5000亿DeepSeek即将亮相，梁文锋为何执意建造中国AI航母？

一、打破固有印象：DeepSeek从独立实验室，蜕变为算力基建巨头

  在2026年上半年之前，大众对于DeepSeek的认知，基本局限于顶尖开源大模型厂商。2023年成立以来，这家企业先后推出V2、V3系列大模型，其中V3.1版本整体参数规模671B（6710亿），采用混合专家架构，实际激活参数370亿，凭借极强的数学推理、代码生成、超长文本处理能力，在全球开源榜单中长期稳居前列，海外平台HuggingFace、国内魔搭社区下载量常年居高不下。

  2026年4月发布的DeepSeek-V4系列更是彻底引爆市场，全系标配100万Token超长上下文窗口，能够一次性完整解析75万字左右的文本内容，整套《三体》三部曲、几百页上市公司财报都可以一次性读取分析。同时团队大幅优化推理架构，算力消耗降低至前代产品27%，硬件显存占用缩减90%。更具冲击力的是定价策略，V4-Flash轻量化版本百万Token输入成本最低仅0.02元，整体使用成本只有GPT、Claude等海外顶尖模型的百分之一。根据全球AI调用平台OpenRouter7月末至8月初统计数据，DeepSeek V4-Flash单周Token调用量高达7.22万亿，登顶全球大模型调用榜单，商业化普及速度远超国内同行。

  即便产品实力已经站在行业第一梯队，DeepSeek此前始终保持轻资产运营模式。算力资源主要向第三方云服务商租赁，研发资金全部来自幻方量化的盈利收入。创始人梁文锋在早期内部交流会议中明确表示，不急于商业化变现、不接纳短期逐利的风投资本，优先打磨算法架构，把模型本身做到极致。

  转折发生在2026年年中。6月份，DeepSeek首轮500亿融资顺利交割，梁文锋个人出资200亿元，成为最大出资方，投资方阵容以国家队产业资本、腾讯等头部产业企业为主，彻底拒绝高瓴、红杉等纯财务VC机构。融资落地之后，企业运营思路发生根本性转变，官网招聘板块大规模新增IDC数据中心规划工程师、超算运维、电力冷却系统设计、国产芯片适配工程师等岗位，招聘范围覆盖内蒙古、华北算力枢纽片区。

  业内人士敏锐捕捉到关键信号：DeepSeek不再满足租用外部算力，正式亲自下场重资产自建大型智算中心。8月初，多家财经媒体、海外路透社、彭博社同步爆料，企业第二轮500亿融资计划敲定，8月下旬完成签约，投前估值5000亿。全部资金规划清晰明确，60%至70%额度直接投向算力硬件采购、自有数据中心建设，剩余资金用于5000亿参数巨型基座模型训练、自研推理芯片研发、全行业AI应用生态搭建。

  至此，梁文锋的全盘规划彻底浮出水面：过去DeepSeek是一台性能顶尖的AI发动机；未来，它要建造完整的航母编队，发动机、动力系统、发电站、补给体系、指挥系统全部自主掌控，这套体系，也就是外界所说的中国AI航母。

二、核心疑问：为什么非要自建算力，不能继续租算力使用？

  很多外行用户会产生疑问，市面上阿里云、华为云、腾讯云都提供成熟的算力租赁服务，按需付费、灵活便捷，不需要承担高昂的机房建设、硬件采购成本，属于标准轻资产商业模式，国内绝大多数AI企业都是这种运营模式。梁文锋逆势而行，投入千亿资金砸向重资产算力基建，看似投入巨大、回报周期漫长，实际上是看透了当前国产AI行业最核心的痛点。

第一，全球高端算力资源供给紧张，租赁模式无法保障大模型长期迭代节奏。

  当前人工智能领域，算力等同于工业时代的石油，是一切技术研发的底层基础。超大参数大模型的预训练、迭代优化，需要海量AI显卡、持续稳定的超大算力集群支撑。头部海外企业OpenAI、谷歌Gemini，每年在算力采购、集群建设上投入数百亿美元，才能支撑万亿参数级别模型持续更新。

