对普通开发者和企业意味着什么

    短期内可能感受不明显，但中长期来看，OpenAI的API和模型部署会有更多基础设施选项，成本和延迟都有可能优化。而对整个行业来说，AI基础设施的”阵营化”正在减弱，更加市场化的竞争对所有人都有好处。

  • AI五月风暴：模型军备竞赛、Agent落地与电力危机

    四月刚过，AI圈没有丝毫放缓的迹象。GPT-5.5-Cyber开始推送，Claude Mythos在约50家合作伙伴中只有受限预览，DeepSeek V4带着开源权重和低价策略强势入场——模型竞赛正在进入一个新阶段：不再比谁的模型最通用，而是比谁更专业、更便宜、更能落地。

    专业模型来了，通用模型不香了？

    GPT-5.5-Cyber的发布释放了一个清晰信号：厂商开始针对特定高价值场景推出专业模型，而不再只靠一个通用大模型打天下。网络安全、漏洞发现、防御分析——这些场景正在成为前沿AI厂商的必争之地。

    Claude Mythos的神秘感更是拉满。现在只有约50家机构能用到它，传言说它在高级推理、编码和漏洞发现上有巨大飞跃。Anthropic这种”限量供应”的打法，摆明了要把下一个阶段的AI变成门槛更高、管控更严的游戏。

    DeepSeek V4则是另一条路——它把前沿级别的性能直接拉到低价+开源的组合上。对企业来说，成本改变 adoption 曲线，成本改变哪些应用场景变得经济可行。

    Agent从概念到落地，2026是分水岭

    Gartner有个预测被反复引用：到2026年底，40%的企业应用将嵌入AI Agent，而2025年这个数字还不到5%。先不管这个预测准不准，它反映出的行业共识是真实的——Agent正在从demo走向生产环境。

    开发者社区里的讨论也在变。大家不再争论Agent有没有用，而是开始认真讨论：用什么框架？CrewAI还是LangGraph？MCP协议怎么接入？怎么防止Agent乱跑把事情搞砸？这些是非常实操的问题，说明这个品类真的在进入落地阶段。

    电力危机：6500亿美元也买不来的瓶颈

    最有意思的矛盾来了：大型科技公司今年在AI基础设施上的资本开支合计超过6500亿美元，但约一半的美国数据中心项目却因为电力基础设施短缺而被推迟或取消。钱不是问题，电才是问题。

    AI数据中心 campus 动辄需要几百兆瓦的电力容量，变电站、变压器、电网接入——这些现实世界的物理约束，比发布一个大模型要慢得多。Gartner还预测，到2027年，电力短缺将限制约40%的AI数据中心。这意味着，AI的下一个瓶颈不是芯片，不是模型，而是现实世界的部署能力。

  • DeepSeek V4 发布：1.6万亿参数开源，百万上下文成标配，价格比 GPT-4 便宜70倍

    DeepSeek 这次真的把天花板给顶破了。4月24日，他们正式发布 DeepSeek-V4 预览版，同步全量开源，上线 Hugging Face 和 ModelScope，附带580G 开源权重。消息一出，资本市场立刻有了反应——SMIC 和华虹半导体在香港双双大涨。

    1M 上下文，标配了

    V4 系列最直观的升级是上下文窗口直接拉到100万 token，所有官方服务默认配置。用大白话讲，就是你扔给它一部长篇小说让它分析，它一口气全吞下去，中间不需要你翻页或者重新喂。

    但这还不是最厉害的。他们搞了一套 Token-wise 压缩加上 DSA 稀疏注意力机制，推理时的 FLOPs 直接降低了73%，KV 缓存大小减少了90%。说白了，不是粗暴地堆算力，而是在工程层面做了精细优化。

    DeepSeek V4
    DeepSeek-V4 发布，百万上下文成标配

    两个版本怎么选？

    V4-Pro 总参数1.6万亿，激活参数490亿，性能定位是”开源最强、接近顶级闭源”。内部员工体验说比 Sonnet 4.5 强，交付质量接近 Opus 4.6 的非思考模式。API 价格做到了 GPT-4 的七十分之一，每百万 token 输入0.14美元、输出3.48美元。

    V4-Flash 走的是经济路线，2840亿总参数、130亿激活参数，API 价格低到离谱——输入每百万 token 只要3美分，比 Claude Opus 4.7 便宜99%以上。简单任务用它完全够用，高难度任务建议开思考模式、强度拉满。

