DeepSeek融资500亿，梁文锋难逃资本局
出身量化圈，梁文锋却对资本一直非常不感冒。
也正因此，5月的科技圈，没有任何消息比DeepSeek的融资更具冲击力。
据The Information援引多位知情人士透露，DeepSeek正在寻求完成一轮规模超过500亿元人民币（约73.5亿美元）的融资，其中创始人梁文锋计划在本轮融资中个人出资200亿元，占募资总额的40%。腾讯拟出资60亿元获得约2%股权，而国家集成电路产业投资基金（大基金）正在洽谈领投。
如果顺利落地，这将刷新中国AI公司单轮融资纪录，投后估值有望突破3500亿元（约515亿美元）。
21天前，也就是4月初，市场对DeepSeek的估值还停留在100亿美元，初始融资计划仅为3亿美元，用于期权定价。21天后，估值暴涨超4倍，融资规模翻了24倍。
对于熟悉梁文锋的人来说，这个消息无异于一场“核爆”。这位曾多次宣称“暂不融资”、婉拒腾讯和阿里入股邀约的技术理想主义者，为何突然改变立场，而且是以如此惊人的规模？
事实上，近期从国内到海外市场，包括OpenAI、智谱AI、月之暗面等几家头部AI大模型公司都在进行大规模融资，我们在大模型爆火之初就说过，这是一个“神仙打架”的市场。
在这其中，DeepSeek不是正规的天庭大军，可能是独树一帜的“镇元子”。
而故事的主角梁文锋，1985年生于广东湛江，浙大本硕毕业，从量化私募巨头幻方量化的掌舵人，到DeepSeek的创始人，他也始终是科技圈最“特立独行”的存在。
现如今，世道变了，以往是公司求着融资而不得，DeepSeek却被裹挟着进入AI化的资本浪潮。
从幻方量化到DeepSeek的“技术洁癖”
要读懂这次融资，必须先读懂梁文锋和他一手打造的“DeepSeek式理想国”。
梁文锋的起点，是金融圈。
2008年，刚毕业的梁文锋带着7人团队，用机器学习模型做量化交易，三个月实现500%收益。2015年，幻方量化正式成立，凭借AI驱动的量化策略，迅速崛起为行业头部玩家。
2021年，幻方量化资产管理规模突破千亿，2025年平均收益率达56.6%，仅当年就为梁文锋带来超7亿美元收入。DeepSeek的“不差钱”，从来不是一句空话。
但梁文锋的野心，从来不止于金融。
早在2020年甚至更早，梁文锋及其团队就坚信，人工智能是未来核心驱动力，而算力是基础命脉。因此，当业内多数机构聚焦于策略和规模时，幻方做出了一个在当时看来极为超前且重资产的战略决策，即将大量利润持续投入，自建超大规模GPU计算集群。
2020年3月，其投资上亿元、搭载上千张高端GPU的“萤火一号”超级计算机正式投入运行。这一远超当时行业常规做法的投入，为其AI量化研究奠定了坚实基础，也为其后布局通用人工智能（如孵化DeepSeek）埋下了伏笔。
2023年4月，幻方量化宣布成立大模型公司DeepSeek，正式进军AI领域；7月，杭州深度求索人工智能基础技术研究有限公司注册成立，梁文锋亲自领衔，从金融科技跨界AGI赛道。
彼时的DeepSeek，是AI圈最“佛系”的异类。
成立初期，梁文锋给DeepSeek立下三条铁律：不融资、不上市、不商业化。在资本疯狂涌入AI赛道的2023-2024年，这是一个近乎“叛逆”的选择。
当字节、阿里、百度等互联网巨头，一边砸钱做模型，一边快速落地ToB、ToC业务时，当智谱AI、百川智能、月之暗面等创业公司，成立不久就启动多轮融资，靠资本输血快速扩张时，DeepSeek靠着幻方量化的“无限供血”，闭门研发，不路演、不宣传、不接商业订单。
梁文锋的理由很简单：技术理想主义，不能被资本和商业化绑架。
他曾公开表示：“DeepSeek的目标是做世界顶级的通用大模型，不是为了赚钱，也不是为了上市。资本会追求短期回报，商业化会妥协技术路线，这些都会干扰我们的核心目标。”