  梁文锋在内部投资人会议中坦诚过行业现状：目前高端AI加速卡属于全球紧缺资源，不管是海外英伟达高端系列，还是国产昇腾、海光加速芯片，产能有限，市场采购难度极大。即便花费高价，也很难大批量稳定拿货。第三方云厂商的算力池面向海量客户开放，高峰期算力资源需要排队预约，训练任务排期动辄几周甚至数月。如果DeepSeek始终依赖外部租赁算力，后续更大参数规模的模型研发，必然会被算力排期、资源争抢掣肘，研发节奏完全不由自己掌控 。

  举个实际案例，此前DeepSeek团队计划针对V4版本进行大规模微调优化，因为外部算力集群高峰期满载，整体研发进度被迫延后两周。对于迭代速度以天为单位的AI行业来说，两周的滞后，足以在激烈竞争中拉开差距。自建GW级别自有算力集群之后，算力资源完全内部调度，不存在外部争抢、预约排队问题，模型训练、测试、迭代节奏可以完全自主把控，这是千亿资金投入最核心的价值。

第二，摆脱外部供应链限制，实现算力自主可控，规避外部技术壁垒风险。

  近几年全球半导体、AI硬件贸易环境复杂，海外高端GPU出口管制政策持续收紧，单纯依赖进口海外芯片存在极大不确定性。国内AI行业已经形成共识，全产业链国产化、软硬件自主适配，是长久发展的硬性前提。

  DeepSeek本轮算力布局，从根源上贯彻国产化替代路线。规划建设的乌兰察布超大型智算中心，计划2027年底首批算力正式上线运行，整体集群将以华为昇腾950系列、海光DCU国产加速卡为核心硬件主力，搭配TileLang国产编程语言框架深度适配。梁文锋在技术沟通会上给出明确判断：当前国产AI芯片硬件性能、架构设计已经完全成熟，唯一短板是整体生态适配度不足，而大型模型企业大规模批量采购、深度优化适配，能够反向推动国产软硬件生态快速完善成熟。

  与此同时，企业已经秘密启动自研AI推理芯片项目，研发周期长达一年，未来目标是兼顾训练、推理双重需求，彻底摆脱对外购芯片的依赖。这套硬件布局，和国家东数西算战略、算力基础设施建设规划高度契合，不再把产业命脉交到外部供应商手中，从底层硬件层面筑牢安全屏障，这也是AI航母最核心的"船体骨架"。

第三，长期成本优势显著，适配巨型模型的专属算力调度架构。

  短期来看，自建数据中心、批量采购服务器、液冷散热设备、配套电力设施，前期投入资金体量巨大，门槛极高。但是从长期5到10年的运营周期计算，自建集群的成本优势碾压租赁模式。

  商用云服务商租赁算力，需要叠加企业运营利润、机房场地成本、运维溢价，最终终端价格远高于硬件本身使用成本。DeepSeek自建机房选址内蒙古乌兰察布，这里属于东数西算国家八大枢纽节点之一，年均气温偏低，天然适合数据中心散热，能够大幅降低液冷设备能耗；当地风电、光伏绿电资源丰富，电价低廉，可以有效控制算力用电成本，数据中心PUE能耗比值能够优化至1.2以内，优于行业平均水平。

  除此之外，自有算力集群可以针对DeepSeek自身大模型架构进行定制化调度优化。MoE混合专家架构的大模型，算力调度逻辑和通用算力服务器并不匹配，第三方云平台通用调度方案，无法发挥硬件全部性能。自研算力调度系统，可以精准匹配模型运算特征，硬件利用率提升至85%以上，远高于行业50%至60%的平均利用率，算力利用效率实现质的飞跃，间接降低五千亿参数大模型日常训练、推理的整体成本。

