OpenAI 走米其林路線、DeepSeek 拚預製菜戰略，中美 AI 定價權之爭升溫

當 OpenAI 致力於打造高單價的頂級模型時，DeepSeek 正透過極低成本與端側技術，試圖將 AI 轉化為像水電一樣普及的基礎設施。（前情提要：OpenAI已掌握證據「DeepSeek侵權」，盜用GPT distillation技術訓練中國AI）（背景補充：OpenAI怒控DeepSeek侵權創作者反酸：最大的小偷喊抓賊、美國海軍下令封殺DeepSeek） 026 年 4 月 24 日，DeepSeek V4 預覽版正式發表。這款包含 1.6 兆引數的 Pro 版本和 2,840 億引數的Flash 版本的中國產大模型，把最核心的賣點推向市場，百萬上下文，成了所有官方服務的免費標配。幾乎在同一時段，大洋彼岸的 OpenAI 也端出了 GPT-5.5，它的算力更龐大，Agent 功能更豐富，但價格也要貴得多。「百萬語境」翻譯成大白話，代表著AI 不再是一條只能記住你前幾句話的「金魚」，而是變成了一個能一口氣吞下三本《三體》、一秒鐘看懂一部兩小時電影、還能順便幫你把錯字挑出來的「超級大腦」。舉個最直接的例子，你可以把公司過去三年的所有合約、郵件、財報，一股腦扔給 V4，讓它幫你找出那筆被藏在第 47 頁附件裡的違約條款。過去，這件事需要一個律師團隊；現在，它是免費的。 GPT-5.5 把這種超級大腦公開定價，標準版每百萬輸入 Token 要 5 美元，輸出30 美元；而面向高階任務的 GPT-5.5 Pro 版本，更是賣到了每百萬輸入 30 美元、輸出 180 美元的天價。但根據 DeepSeek 官方定價，V4-Flash 快取命中的輸入每百萬 Token 僅 0.2 元人民幣，輸出 2 元；即便是比肩頂級閉源模型的 V4-Pro，快取命中輸入為 1 元，快取未命中輸入為 12 元，而輸出價格僅為 24 元大家總以為中美 AI 競爭是模型能力的賽跑，事實上，這早就變成了一場商業模式的走向不同路徑。 OpenAI 曾經是那個宣稱「造福全人類」的屠龍少年，現在卻在賣著價格昂貴的精裝商品房；而 DeepSeek，正在用近乎免費的算力，把AI 變成水電煤。當OpenAI 變成精明的包工頭時，DeepSeek 為什麼要不計成本地把頂尖AI 變成免費的自來水？這場定價權轉移的背後，到底隱藏著怎樣的暗流？大模型的決勝局，在內蒙古零下20 度的機房。就在 V4 發布前不久，DeepSeek 的招聘啟事裡多了一個令人意外的職位：資料中心高階交付經理與高階運維工程師，月薪最高 3 萬，14 薪，駐場內蒙古烏蘭察布。這是一家曾經標榜「極簡、純粹、只做演算法」的輕資產公司。在過去兩年裡，他們最驕傲的標籤就是「四兩撥千斤」，用不到 600 萬美元的訓練成本，打出了讓美股AI 板塊暴跌的 DeepSeek-R1。但 V4 的龐大算力需求，加上美國越來越緊的算力封鎖，徹底打破了這種輕資產的田園詩。 2025 年，美國商務部進一步收緊了對華AI 晶片的出口管制，輝達 H100、H800 已經斷供，就連降級版的 H20 也被拉進了管控名單。這代表著DeepSeek 未來的算力擴張，必須全面轉向華為昇騰生態。在 V4 的發布說明中，官方明確表示新模型得到了「華為昇騰加持」，並透露下半年昇騰950 超節點批次上市後，Pro 的價格還會大幅下調。