这份纯粹，让DeepSeek迅速跻身国产大模型第一梯队。
2024年5月，DeepSeek-V2发布，创新的模型架构和极致性价比引发热议；2024年12月，DeepSeek-V3开源，公布53页技术细节。
2025年1月，DeepSeek-R1发布，在数学、代码、推理等任务上，性能比肩OpenAI o1正式版。据其团队在英国《自然》杂志发表论文披露，DeepSeek-R1模型的训练成本仅为29.4万美元，构建基础大语言模型也只花费了约600万美元，这一成本已远远低于美国同行透露的数字。
技术上的成功，让DeepSeek成为国产大模型的技术标杆，也让梁文锋的“三不铁律”一度成为行业美谈——原来，不靠资本，不靠商业化，也能做出世界一流的大模型。
但理想很丰满，现实的暗流早已涌动。
三重压力下DeepSeek的理想被现实撞碎
梁文锋一再坚持的远离资本圈的立场，在2026年4月发生了策略性调整。
量化对冲基金出身的人不会做冲动决定。梁文锋转向资本，一定经过了冷静地测算。测算的背景，是DeepSeek面临的竞争格局正在发生质变。
从当前公开媒体报道的信息来看，引发其做出这一决定的关键因素之一，是人才问题。
DeepSeek一直被视为中国大模型行业里最特殊的一家公司——团队规模小、人才密度极高、几乎不社招，以应届生和实习生留任为主。
但正是这种小团队的精锐模式，使得每一个核心研究员的权重都被放大到了极致。
过去一年，DeepSeek多位技术骨干被高薪挖角，AI才女罗福莉被雷军挖到了小米，研究员郭达雅也已加入字节跳动，担任Agent负责人之一。公开信息显示，自2025年下半年以来，公司至少5名核心研发人员相继离职，知名科技企业都在不计成本挖人。
也正因此，行业有说法称，梁文锋最近寻求融资，正是在给员工做期权定价，以留住人才。
如果说人才流失就是“近忧”，那么资金压力是“远虑”，尤其是算力成本。
业内皆知，AI大模型的研发，是典型的“重资产、高投入、长周期”生意。如果说两年前大模型的竞赛还可以靠算法巧思“四两拨千斤”，那么如今则是赤裸裸的算力消耗战。
V4.1定档2026年6月发布，将重点优化推理、多模态与稳定性，而这背后，从训练到推理，从英伟达到昇腾，从千卡集群到万卡集群——每一步都需要天文数字的投入。
幻方量化再有钱，也撑不住一场与全球巨头正面交锋的算力军备竞赛。更关键的是，AI行业的竞争是“不进则退”，一旦资金链跟不上，技术迭代就会停滞，很快就会被对手超越。
最重要的是，当前AI行业竞争本身发生质变，同时整体资本市场对AI大模型公司的估值逻辑也变了。
在国内，字节跳动、阿里巴巴携巨额资金加码AI，月之暗面刚完成20亿美元融资，投后估值突破200亿美元，年度经常性收入在4月已超2亿美元。MiniMax、阶跃星辰等也在密集融资。
另外，智谱AI和MiniMax上市后的疯涨，也给整个行业估值树立了一个标杆。这也就意味着，如果行业中其他创企不能够趁现在的窗口期完成定价，其在一级市场的估值可能就会被瞬间击穿。
据悉，目前阶跃星辰也正在积极筹备上市工作。
整体来看，综合多重因素影响，这也就解释了，为什么梁文锋要开始融资，而且必须是现在。
但显然，他的入局方式，再次颠覆了行业认知：不稀释控制权，不引入短期资本，自己掏200亿领投，把资本主动权牢牢握在自己手里。
资本局的博弈梁文锋的控制权保卫战
DeepSeek的500亿融资，或许从来不是“缺钱找投资”这么简单。
显然，这是一场精心设计的资本博弈，梁文锋的核心目标只有一个：在引入资本的同时，牢牢掌握公司控制权，不让资本左右技术路线。
