Liang Wenfeng steigt vom Berg herab, wonach sucht DeepSeek?

„Kernhinweis“ Was denkt Liang Wenfeng, wenn er sich von der ausschließlichen Arbeit an Modellen zur intensiven Prüfung von Projekten wendet?

Der verborgene Meister will nun ins öffentliche Leben eintreten.

Kürzlich haben ausländische Medien die Details der zweiten Finanzierungsrunde von DeepSeek aufgedeckt. Bislang wurden insgesamt 105,5 Milliarden Yuan gesammelt, angeführt von Tencent und CATL. Von der ursprünglichen Haltung „Wir haben genug Geld und akzeptieren keine externe Finanzierung“ hat Liang Wenfeng innerhalb eines halben Jahres nacheinander zwei Finanzierungsrunden durchgeführt und seine bisherige Haltung geändert.

Nach seinem „Eintritt in die Öffentlichkeit“ richtet der Meister seinen Blick auch auf Bereiche außerhalb der großen Modelle. Es ist bekannt, dass Liang Wenfeng intensiv Unternehmer für körpergebundene Intelligenz trifft und gleichzeitig viel Zeit in das Lernen auf dem Gebiet der körpergebundenen Intelligenz investiert.

Auf der Grundlage seiner vorläufigen Lernergebnisse beginnt DeepSeeks Kapital auch, erste Investitionsversuche zu unternehmen. Bislang hat DeepSeek die Investitionspläne für zwei Projekte festgelegt: das Unternehmen für körpergebundene Gehirne Winverse und das Unternehmen für körpergebundene Bewegungssteuerung Liige Wannwu.

Angesichts der zunehmend engen Verbindung zwischen großen Modellen und körpergebundener Intelligenz sind diese beiden Investitionen möglicherweise nur der Beginn von DeepSeeks Ausbau im Bereich der körpergebundenen Intelligenz, hinter dem sich ein größeres industrielles Bild verbirgt. Warum dieses Bild geplant wird, hängt neben dem allgemeinen Umfeld auch mit der eigenen Situation von DeepSeek zusammen.

Langfristige Rechnungen aufstellen

Vor dem Sommer 2026 war Liang Wenfengs Image im Internet vergleichbar mit dem eines verborgenen Mönchs in der KI-Branche: Er nahm keine externen Investitionen an, berührte nicht die in den letzten Jahren beliebteste körpergebundene Intelligenz, und die Preise von DeepSeek waren so niedrig, als würde er Wohltätigkeit betreiben. Deshalb nannten ihn Programmierergemeinschaften oft „Heiliger Liang“ und scherzten halb ernst, dass „seine Wohltat nie zurückgezahlt werden kann“.

Innerhalb dieses halben Jahres hat DeepSeek jedoch nacheinander zwei Finanzierungsrunden vorangetrieben und seine bisherige Betriebsweise, die sich auf interne Mittel und die Modellforschung konzentrierte, geändert.

Im Juni dieses Jahres schloss DeepSeek die erste Finanzierungsrunde mit einem Volumen von etwa 51 Milliarden Yuan ab, angeführt von Liang Wenfeng selbst, der CATL-Gruppe und Tencent. Liang Wenfeng persönlich steuerte etwa 20 Milliarden Yuan bei und war damit der größte einzelne Geldgeber; Tencent steuerte etwa 10 Milliarden Yuan bei, und die CATL-Gruppe etwa 5 Milliarden Yuan. Kurz danach begann DeepSeek die zweite Finanzierungsrunde, deren Volumen von ursprünglich 500 Milliarden Yuan auf über 1 Billion Yuan angehoben wurde. Die Investoren wurden weiter auf Chip-, Automobil-, Unterhaltungselektronik- und Internetunternehmen ausgeweitet. Neben Tencent und der CATL-Gruppe, die jeweils 10 Milliarden Yuan beisteuerten, gehören weitere industrielle Investoren zu Changxin Storage, SMIC, vivo, Meituan, Geely, Midea Group und andere. Das Kapital, das DeepSeek vorantreibt, erstreckt sich auf mehr Ebenen industrieller Investoren.

Dahinter steht die Anforderung des Wettbewerbs um fortschrittliche Modelle an Umfang und Kontinuität der Investitionen.