這項轉向，不是在程式碼裡改幾行適配層就能完成的，它需要從零開始，在物理層面建立一套完整的國產算力基礎設施。 V4 的兆引數規模（預訓練資料高達 33 兆Token），加上百萬上下文的龐大運算需求，代表著你需要成千上萬張昇騰晶片，需要能容納這些晶片的機房，需要為這些機房供電的電網，需要在零下 20 度的寒風裡維持這些機器不宕機的運維團隊。梁文鋒把方法論從位元世界打到了原子世界。算力，最終都要在鋼筋水泥和輸電線裡落實生根。一邊是穿著格子衫在矽谷撰寫程式碼、喝著手沖咖啡的AI 精英，一邊是穿著軍大衣去內蒙古草原深處守機房的運維人員。這種差異，構成了今天中國AI 抵抗算力封鎖的底色。烏蘭察布的冷風，成了中國AI 最強的物理外掛。從純演算法公司轉型為自建機房的「重資產」玩家，代表著DeepSeek 結束了「小力出奇蹟」的遊擊戰時代，正式穿上了重灌步兵的鎧甲。這種轉型的代價是巨大的，修機房、買晶片、拉網線，每一項都是無底洞。更重要的是，這種重資產模式代表著營運成本會呈指數級上升，而 DeepSeek 的商業化收入仍然極為有限。這種定價策略，本質上是用虧損換生態，用免費換基礎設施的話語權。一個曾經拒絕所有巨頭、靠量化交易自己掏錢補貼AI 的硬漢，在這個無底洞面前，還能撐多久？ 4 月，DeepSeek 傳出了啟動首次外部融資的訊息，目標估值高達 3,000 億人民幣（約 440 億美元），計劃增資500 億，其中對外募資300 億。騰訊與阿里競相參與的傳聞甚囂塵上。很多人以為，這是因為蓋機房太費錢了。但實際上，DeepSeek 融資的核心驅動力，除了買顯示卡，更是因為「純粹的技術理想」，在巨頭的人才絞肉機面前，顯得脆弱。在V4 研發的關鍵衝刺期，國內大廠對 DeepSeek 開啟了瘋狂的定向挖角。從 2025 年下半年至今，DeepSeek 至少5 名核心研發成員確認離職。第一代模型核心作者王炳宣去了騰訊，V3 核心貢獻者羅福莉被雷軍千萬年薪挖至小米，而 R1 核心作者郭達雅則加盟了位元組跳動的 Seed 團隊。這是市場經濟最赤裸的運作方式，當你的競爭對手手握無限彈藥，而你堅持用自有資金維持運轉時，人才市場就是你最脆弱的軟肋。你可以要求天才們為了改變世界的理想降薪而加班，但當大廠把一張寫著千萬現金和期權的支票拍在桌子上，並許諾無限的算力資源時，理想主義的定價權就不在你手裡了。梁文鋒的困境，其實是每個試圖在中國當「慢公司」的創業家都會遇到的困境。在一個大廠能用錢把任何人買走的市場裡，「不融資、不商業化、只做技術」的路線，是極度奢侈的。它的代價，就是你必須接受自己的隊伍隨時可能被對手用錢清場。這3000 億估值的融資，不是梁文鋒對資本的妥協，而是他為了保住V4 研發陣型，向大廠發起的一場贖人戰爭。他必須坐上資本的牌桌，用同樣的真金白銀，讓留下來的人有足夠的理由繼續留下來。騰訊與阿里的可能入局，代表著DeepSeek 從此不再是那個孤獨的、純粹的技術理想主義者。它變成了一家有外部股東、有商業化壓力的公司。這種轉變的代價，是梁文鋒曾經最引以為傲的那種「不受外部壓力幹擾的研究自由」，將不可避免地被稀釋。但他沒有選擇。當理想主義被迫穿上資本的鎧甲，支撐這臺龐大機器繼續運轉、支撐烏蘭察布機房日夜轟鳴的底氣，究竟來自哪裡？答案不在演演算法裡，在電網裡。矽谷現在最焦慮的不是晶片不夠，而是電力不夠。