据天眼查工商信息显示，2026年4月27日，杭州深度求索人工智能基础技术研究有限公司（DeepSeek）注册资本由1000万元增至1500万元，创始人梁文锋通过直接增资将持股比例从1%提升至34%，原大股东宁波程恩企业管理咨询合伙企业持股比例稀释至66%。
通过直接与间接持股，梁文锋合计控制公司约84.29%的股权。可以看到，此次增资是公司内部股权结构调整，梁文锋个人出资500万元增资，没有引入任何外部新增股东。
这表明，在正式启动大规模外部融资前，DeepSeek已率先完成内部股权架构优化。这也意味着，在引入国家大基金、腾讯等巨头资本前，梁文锋通过股权调整巩固了自己的控制地位。
而对于此次融资，DeepSeek与其他AI大模型创业公司的融资存在两个最大的不同点：
其一，公开信息显示，本轮融资最震撼的细节，不是500亿的规模，而是梁文锋个人出资200亿，占融资总额的40%，成为最大投资方。
这种“创始人大额领投”的模式，在全球AI史上都极为罕见。本质上，这是梁文锋的“控制权保卫战”：我可以接受资本的钱，但绝不接受资本的控制。
其二，从目前消息来看，DeepSeek的投资方也同样精挑细选，只留两种钱：国家队资本、实体产业资本，传统财务VC（如红杉、高瓴）全部被拒之门外。
据上海证券报援引渠道人士消息，国家集成电路产业投资基金与深度求索洽谈主导其首轮融资，双方洽谈属实，但最终估值尚未敲定，参与融资谈判的投资方除国家大基金外，还包括多家互联网巨头与其他国资背景基金。
后续消息进一步确认，DeepSeek这轮融资中，梁文锋个人计划出资200亿元，占募资总额的40%，腾讯拟出资60亿元获得约2%股权，国家大基金预计将成为本轮融资的第二大出资方。另有消息称，阿里巴巴已与DeepSeek谈崩，双方未能在融资具体条款上达成一致。
这种投资方结构，背后是梁文锋的深层考量：拒绝财务VC，毕竟传统VC追求3-5年退出，会强迫公司快速商业化、快速上市，与DeepSeek“长期主义做技术”的理念相悖。
与之相对的，国家队+产业资本则更看重长期战略价值，而非短期回报，不会干预技术路线，还能提供政策、算力、场景等核心资源。
而梁文锋自掏腰包的200亿，买下的是在这个估值区间主导对话的权利。如果他在这一轮融资里只是小额跟投，甚至不参与出资，外部投资人对公司的定价权就会更大，公司的战略方向也会受到更多牵制。
200亿的自掏，则代表着一个清晰的立场：我对这家公司的判断，比任何一个外部投资人都更有把握。你们可以参与，但话语权受到我的天然制约。
无疑，这是一种非常高明的创始人博弈策略。
也正因此，可以看到，DeepSeek的融资也体现了“国家战略+创始人决心+生态构建+人才保卫”的多重逻辑组合，而其他公司更多是“技术扩张+商业化推进+市场份额争夺”的路径。
这种差异也反映了DeepSeek在中国AI产业中的特殊定位：不仅是商业公司，更是国家级技术资产和自主可控战略的关键棋子。
一脚踏入资本局的代价与风险
21天估值暴涨超4倍，从100亿美元到515亿美元，很多人质疑，这是不是资本泡沫？DeepSeek值这么多钱吗？
我们先简单来看个对比：
统计时间截止至 2026 年 5 月12日
在国内市场中，DeepSeek的450-515亿美元估值，使其成为仅次于智谱AI（484.83亿美元）的国内第二大估值大模型公司，超过了MiniMax（280亿美元）和Kimi（200亿美元）。
虽然智谱AI和MiniMax在二级市场都登上了千亿港币市值（智谱超3700亿港元，MiniMax超2100亿港元），但DeepSeek作为未上市公司，其一级市场估值已经接近甚至超过了这些上市公司的市值水平。
更为重要的是，DeepSeek的估值在短短一个月内从100亿美元飙升至515亿美元，增长了5倍，这种增长速度在创投史上极为罕见。
