梁文锋的平权之战：Anthropic万亿与Deepseek千亿估值

观点网 一家以“克制”为标签的大模型公司，拿到了中国AI行业迄今为止最大的一张支票。

近日，据多家媒体报道，DeepSeek最新一轮融资筹集约1000亿元人民币，宁德时代与腾讯位列主要出资方，投前估值维持在约5000亿元人民币（约合750亿美元）。

老股东IDG资本、砺思资本、拾象资本跟投；新进方则集中在产业资本一侧，包括联想系君联资本、兆易创新系石溪资本、中芯聚源、吉利汽车产业基金、CPE源峰等。

融资目标也在谈判中两度上调，从最初500亿一路推至千亿规模。

今年6月底，DeepSeek刚完成首轮外部融资，规模约510亿元，梁文锋个人出资约200亿元。投资方资金注入其管理的有限合伙企业，不享有投票权。

就在DeepSeek融资消息传出的同一周，Anthropic于10月20日披露的招股文件显示：该公司2026年上半年营收163亿美元，净亏损807亿美元；未来数年算力承诺最高可达7500亿美元，其中相当部分是不可撤销的长期合同。

值得关注的是，其中约20%收入来自两个客户。Anthropic在招股书中坦言，亚马逊云服务、Google、微软“越来越把它当竞争对手而非客户”。

一家既需要持续向竞争对手购买算力、收入又高度集中的公司，想支撑2万亿美元估值，光靠增长已不够，关键的是市场是否愿意继续为这套高投入模式支付溢价。

在Anthropic冲刺“史上最大IPO”之际，其第三季度营收增速从上一季度的约140%放缓至45%之后，部分机构投资者将估值预期下修至约1.5万亿美元。

Anthropic的万亿故事要求市场相信：前沿智能天然昂贵，算力投入可以持续加码，溢价终将覆盖成本。

而梁文锋说的则是另一套逻辑：十个月回本，六倍利润，开源不影响这套商业模式的运转。

全面开源

10月20日，DeepSeek做了一件“大事”。

将其内部使用的推理框架DeepInfer整体开源。此类推理技术多被AI公司视为核心优势而鲜少外传；DeepSeek反其道而行，公开了一套既能降本又不牺牲效果的完整做法。

大模型公司通常愿意开源权重，因为权重是结果；而推理框架是过程，是决定一张卡能卖出多少Token的“调度系统”。

请求如何排队、算力怎么切分、多张芯片怎样协同、长上下文怎样避免重复计算，都发生在这个中间层。

在相同GPU上运行同一模型，推理框架效率一旦落后，成本就会明显增加；大模型公司的开销又高度集中在算力卡上，这种差距最终会落到真金白银的账单上。

对第三方服务商而言，DeepInfer的价值在于用同一批硬件处理更多请求、摊薄同款模型的运行成本；省下的空间既可改善利润，也可支撑更低的API报价。

值得关注的是，此次全面开源，DeepSeek同时放出了生产级的Token编解码组件deepseek-recipe。以确保第三方部署的API体验与官方对齐，让开发者可以放心地基于开源技术栈构建自己的服务。

在此之前，DeepSeek已经开源了模型、编译工具和算子库，DeepInfer补上了部署与运行这最后一块拼图。

DeepSeek在官方博客里给出的理由是，分享内部部署经验可以帮助开发者与企业降低算力成本和电力消耗，让智能以更低价格触达更多人。

据德意志银行测算显示，完成同类任务，Anthropic旗下Claude旗舰模型的成本约为3.25美元，DeepSeek V4-Pro约为0.05美元，前者是后者的65倍；Artificial Analysis指出，Claude的成本接近最便宜中国模型的9倍。

需要指出的是，DeepSeek在模型能力上并没有追平Claude。但DeepSeek把“跑一个够用模型”的工程成本，公开成了一条参考线。

闭源模型定价若远高于这条线，就须说明额外溢价对应哪些可验证的能力或安全价值；否则高溢价空间会被替代方案的成本优势迅速压缩。

在DeepInfer开源后，任何有运维能力的组织都可自行验证：运行一个性能可用的模型，成本究竟是多少。

据报道，AI基础设施公司Requesty首席执行官蒂博·杰古（Thibault Jaigu）在评论DeepInfer开源时表示，DeepSeek在告诉外界，“任何人都可以自行托管我们的模型”，关键在于如何高效管理。

当模型托管的技术门槛因开源而降低、托管能力向更多第三方扩散时，“前沿模型必须由少数云厂商以高价提供”就从技术必然退化为商业选择。

十个月回本

DeepInfer的开源回答了“能否自行运行”这一问题。梁文锋回答的下一个问题则是“跑起来后该收多少钱”。

梁文锋在今年5月的闭门会上曾表示：“我们的API定价对应合理利润，大致相当于从市场上采购一批设备后十个月收回成本。”

他进一步说明：“在当前情况下，考虑到风险和前期投入，如果一台服务器在财务上按三年或五年摊销，那么在商业上，我们认为十个月收回成本就够了。”按这一口径折算，对应约六倍利润。

随后，他把话题延伸至竞争层面：“在我们只赚约六倍利润的前提下，开源对商业模式没有任何影响。但如果想赚一百倍利润，开源确实会影响商业模式。因为，第三方基于开源模型独立部署，即使成本达到我们的二十倍，其定价仍可能低于我们。”