三、五千亿参数大模型：并非盲目堆参数，是AI航母的核心舰载主力

  很多网友简单理解，五千亿参数大模型，就是单纯数字越大越强，属于行业参数内卷，其实这种认知比较片面。梁文锋规划这款超大参数基座模型，并不是为了博取噱头、跑分榜单数据，而是整套AI航母战略里的核心核心载荷，承担三大关键使命。

首先，作为通用基础基座，支撑海量垂直行业模型微调开发。

  当前AI产业化落地的主流模式，就是通用大基座+行业垂直小模型。通用大模型具备通识知识、逻辑推理、理解能力，企业开发者基于开源基座，导入行业专属数据，微调训练出适配工业、金融、医疗、教育、智能制造的专属模型。

  参数规模更大的基座模型，通识能力、泛化能力、逻辑上限更高，微调之后的垂直模型精度、实用性更强。五千亿参数MoE架构巨型模型，激活参数规模可控，不会出现算力浪费问题，同时推理上限远超现有671B参数版本。对外开放开源之后，能够给全国数百万AI开发者、中小企业提供更高质量的底层底座，降低行业整体AI开发门槛，繁荣国内开源应用生态，相当于航母搭载的舰载机编队，数量越多、性能越强，整体作战覆盖范围就越广。

其次，攻坚通用人工智能AGI技术探索，追赶全球顶尖技术前沿。

  目前全球头部科技企业，都在向通用人工智能方向研发，更强的逻辑思考、自主规划、多工具联动、自主纠错能力，是下一代AI的核心方向。这类复杂能力的训练，必须依靠超大参数量、海量高质量数据、超高算力支撑。

  国内整体AI技术水平，和海外顶尖团队相比，整体存在12至18个月的差距，差距核心不在于算法人才，而在于整体算力资源投入体量。梁文锋多次提到，算法、人才差距可以快速追赶，算力资源的体量差距，需要巨额资本、长期基建投入才能补齐。五千亿参数大模型，就是国内前沿技术攻坚的载体，依靠自有海量算力不间断训练迭代，在深度推理、自主智能体Agent领域实现技术突破，缩小和国际顶尖水平的差距，这也是国产AI摆脱跟随式发展，走向自主引领的关键一步 。

最后，完善商业闭环，平衡研发投入，实现可持续良性运转。

  DeepSeek此前V4系列低价策略，已经积累了海量开发者用户，API调用量稳居全球前列。但低价模式很难长期单纯依靠自有资金补贴。五千亿参数旗舰模型，主打高端企业级市场，面向大型制造业、金融机构、政企单位提供私有化部署、定制化微调、专属算力服务，属于高附加值商业化业务。高端业务产生营收利润，反哺底层算力基建、基础开源模型研发，高端盈利+普惠开源双向闭环，整个AI航母舰队就可以自我造血、良性循环，不用持续依赖外部融资输血，具备长久独立发展能力。

四、时代风口：梁文锋AI航母计划，完美契合国家顶层算力战略

  个人企业的宏大布局，永远离不开宏观产业大环境的支撑。DeepSeek全力建造算力基础设施、打造自主AI全栈体系，恰好完全贴合国家数字经济、人工智能产业的整体规划方向，这也是国家队资本愿意大额入局、鼎力支持的关键原因。

  从顶层政策文件来看，"十五五"规划纲要已经明确提出，深入推进东数西算工程，搭建全国一体化多层次算力设施网络，将算力网和电网、水网、物流网并列，纳入国家六大新型基础设施体系。国家发改委、工信部联合发布的《算力基础设施高质量发展行动计划》，清晰设定目标：规模化建设绿色智算中心，提升国产算力供给能力，软硬件协同发展，降低全社会算力使用成本，为人工智能+全面行动提供底层硬件支撑 。