馬斯克在田納西州孟菲斯瘋狂建造超級資料中心，OpenAI 甚至開始討論投資核電廠，微軟宣布重啟賓州的三里島核電廠來為AI 資料中心供電。算力的盡頭是電力，這是一個非常冰冷的物理常識。在美國，一個大型AI 資料中心的用電量，相當於一座中等城市的日常用電。而美國的電網，是一張建於20 世紀50 年代的老舊網路，擴容緩慢，區域割裂，根本跟不上AI 時代的算力擴張速度。而支撐中國AI 追趕美國的，不只是那些拿著千萬年薪的演演算法天才，更是那些默默無聞的特高壓輸電線。烏蘭察布的資料中心之所以能拔地而起，靠的是內蒙古豐富的綠電，以及中國世界第一的電網排程能力。公開資料顯示，烏蘭察布綠電裝置容量達1,940.2 萬千瓦，佔比約 65.9%，當地低價綠電較東部地區便宜約 50%。再加上年均氣溫僅 4.3℃，自然冷卻期接近 10 個月，能讓裝置節能 20% 到30%。當 DeepSeek V4 運作時，真正為其輸血的，是中國龐大且非常廉價的電力基礎設施。這是另一個維度的「大力出奇蹟」。這裡有一個非常有趣且殘酷的歷史對照。 1986 年，美國用《美日半導體協議》把日本的半導體產業打趴下了，強迫日本開放市場、接受價格管控，日本半導體的全球市場份額從 1986 年的40% 一路跌到 2011 年的 15%。日本用了三十年都沒能緩緩過來。今天，美國試圖用同樣的邏輯鎖死中國 AI，封鎖晶片、限制算力、切割技術供應鏈。但中國的反擊路徑，和日本完全不同。日本當年的失敗，在於它的半導體產業高度依賴美國的技術授權和市場准入，一旦被切斷，就失去了獨立生存的能力。而中國 AI 的反擊，是從最底層的實體基礎設施開始重建的，自己做晶片、自己建造機房、自己拉電網、自己開源模型。這是一條極為笨重、極度耗錢、但也極難被「絞殺」的路線。當矽谷在雲端建造華麗的巴別塔時，中國在泥土裡挖戰壕。如果雲端的算力競爭是一場極為慘烈的重資產消耗戰，除了去內蒙古修機房、拉電線，我們還有沒有逃離雲端霸權的另一條路？當矽谷巨頭們把資料中心修得越來越大，甚至像 OpenAI 一樣籌劃著千億美元等級的算力叢集時，中國的反擊線，卻悄悄轉移到了地下。對抗美國算力封鎖的終極武器，其實不是造出比 H100 更強的晶片，而是把大模型植入每個人的手機裡。既然我們在雲端機房裡拼不過重火力，那我們就把戰場拉回 14 億臺智慧型手機和邊緣裝置上。這是一種典型的遊擊戰打法，而且是一種極難被封鎖的打法，你可以禁止出口高階 GPU，但你沒辦法沒收每個中國人口袋裡的手機。 2026 年，伴隨著DeepSeek 引發的算力焦慮，中國手機廠商小米、OPPO、vivo 開始了一場瘋狂的「端側轉移」。他們不再滿足於僅僅把手機當作一個呼叫雲端API 的顯示器，而是透過極致的模型蒸餾和壓縮，把一個縮小版的超級大腦，硬生生植入了幾千塊錢的國產手機裡。這種技術路線的核心，就是「蒸餾」。簡單來說，就是用一個超級大模型（老師）去訓練一個小模型（學生），讓小模型學會老師的「思考方式」，而不是死記硬背老師的所有「知識」。經過極致的蒸餾和量化壓縮，一個原本需要幾百張GPU 才能跑的大模型，被壓縮到只有 1.2GB 到 2.5GB 大小，在一顆手機晶片上就能流暢運作。像MNN Chat 這樣的行動端AI 應用，已經能讓使用者在手機上本地執行DeepSeek R1 蒸餾模型。這種端側AI 的意義在於，你不需要時時刻刻連著5G 訊號，不需要每個月給矽谷巨頭繳100 美元的訂閱費。