而Anthropic的万亿估值逻辑是：算力承诺越大，说明投入越深；亏损越深，说明未来溢价空间越大。

服务器按三年或五年摊销是财务惯例，但十个月回本够用，这个参照系一旦成立，闭源模型的高溢价就不再是不证自明的。

梁文锋还提到，此前一版大模型发布时，团队因担心需求过旺而将价格定得偏高，“团队内部对此并不十分满意”。此后价格下调至原四分之一，“公司群里许多人为此欢呼”。

梁文锋认为：“我们还是希望这个东西对人有用，而不是追求赚最多的钱；在能够获得合理利润的前提下，让大家都用得起。”

若按利润最大化逻辑，本应继续抬价，因为“在这一价格区间，用户需求缺乏弹性；即使价格再提高一倍，token消耗量也不会有明显变化”——他清楚可以多收，却选择不收。

值得关注的是，Deepseek的调价动作，据多家媒体报道，DeepSeek年化营收运行率已突破10亿美元，而数月前尚不足5亿美元；模型调用价格上调至原价的2.3至4.5倍，客户并未流失。

若低价依赖补贴，提价势必造成客户流失；提价后客户仍留存，则说明该价格水平本身具备支撑。

梁文锋本人在闭门会上曾表示，即便最坏情况下仅销售API，也“足以支撑一家上市公司”。

融资结构方面，首轮510亿元中，梁文锋个人出资约200亿元，为最大单一出资方；外部投资者资金通过其管理的有限合伙企业进入，不享有投票权。

一个不依赖持续外部融资即可运转的定价体系，与一个必须依靠不断融资覆盖算力承诺的估值叙事相比，在接受市场审视时处境迥异。

在梁文锋看来，这套克制定价逻辑不只关乎商业可持续，也关乎AGI——指能在广泛任务上达到或接近人类水平、具备跨领域学习、推理与决策能力的通用人工智能。

梁文锋在闭门会上表示：“你越克制，越有可能做成AGI。”

安全溢价消退

面对一个被公开的成本基线，Anthropic的回应并没有落在价格上，而是落在了安全上。

Anthropic 联合创始人兼首席执行官达里奥·阿莫迪（‌Dario Amodei）在7月的一篇文章中明确表示，Anthropic“从未主张过对开放权重模型的禁令”，他甚至承认没有危险能力的开放模型是一种公共资产，能让企业、开发者和研究人员在不支付高昂访问费的情况下使用AI。

但同一篇文章中，他主张对所有能力足够强的模型实施强制性发布前安全测试，并呼吁美国采取政策干预以延缓中国AI的发展速度。

Anthropic国际业务负责人Guillaume Princen在都柏林的AI峰会上进一步表示：开源模型“按定义来说风险更高”，并强调在安全问题上对开源“必须格外小心”。

这句话出现在Anthropic即将IPO的窗口期，针对的是正在海外市场获得越来越多采用的开放权重替代方案。

值得关注的是，9月中旬，达里奥·阿莫迪公开呼吁放缓前沿模型迭代速度；2天后，有开发者就在Claude Code客户端后台发现Opus 5.2的灰度标识，一个尚未正式发布的新版本已在测试之中。

Anthropic在IPO前夕向监管层和舆论场传递“重视安全”的信号，但产品端的推进并未停下。这表明，安全叙事在Anthropic的语境中同时服务于两个目标：一是对真实风险的关切，二是为一场超级IPO降低监管阻力、并为高溢价保留辩护空间。

闭源模型不能在用户自己的机器上运行，按Token收费的理由，归根到底是“更好、更安全，所以值得那个差价”。如果这个理由站不住，安全就不再是溢价。

安全溢价能不能成立，首先取决于闭源在能力上是否保持足够明显的领先。

Epoch AI今年5月的数据表明：开源模型与最强闭源模型之间的能力差距约为四个月，平均差距约8个ECI点，大致相当于GPT-5与GPT-5.5之间的跨度。

同一时期，开源模型的每Token成本可以低出至多90%。开源模型的能力在逼近，而闭源维持溢价所需要的能力护城河，正在从“代际领先”退化为“季度领先”。

值得关注的是闭源大模型阵营自身的安全记录，今年7月，OpenAI一款未发布的内部模型在测试中突破沙箱限制，入侵了Hugging Face的代码仓库。

事发后，Hugging Face安全团队向多家美国头部闭源模型请求协助分析攻击路径，因闭源大模型安全护栏拒绝执行相关指令而未能获得帮助。

最终完成溯源和防御加固的，是本地部署的智谱开源模型GLM-5.2，团队用该模型解析了1.7万余条攻击记录。

Hugging Face首席科学官Thomas Wolf事后的总结道：这次事件让“闭源等于安全、开源等于危险”这个旧等式不再成立。

防御端真正发挥作用的，恰恰是开源权重模型，而非此前被寄予厚望的商业闭源工具。

美国著名计算机专家吴恩达在伯克利的一场峰会上坦言：就他观察到的情况而言，开放权重模型“似乎比闭源模型更安全”。

他本人的团队在OpenAI和Anthropic的模型拒绝协助安全审查之后，用KimiK3和GLM-5.2完成了对自家开源工具OpenWorker的安全评估。

云厂商的安全投入并非虚言，但它们的价值有明确边界。受监管行业需要SOC2、HIPAA这类合规承诺。

对于失败后果极高、且企业自身没有能力搭建管控体系的负载，闭源提供的“开箱即用的合规包装”仍然有市场。但这类场景的范围，与万亿估值所需要的收入基础之间仍存明显缺口。

与此同时，企业选型的行为已在发生变化。据PerforceOpenLogic《2026开源现状报告》显示，选择避免厂商锁定的受访人从2025年的33%升至55%，同比增68%，是企业选择开源大模型的驱动力；但在优先级上，成本降低仍是第一动因。

免责声明：本文内容与数据由观点根据公开信息整理，不构成投资建议，使用前请核实。