无疑，在中国市场中，DeepSeek在估值和融资规模上，都属于第一梯队。但相比海外市场巨头，DeepSeek的差距却并不是一点半点。
融资规模上，OpenAI的1220亿美元融资是DeepSeek计划融资73.5亿美元的16.6倍，Anthropic的300亿美元融资是DeepSeek的4.1倍，即使DeepSeek完成500亿元融资，其规模仍不及海外巨头的零头。
从估值来看，OpenAI估值8520亿美元是DeepSeek估值（按500亿美元计）的17倍，Anthropic目标估值9000亿美元是DeepSeek的18倍，DeepSeek的估值仅相当于OpenAI的5.9%，Anthropic的5.6%。
可以看到，DeepSeek作为中国大模型领域的领军企业，其500亿元融资创下了国内纪录，450-515亿美元的估值也使其成为国内估值第二的大模型公司。然而，与OpenAI、Anthropic等海外巨头相比，DeepSeek在融资规模和估值水平上仍存在数量级差距。
这种差距反映了全球AI产业的两个现实：
一方面是全球AI资本正向极少数头部企业高度集中，另一个则是中美AI生态差异，即美国企业享受全球资本红利，中国企业则更多依赖国内市场和战略资本。
不过，此轮DeepSeek融资的价值，不仅体现在商业估值上，更体现在其作为“国家级技术资产”的战略地位。随着国家大基金的入局，DeepSeek有望在国产AI芯片生态建设和大模型自主可控方面发挥关键作用，这可能是其与海外巨头竞争的重要差异化优势。
但是，500亿元融资和515亿美元估值并非没有风险。
DeepSeek目前的商业化模式相对单一，主要依靠API调用收费。开源策略固然构建了广泛的开发者生态，V4-Flash缓存命中价格低至0.02元/百万token，V4-Pro 0.025元，堪称全球底价，但也有大量企业客户选择自行部署，分流了付费API收入。按行业惯常的估值逻辑，515亿美元的估值能否得到对应的年收入规模支撑，仍是最大的不确定性。
更微妙的是控制权的博弈。梁文锋通过宁波程恩、宁波程信、宁波程普等多层有限合伙架构，目前掌握约84%的股权和近100%的表决权。但引入大基金、腾讯等外部股东后，这种绝对控制能否持续？
此外，人才流失的压力或许并未因融资而消失。Meta曾开出4年2亿至3亿美元的天价合同包挖角顶尖研究员，总包薪酬甚至高过全球身价最高的足球明星。
在AI人才可以被精准定价的时代，期权和薪资只是留住人的一部分，技术理想、研究氛围、成长空间同样是关键。DeepSeek能否在资本化之后，依然保持那种"不诱于誉，不恐于诽"的纯粹气质？
从拒绝融资到自投200亿，梁文锋的转变看似突然，实则是行业大势下的必然选择。
2026年的AI竞争，已经从模型技术之争，演进为算力、人才、产品与生态的全面战争。在这场战争面前，任何试图独善其身的“技术乌托邦”，都走进了围城之中。
按照计划，DeepSeek将于6月发布新模型V4.1，而这距离4月24日V4正式发布仅隔不到两个月。
尽管未到正式亮相时刻，但透露的信息也非常让人期待：它将原生支持图像、音频信息理解，虽输出为文本，但能直接处理多模态输入，大幅降低企业数据接入门槛；同时，模型将强化MCP协议适配，提供更丰富的企业级工具，适配办公自动化、智能客服、代码生成等场景。
技术底层延续V4混合注意力架构(CSA+HCA)，百万token上下文成为标配，推理成本较前代再降，显存占用仅为传统模型2%左右。
显然，这样的技术迭代速度，需要持续的资金支持。而在这场资本局中，没有赢家通吃，只有适者生存。
本文来自微信公众号 “光锥智能”（ID：guangzhui-tech），作者：白鸽，36氪经授权发布。