    国产算力这波秀肌肉

    更值得关注的是 DeepSeek V4 对国产算力的适配程度。官方数据显示，在华为昇腾 950PR 上推理速度比 V3 版本快了整整35倍，能耗还降低了40%。他们还适配了寒武纪芯片，MXFP4 低精度格式降低了对 NVIDIA CUDA 生态的依赖。

    这意味着什么？DeepSeek 不再只是”开源模型里很强”，而是真正在国产硬件上跑出了能打的体验。对国内企业来说，部署成本和使用门槛都在大幅下降。开源协议用的是 MIT，完全开放商用。

    DeepSeek V4 把百万上下文、开源和低成本三个事情同时做到位了。开源社区等了这么久的东西，终于来了。

  • GPT-6来了：代号”土豆”，5万亿参数，OpenAI这次玩真的

    北京时间4月14日，OpenAI正式发布GPT-6，内部代号”Spud（土豆）”。这个号称”AGI最后一公里”的模型，耗时18个月研发、烧了超过20亿美元、用了约10万张H100 GPU——光是听听这些数字，你就知道这次不是小打小闹的版本迭代。

    GPT-6正式发布
    OpenAI CEO山姆·奥特曼在GPT-6发布会上（来源：凤凰网）

    一颗”土豆”的技术野心

    代号”Spud”来自OpenAI研究团队的一个内部梗——越是貌不惊人的东西，内里越丰富。奥特曼在发布会上称GPT-6为”划时代产品”，是AGI的最后一公里。这话听着大，但看看参数：5到6万亿参数，200万Token上下文窗口，相当于能一口气读完两部完整的《三体》三部曲。

    最让我感兴趣的是Symphony架构。这个架构把文本、图像、音频、视频统一在同一个向量空间进行联合编码，实现了真正意义上的原生多模态。以前AI看到图片再理解文字，中间总有一道门槛，现在感知和推理直接打通了。

    GPT-6首次采用”Symphony双系统推理”：System-1负责快速响应（日常对话、内容生成），System-2负责深度推导（逻辑校验、代码审查）。两个系统切换由模型自主判断，无需手动干预。

    性能暴涨40%，但价格没涨

    具体数据方面，GPT-6在数学推理准确率上提升47%，代码生成与调试提升42%，三大核心任务（代码、推理、智能体）综合性能较GPT-5.4提升超过40%。这个跃升幅度，在AI模型发展史上算是比较猛的一代。

    更有意思的是定价策略。API输入每百万Token 2.5美元，输出12美元，跟GPT-5.4基本持平。OpenAI内部戏称这是”神话级智能，Sonnet级定价”。你想想，性能提升了40%，价格却没涨——这明显是在跟Anthropic和Google打价格战。

    • 5-6万亿参数（MoE架构，激活约10%）
    • 200万Token上下文（约150万中文字）
    • 综合性能提升40%（vs GPT-5.4）
    • API定价持平（2.5美元/百万Token输入）

    产品整合：从三个工具到一个超级应用

    OpenAI这次还干了一件事：把ChatGPT（对话）、Codex（编程）、Atlas（浏览器）整合为统一的桌面级超级应用。这意味着你以后不用在不同AI工具之间跳来跳去了，一个界面搞定所有事情。

    市场反应也很直接。发布当天，软银股价上涨4.2%，微软Azure上涨1.8%。而Anthropic和Google选择了沉默，估计正在连夜评估GPT-6的技术细节。

    这颗”土豆”能不能打，市场会在接下来的几个月里给出答案。但有一点可以确定：AI能力军备赛，仍在加速。一个新的标杆，刚刚被确立。

  • 一周翻倍、一个月涨四倍：中国大模型五强格局彻底成型

    一周翻倍、一个月涨四倍：中国大模型五强格局彻底成型

    2026年5月第二周，中国AI圈上演了一场史无前例的资本狂欢。

    短短七天，月之暗面、阶跃星辰、DeepSeek三家未上市公司密集传出巨额融资，而已登陆港股的智谱和MiniMax则以堪称暴力的股价涨幅刷新认知。中国大模型赛道的”五强”格局，就此彻底成型：DeepSeek、智谱、MiniMax、月之暗面、阶跃星辰。

    大模型五强

    先说数字。DeepSeek这轮融资敲定后，估值已经到了3000到3500亿元区间，换算成美元大概300到515亿。智谱更猛——5月13日单日暴涨36.9%，市值直接冲破5000亿港元大关，一举超越了许多人印象中”很赚钱”的传统科技公司。做个对比你就懂了：科大讯飞去年营收271亿、净利润8.39亿，市值大概1187亿。而智谱呢？2025年营收才7.24亿元，市值却是讯飞的四倍多。这估值逻辑，你说它疯狂也好、泡沫也罢，但市场就是这么定价的。