  国务院印发的《关于深入实施"人工智能+"行动的意见》，核心任务分为两大板块：一是智能产业化，攻坚高端算力芯片、大模型算法、核心软硬件技术，补齐产业链短板；二是产业智能化，利用AI技术赋能工业制造、各行各业转型升级。DeepSeek一边自建国产芯片为主的算力集群，一边研发通用大模型赋能千行百业，完整契合两大核心任务，属于政策重点扶持、鼓励发展的产业方向 。

  过去国内算力产业格局，大多是云运营商建机房，AI企业租用算力，上下游相对割裂。梁文锋的模式，把算力基建、芯片适配、大模型算法、开源应用生态整合为一体化整体，打通上游硬件、中游算法、下游应用全链条。这种一体化模式，能够有效串联芯片厂商、服务器制造企业、数据中心运维服务商、AI开发者群体，带动整条国产算力产业链协同发展，拉动上下游产业规模增长，社会价值已经超越一家商业公司本身的盈利目标，这也是"AI航母"格局的深层内涵——它不只是一家企业的竞争力，更是国产AI产业集群的整合平台。

五、客观理性看待布局：野心宏大，但并非毫无挑战

  站在客观理性的角度，橙子也需要客观说明，这套AI航母蓝图前景广阔，但落地过程中依然存在不少现实挑战，不存在一帆风顺的发展路径。

第一，千亿级别资金重资产投入，资金运营管理压力巨大。

  两轮千亿融资，大部分资金要在两年之内完成硬件采购、机房建设、集群部署。AI芯片全球产能有限，大批量稳定采购、议价谈判，本身就是难度极高的系统性工程。数据中心建设涉及土地、电力、工程施工、冷却系统调试、后期运维管理，属于跨领域重资产工程，和软件算法研发属于完全不同的业务体系，团队跨界管理能力需要持续磨合提升。

第二，国产软硬件生态适配优化，需要长期时间沉淀。

  虽然昇腾、海光等国产芯片硬件性能已经达标，但整体软件生态、编译工具、算子库完善度，和成熟的CUDA生态相比还有差距。DeepSeek需要投入大量工程师人力，持续优化适配框架，让五千亿参数大模型在国产硬件上稳定、高效运行，这个适配磨合过程，需要大量时间、人力成本投入，无法一蹴而就。

第三，巨型参数模型的工程化落地难度极高。

  参数规模达到五千亿级别，模型训练、参数同步、分布式调度、显存优化、故障容错，工程难度指数级上升。全球范围内，能够稳定驾驭万亿级混合专家大模型的工程团队数量稀少，高端算力架构工程师、分布式AI人才属于稀缺资源，人才储备扩充，是长期需要解决的问题。

  不过从整体行业趋势来看，这些挑战都是产业发展过程中的阶段性问题。随着国产芯片产能逐年释放、算力人才不断扩充、东数西算配套设施不断完善，所有难题都会逐步化解。梁文锋选择在当下这个时间节点全力all in算力基建，本质上是抓住产业发展黄金窗口期，提前布局未来5到10年的核心竞争力。

  纵观全球科技产业发展史，任何一个大国高端科技产业的崛起，都离不开自主可控的底层基础设施。航空母舰代表远洋海军的硬核实力，而自主可控、体量庞大、全栈一体化的算力集群与大模型体系，就是数字智能时代的科技航母。它承载的，不只是一家企业的商业野心，更是国内人工智能产业摆脱外部束缚、独立自主、向上突破的时代诉求。

  从幻方量化自研萤火一号、二号超算集群，提前预判算力时代风口；到三年低调深耕开源大模型，打磨核心算法技术；再到如今开放千亿融资，自建算力底座、冲刺五千亿参数巨型模型、布局自研芯片，梁文锋整套战略路径连贯清晰，步步为营。我们不必神化企业的发展速度，也不能轻视这套布局对于国产AI行业的长远价值。当越来越多类似DeepSeek的企业，扎根底层硬件、攻坚核心技术、搭建自主生态，国内人工智能产业才能真正从应用层繁荣，走向底层软硬件全面强大，在全球科技竞争中掌握更多主动权。