In der Vergangenheit stand bei DeepSeek vor allem im Fokus, wie man Modelle effizienter trainiert und dem Markt Fähigkeiten zu kostengünstigeren Preisen anbietet. Nach einem Durchbruch bei einem Training muss das Unternehmen jedoch zwei Rechnungen gleichzeitig tragen: Eine dient der Erkundung des nächsten Modells, dessen Ergebnisse und Renditen unsicher sind; die andere dient der Unterstützung der bereits online gestellten Dienste, bei der kontinuierlich stabile und nutzbare Inferenzfähigkeiten bereitgestellt werden müssen. Die Forschung und Entwicklung hört nicht auf, weil das Produkt online gestellt wurde, und der Dienst kann nicht für das nächste Training unterbrochen werden.

Höhere technische Effizienz kann die Kosten für einzelne Aufgaben senken, führt aber nicht unbedingt zu einem Rückgang der Gesamtinvestitionen des Unternehmens. Wenn sich die Fähigkeiten des Modells erweitern und die Arten von Diensten zunehmen, können die eingesparten Ressourcen schnell von neuen Anforderungen verbraucht werden. Für DeepSeek besteht die Prüfung des langfristigen Wettbewerbs darin, ob es gleichzeitig mit kontinuierlichen Investitionen Kapital, Rechenleistung und Einnahmen an den Rhythmus der Forschung und Entwicklung anpassen kann.

In der zweiten Jahreshälfte hat DeepSeek mit Anpassungen bei den Gebührenmodellen bereits diese betriebswirtschaftlichen Überlegungen deutlich gemacht.

Mitte August, als die offizielle Version von V4-Pro online ging, führte die API eine Spitzen- und Talpreisgestaltung ein, und die Gesamtpreise wurden etwas angehoben. Unterschiedliche Preise für Spitzen- und Talzeiten können zeitunabhängige Anforderungen dazu anleiten, die Nutzung zu verlagern, sodass die begrenzte Rechenleistung mehr Aufgaben übernehmen kann. Am 1. November führte die neu eingeführte Search- und Fetch-API eine Abrechnung nach erfolgreichen Anforderungen durch, und DeepSeek hat einen weiteren Gebührenzugang für Such- und Erfassungsfähigkeiten außerhalb des Modells eingerichtet.

Von der Modellaufrufung bis zu begleitenden Tools decken die Gebühren nun mehr Dienstleistungsbereiche ab. In der Vergangenheit halfen niedrige Preise DeepSeek, schnell in die Auswahl der Entwickler zu gelangen; in Zukunft wird die Frage, wie diese Nutzung Einnahmen generieren kann, die die kontinuierliche Versorgung unterstützen, seine betrieblichen Regelungen immer stärker beeinflussen.

Gleichzeitig mit den Einnahmen muss auch die Frage geklärt werden, wo die Rechenleistung herkommt.

Ein Bericht von a16z, der im Oktober veröffentlicht wurde, zeigt, dass die Mietpreise für Nvidias H200 und B200 gegenüber Anfang des Jahres deutlich gestiegen sind. Für Unternehmen, die Modelle kontinuierlich trainieren und bereitstellen, wirken sich die Beschaffungskosten, der Lieferrhythmus und das verfügbare Volumen der Rechenressourcen darauf aus, wann das nächste Produkt auf den Markt kommen kann. Selbst wenn das Unternehmen genug Geld auf dem Konto hat, braucht es genügend Chips sowie Softwaresysteme, die die Chips effizient betreiben können.

Dass DeepSeek die Anpassung an inländische Rechenleistung vorantreibt, erweitert genau die Auswahlmöglichkeiten in diesem Bereich.

Kürzlich berichteten Medien, dass das nächste Modell von DeepSeek, V5, für das Vortraining auf Ascend-Chips geplant ist. Bisher übernahm Ascend nur die Inferenzaufgaben für DeepSeek-Modelle. In der V4-Phase haben beide Seiten eine große Anzahl von Anpassungen der zugrundeliegenden Operatoren abgeschlossen. V5 wird das erste große Modell sein, das nativ auf dem Ascend 950 trainiert wird, mit einem Zeitplan für die Markteinführung im nächsten Jahr.

Betrachtet man die Aktionärslisten der beiden Finanzierungsrunden, bekommt die Veränderung eine weitere Bedeutung. Neben Tencent und der CATL-Gruppe haben der Eintritt von Unternehmen wie Changxin Storage, SMIC, vivo, Geely und Midea DeepSeek kapitalmäßige Verbindungen zu Speicherchips, Endgeräten und der Fertigungsindustrie aufgebaut. Diese Unternehmen verteilen sich auf verschiedene Glieder der Modellbereitstellung und -anwendung und werden in Zukunft möglicherweise mehr industrielle Zusammenarbeit mit DeepSeek eingehen.