大模型就在你的口袋裡，斷網也能跑，不用給雲端算力花一分錢。既然我修不起集中供暖的超級鍋爐房，那我就給每家每戶一個小火爐。當然，端側 AI 並不完美。受限於手機晶片的算力和記憶體，端側模型的能力上限遠不如雲端的超大模型。它能幫你寫一封郵件、翻譯一段文字、總結一篇文章，但如果你想讓它幫你推導一個複雜的數學定理，或者分析一份幾百頁的法律合同，它還是會力不從心。但這已經足夠了。因為對絕大多數一般人來說，他們需要的AI，從來就不是那個能推匯出數學定理的超級大腦，而是能幫他們處理日常瑣事的「貼身助理」。當大模型變得非常廉價，甚至可以裝進口袋裡時，它將如何改變那些被矽谷遺忘的角落？如果你坐在曼哈頓全景玻璃辦公室裡，你高機率會覺得，GPT-5.5 漲價到100 美元是值得的，因為它能幫你在一秒鐘內寫完一份完美的併購財報。但如果你站在東非烏幹達的一片玉米田裡，面對著因為氣候異常而枯黃的莊稼，100 美元的訂閱費沒人能交得起，因為烏幹達的人均月收入不到150 美元。矽谷的巨人們在討論如何用AI 統治世界，而烏幹達的農民和東南亞的窮學生，卻因為DeepSeek 的開源，第一次走進了數位時代。 GPT-5.5 服務於付得起錢的人，而且它的語料庫幾乎全是英語。如果你用斯瓦希里語或爪哇語去問它一個問題，它不但回答得磕磕巴巴，而且消耗的Token 是英文的幾倍。矽谷巨頭因為「商業回報率低」，主動放棄了這些邊緣市場。而中國的開源模型，成了全球南方的數位基礎建設。在烏幹達，當地的非政府組織Sunbird AI，以基於中國開源模式Qwen 微調出的Sunflower 系統，把能支援的本地語言從6 種一舉擴充套件到了31 種。這個系統現在被部署在烏幹達政府的農業推廣系統裡，用斯瓦希里語寄給農民種植建議。在馬來西亞，科技公司用開源底座微調出了符合伊斯蘭教法的AI 模型，不僅支援馬來語和印尼語，也確保輸出內容符合穆斯林市場的宗教與文化標準。從印尼的數位身分系統到肯亞的斯瓦希里語醫療問答，中國技術正在滲透進這些國家的社會底層架構。全球最大AI 模型API 聚合平台OpenRouter 在2026 年初發布的資料顯示，中國 AI 模型在該平台的Token 消耗量首次超過美國競爭對手。在某一統計週內，全球前10 大熱門模型共消耗8.7 兆Token，其中中國模型佔比達到約61%。開源打破了美國對AI 話語權的壟斷，讓資源匱乏的發展中國家跨越了數位落差。這不是中美爭霸的宏大敘事，這是AI 時代真正的「鄉村包圍城市」。中國的AI 開源策略，客觀上正在成為一種非常有效的「軟實力」輸出。當矽谷的巨頭們在雲端築起高牆，試圖成為新時代的數位地主時，那些付不起租金的「技術難民」，終於在開源和端側的泥土裡，找到了屬於自己的火種。科技從來就不該是高高在上的奢侈品。矽谷造出了極為精美的商品房，門禁森嚴，只對 VIP 開放。但我們修了一條通往千家萬戶的自來水管。這條水管的起點，在內蒙古零下20 度的機房裡，在特高壓輸電線的轟鳴中，在3000 億估值的戰爭裡。它的每一段都沉重、都昂貴、都充滿了被迫與妥協。梁文鋒曾經想做一家純粹的科技公司，但現實逼他去蓋機房、去融資、去和大廠搶人。他沒有選擇，因為他選擇了一條更難的路，不把AI 做成奢侈品，而要把它做成自來水。而這條水管的終點，在一臺幾千塊的國產手機上，在烏干達農民粗糙的手指間，在每個渴望跨越數位落差的普通人生活裡。算力的圍牆建得再高，也擋不住流向低處的自來水。