    投资方结构根本性变化

    有意思的是，这轮行情的投资方结构发生了根本性变化。过去中国AI企业背后的金主主要是美元VC和互联网巨头，现在呢？月之暗面引入了中国移动，阶跃星辰拉来了华勤、龙旗、豪威这些产业链资本，连DeepSeek的潜在领投方都传出了国家集成电路产业投资基金的身影。用一位一级市场业内人士的话说：“大模型不再只是一个商业故事，它正在上升为国家科技竞争力的关键筹码。”

    从”美元+互联网”到”国资+产业链”，投资方的迭代本身就折射出大模型产业地位的变化。

    DeepSeek的故事尤其值得细说。创始人梁文锋在这轮融资里直接掏出200亿元，真金白银砸进去。他个人持股从之前的1%一路提升到34%，加上间接持股合计控制约84.29%股权。这种创始人自己押重注的操作，在行业内并不多见。有分析师评价说，DeepSeek的融资标志着中国AI产业进入新阶段——过去我们靠商业模式创新，现在开始在基础技术层面与美国巨头正面竞争。

    估值暴涨不等于躺赢

    当然，估值暴涨不等于躺赢。行业里有个说法：“百模大战”正在收敛为”千亿竞赛”——谁能率先证明自己的商业化能力，谁才能真正活下去。目前各家都在跑马圈地，但收入规模跟估值比起来还差得远。智谱的MaaS API平台ARR是17亿元，同比提升60倍，听着吓人，但距离支撑5000亿港元市值需要的营收体量，还早着呢。

    总之，这轮大模型资本盛宴，你怎么看？是”对下一代通用智能平台的信仰定价”，还是泡沫堆积前的最后疯狂？时间会给出答案。

  • 21天估值翻4.5倍！DeepSeek首轮融资500亿，梁文锋自己掏200亿押注

    DeepSeek融apital这事，我盯了快一周，今天终于可以好好聊聊了。简单说：DeepSeek正在搞史上最大规模的首轮融资，目标500亿元人民币，而创始人梁文锋自己就要掏200亿——占整轮的40%。

    21天，估值从100亿美元涨到450亿美元

    你可能还记得，DeepSeek V4是4月24日才发布的。那时候公司估值大概100亿美元出头。结果不到一个月，现在已经飙到450亿美元了——21天翻了4.5倍。这增速，放在整个AI行业都是炸裂的存在。

    梁文锋个人出资200亿，这什么概念？相当于他把大半身家押在了DeepSeek身上。这种创始人all-in的架势，投资人不心动才怪。

    国家队也下场了

    据The Information透露，国家集成电路产业投资基金（大基金）正在洽谈领投。这是正儿八经的国家队信号——说明DeepSeek的战略价值已经被顶层认可。毕竟，能在大模型领域跟OpenAI、Anthropic正面掰手腕的中国公司，屈指可数。

    腾讯、阿里也都在谈。虽然阿里之前有消息说没谈拢，但DeepSeek现在估值涨成这样，筹码只会越来越厚——想进的抓紧，想谈条件的恐怕要吃亏了。

    V4.1定档6月，多模态终于来了

    技术层面，DeepSeek V4.1已经官宣6月发布。相比V4，这次最大的升级是两点：

    • 多模态能力：V4.1将首次支持同时处理图像和音频，真正意义上的”全能选手”
    • MCP协议深度支持：对标Anthropic的Model Context Protocol，企业接入更方便

    还有个细节：DeepSeek准备把发布节奏”加速到接近行业常规速度”。之前V4憋了大半年才出，现在6月就要跟V4.1，说实话有点卷——但对用户来说是好事，迭代越快，能力越强。

    理想主义者要变成重资产公司了

    DeepSeek之前给我的印象一直是”技术宅”——埋头搞研究，不怎么谈商业化。但这次融资说明，梁文锋想明白了：光靠理想留不住人。

    文章提到好几位明星研究员已经离职跳槽：郭达雅、王炳宣、魏浩然……融资的钱，很大一部分就是要拿来”买人心”的——用期权定价，让核心人才真正绑在船上。

    算力、人才、产品、渠道……DeepSeek正在从一家”实验室”变成一家真正的”重资产AI公司”。这条路很难，但我倒挺看好——毕竟技术再牛，也得有人买单才能持续下去。