Besonders erwähnenswert ist Changxin Technology. Tatsächlich tauchten Unternehmen unter Liang Wenfengs Flagge wie High-Flyer Quant bereits als Gruppe in der Zuteilungsliste von Changxin auf, als Changxin an die Börse ging, und beteiligten sich an der Zeichnung neuer Aktien. „Du investierst in meine KI, ich investiere in deine Chips“ – Changxin und DeepSeek haben tatsächlich eine tiefe ökologische Bindung aufgebaut.

Warum auf körpergebundene Intelligenz setzen?

Nachdem sich die Kapitalreserven erweitert haben, beginnt DeepSeek auch, nach neuen Investitionsrichtungen außerhalb von Modellen zu suchen. Die körpergebundene Intelligenz ist eine bemerkenswerte Wahl unter ihnen.

Liang Wenfeng beteiligte sich zuerst an der Aktienzuteilung von Unitree, kontaktierte dann intensiv Unternehmer für körpergebundene Intelligenz, und DeepSeek tauchte auch in der Investorenliste von zwei frühen Unternehmen auf.

Anfangs beteiligte sich Liang Wenfeng über drei Einheiten: DeepSeek, Ningbo High-Flyer Quant und Zhejiang Jiuzhang Asset an der Zuteilung von Unitree, was weithin als eine finanzielle Investition angesehen wurde. Denn Liang Wenfeng hatte einmal gesagt: „Die körpergebundene Industrie ist noch zu früh.“

Aber danach begann er, einige Unternehmer für körpergebundene Intelligenz zu treffen und als Laie intensiv zu lernen. Bald tauchten die beiden von DeepSeek investierten Projekte auf: Winverse AI und Liige Wannwu.

Hu Han, Gründer von Winverse AI, war früher verantwortlich für das Team des visuellen Sprachmodells und des Grundmodells für körpergebundene Intelligenz von Tencents Hunyuan, und sein Unternehmensgründungsfeld ist das körpergebundene Gehirn und das Weltmodell. Yu Tao, Gründer von Liige Wannwu, forschte früher an verstärkendem Lernen und leitete ein Team bei ExDynamic, das ein ganzkörperiges Steuersystem aufbaute. Derzeit erforscht das Unternehmen die Kombination von großen Sprachmodellen und körpergebundener Intelligenz.

Laut einem Bericht von Bloomberg vom 12. Oktober führte DeepSeek die Seed-Runde von Winverse AI mit einem Betrag von mehreren zehn Millionen US-Dollar an, die Bewertung nach der Investition beträgt etwa 400 Millionen US-Dollar, gefolgt von Meituan Longzhu. Die erste Finanzierungsrunde von Liige Wannwu wurde in Form einer „Freunde-und-Familie-Runde“ abgeschlossen, zu den Investoren gehören HSG, Lisi Capital und DeepSeek.

Aus technischer Sicht nähern sich die beiden Projekte jeweils den Schlüsselfragen, wie Roboter die Umgebung verstehen und Aktionen ausführen. Sie ergänzen das Hauptgeschäft von Unitree und entsprechen den Fähigkeiten, die große Sprachmodelle ergänzen müssen, wenn sie in die physische Welt eintreten.

In einem Austausch mit Investoren im Juli 2026 gab Liang Wenfeng eine Roadmap mit sechs Phasen für AGI an: Sprachmodell → Gedankenkette → Agent → Kontinuierliches Lernen → Selbstiteration → Körpergebundene Intelligenz. Die Maßnahmen von DeepSeek in der zweiten Jahreshälfte, die Iteration von Agenten stetig voranzutreiben und in den Bereich der körpergebundenen Intelligenz einzudringen, entsprechen genau dieser Vorstellung.

Am 13. August, als die offizielle Version von V4-Pro veröffentlicht wurde, stellte DeepSeek gleichzeitig das Open-Source-Betriebsframework für Agenten Harness vor. Am 31. Oktober veröffentlichte das Harness-Team von DeepSeek sogar den Designprototyp des Super-Agenten, sodass der Agent von einem Werkzeug, das auf Anweisungen wartet, zu einem Mitarbeiter wird, der die Arbeitsumgebung wahrnimmt, kontinuierlich ausführt und nur bei Bedarf um menschliche Hilfe bittet.

Diese Reihe von Maßnahmen stärkt die Fähigkeit der KI zur autonomen Ausführung und zum kontinuierlichen Betrieb, sodass die KI zuerst in der digitalen Welt lernt, „selbstständig und kontinuierlich zu arbeiten“, bevor sie in die physische Welt eintritt, ohne ratlos zu sein.

Ein Unternehmen für Roboter-Gehirne, ein Unternehmen für Roboter-Bewegungssteuerung, plus Unitree für die Roboter-Hardware, ergänzt um seine eigenen großen Sprachmodelle und Agenten: Die Investitionen von DeepSeek haben die Schlüsselfelder der körpergebundenen Intelligenz – von Wahrnehmung und Verständnis über Bewegungssteuerung bis zur Hardware-Trägerin – in ein einziges Panorama integriert.

Aus dieser Sicht dienen DeepSeeks Investitionen in körpergebundene Intelligenz möglicherweise zwei Zielen gleichzeitig: die Suche nach Anwendungsräumen für bestehende Modelle und den Zugang zu Problemen, die für die Modelforschung der nächsten Phase benötigt werden. Ersteres betrifft, wer die Fähigkeiten von DeepSeek nutzen wird, und Letzteres betrifft, wie diese Fähigkeiten sich in Zukunft weiterentwickeln werden.

Und wenn es um die Kombination von großen Modellen und körpergebundener Intelligenz geht, ist DeepSeek kein Einzelfall. Die Konkurrenten auf der anderen Seite des Ozeans führen ebenfalls systematische Operationen durch.

Beispielsweise gründete OpenAI im Juni dieses Jahres OpenAI Robotics unter der Leitung von Aditya Ramesh, dem Kernentwickler von Sora. Auf der offiziellen Website werden 27 Stellen für Roboter ausgeschrieben, und es wird erwartet, dass im Jahr 2027 ein Demonstrationsprototyp vorgestellt wird.

Kann körpergebundene Intelligenz DeepSeek unterstützen?

DeepSeek mobilisiert Ressourcen für einen längerfristigen Wettbewerb. Ob dieses Layout funktioniert, hängt letztlich von einem Ergebnis ab: Ob die neuen Kapitalmittel, Auswahlmöglichkeiten für Rechenleistung und externe Zusammenarbeit ihm helfen können, die Modellfähigkeiten weiter zu verbessern.

Die Investition in körpergebundene Unternehmen ist nur der Ausgangspunkt dieses Prozesses. DeepSeek muss mit den Partnern konkrete Aufgaben finden, das Modell an Tests beteiligen und dann die Fehler bei der Ausführung in analysierbare und trainierbare Rückmeldungen umwandeln. Nachdem das Modell verbessert wurde, muss es wieder am Roboter getestet werden, um die Wirkung zu überprüfen. Nur wenn dieser Prozess kontinuierlich ablaufen kann, können die Aktienverhältnisse in technische Akkumulation umgewandelt werden.

Derzeit ist die enge dieser Verbindung immer noch der Teil von DeepSeeks Layout, der am meisten beobachtet werden muss.

Die investierten Unternehmen haben ihre eigenen Forschungs- und Entwicklungsziele und wählen Modelle entsprechend der Aufgabenleistung aus. Zum Beispiel versucht Unitree derzeit, OpenAI-Modelle zu implementieren, was zeigt, dass die technischen Entscheidungen von Roboterunternehmen immer offen bleiben.

Vor kurzem enthüllte Wang Xingxing auf der Industriemesse, dass die Testergebnisse der Implementierung von GPT-6 auf Unitree-Robotern gut sind, und es wird erwartet, dass nach der Veröffentlichung von GPT-7 im nächsten Jahr die aktuellen Engpässe der körpergebundenen Intelligenz weiter durchbrochen werden können.

Am 3. September veröffentlichte OpenAI GPT-6 Astra. In Simulationstests fungierte GPT-6 Astra direkt als Aktionsstrategie und erreichte bei 42 simulierten Roboter-Bedienaufgaben und 2100 Tests eine durchschnittliche Erfolgsrate von 22,48 %, die 40 öffentliche Roboterstrategien in der Bewertung übertraf.

Die Fähigkeit der führenden großen Sprachmodelle, die Grundlagen der körpergebundenen Intelligenz zu übernehmen, ist tatsächlich eine Quelle von DeepSeeks gewisser Besorgnis. Für DeepSeek ist das Wichtigste, den Abstand zu den fortschrittlichsten Modellen nicht zu vergrößern. Die körpergebundene Intelligenz kann sowohl seine zweite Wachstumskurve sein als auch ein technischer Verteidigungskampf.

Gleichzeitig sind große Modelle und körpergebundene Intelligenz zwei kommerzielle Wege, die sich gegenseitig widerspiegeln,