DeepSeek的AGI下半场：从“小而精”的实验室到“大而强”的平台巨头
6月29日，DeepSeek团队向用户发送了一封升级提醒邮件，正式官宣DeepSeek V4正式版计划于7月中旬上线。
距离4月24日预览版上线仅两个多月，这家以“小而精”著称的AI公司，正在以肉眼可见的速度将自己推向一个全新的阶段。知情人士透露，DeepSeek计划加快模型迭代节奏，“向行业主流看齐”，正主动向各行业推广模型，寻找商业合作机会。
算力稀缺下的必然选择：峰谷定价
与正式版上线同步，DeepSeek宣布引入「峰谷定价」机制。根据邮件披露的方案，高峰时段（每日上午9点至12点、下午2点至6点）的API价格为平时价格的两倍：V4-Pro高峰时段缓存命中输入0.05元/百万Tokens、缓存未命中6元/百万Tokens、输出12元/百万Tokens；V4-Flash高峰时段分别为0.04元、2元和4元。非高峰时段（含晚间、夜间及周末全天）则维持现行价格。
峰谷定价并非单纯的“涨价”，而是算力资源稀缺背景下的标准化调度工具。OpenRouter聚合平台数据显示，仅DeepSeek V4 Flash单模型周调用量已突破4.66万亿tokens，持续六周登顶全球单模型调用榜首。DeepSeek此前多次出现线上服务波动，根源在于低价策略吸引海量流量涌入，算力集群负载长期触及红线，企业集中办公时段算力挤兑、接口超时频发成为常态化问题。
分时涨价的本质，是用价格杠杆分流可离线处理的非紧急任务，保障高优先级业务在工作时段的服务稳定性。
这一调整最直接的影响将落在高频交互应用上，实时客服机器人、代码辅助工具、Agent工作流等场景若无法避开高峰时段，运营成本将显著攀升；反之，批处理任务、离线数据总结等非实时场景，则可通过将任务调度至夜间或周末执行，直接削减近一半的API支出。
从更宏观的视角看，峰谷定价可能重塑大模型API市场的定价逻辑。此前，DeepSeek凭借低价策略迅速占领市场 —— V4预览版上线仅一个多月，便将API价格永久调整为原价的四分之一。若此次峰谷定价实施，意味着大模型API正在从“一口价”走向“精细化定价”。更重要的是，DeepSeek承诺待下半年昇腾950批量上市后，Pro版本价格还将进一步大幅下调。峰谷定价或许只是过渡，真正的价格竞争还在后头。
DSpark：推理速度的革命
DeepSeek V4最大的亮点在于引入了全新的注意力机制：在token维度实施高效压缩，并融合DSA稀疏注意力方案，这意味着长上下文处理效率的质变，也为智能体应用与代码生成等复杂场景提供了更强支撑。在功能升级方面，V4正式版支持多模态能力已是大概率事件，这或许正是正式版对算力要求更高的重要原因之一。
在正式版到来之前，DeepSeek已经为V4新增一个服务端推测解码（Speculative Decoding）模块：DSpark。推测解码的核心思路是引入一个轻量级的“草稿模型”预先生成若干候选token，再由目标模型批量验证，从而将串行生成转变为并行校验，大幅降低端到端延迟。
在多领域离线基准测试中，相较于当前最优的自回归、并行类草稿生成方案，DSpark有效解决了模型冗余校验带来的算力损耗难题。
· 半自回归生成（Semi-Autoregressive Generation）：针对Token间依赖缺失问题，DSpark将算力开销最大的草稿主干网络完全保留并行结构，仅额外增设轻量级串行输出头，用来引入序列局部状态转移信息。该方案既保留了并行草稿模型的高速生成优势，又大幅缓解了序列尾部Token接受率衰减问题。
· 置信度调度（Confidence-Scheduled）：针对系统层面性能瓶颈，DSpark通过置信度预测头预估每个位置的前缀Token留存概率，并结合硬件感知调度器，为每一条用户请求动态适配最优校验长度。调度器依托推理引擎实时吞吐性能指标，将目标模型的校验算力预算精准分配给预期收益最高的候选Token。
在整体吞吐率持平的条件下，相比此前的MTP-1生产基线，也就是DeepSeek上一代线上推测生成方案，V4-Flash的每用户生成速度提升60%到85%，V4-Pro提升57%到78%。更重要的是，在严苛的交互时延约束下，该方案避免了吞吐率的严重衰减，实现了以往无法达成的性能指标，拓宽了线上推理服务系统的帕累托最优边界。
大模型服务最后都会回到两个指标：速度和单位token成本。API定价页面通常按输入token和输出token收费，企业内部也会把不同模型、缓存、路由和上下文长度拆成成本项。DSpark不能直接等同于降价，但如果同样的GPU集群能在相近吞吐下让用户更快拿到答案，它意味着同样的硬件可以服务更多用户。值得注意的是，DSpark并非DeepSeek专属，它已部署到阿里Qwen3系列和Gemma4等主流模型上，配套的DeepSpec代码库也已全面开源。
500亿融资：从“小而精”到“大而强”
6月16日，DeepSeek完成成立以来的首轮外部融资，募资总额超过500亿元人民币，投后估值突破500亿美元，将重塑全球大模型产业格局。更值得关注的是本次融资采用了罕见交易结构：资金进入一家由DeepSeek首席执行官梁文锋管理的有限合伙企业，而不是直接进入DeepSeek本体。这一结构确保了梁文锋对公司的绝对控制权。
多数外部投资者没有投票权，仅享有财务信息知情权和未来潜在融资的优先投资权。国家人工智能产业投资基金合伙企业（有限合伙）是唯一例外，以10亿元直接投资DeepSeek，不设五年锁定期并享有投票权。
融资的直接动因是人才流失与算力瓶颈。过去一年，DeepSeek多名核心研发人员相继出走：罗福莉加入小米、王炳宣加入腾讯混元、郭达雅加入字节跳动Seed实验室。长期不融资导致DeepSeek的期权缺乏明确的估值锚点，难以形成有效激励。如今500亿元融资到账，公司有了明确的估值，也有了扩充团队和完善长期激励的资本。
6月25日，DeepSeek推送了成立以来规模最大的一次公开招聘，正努力将所有部门的规模扩大至少一倍。招聘覆盖全栈开发、算法研发、AI核心系统、运维、产品、模型数据策略，乃至HR、行政、法务、财务等职能体系。
另外，DeepSeek资深研究员曾透露公司正在组建一个新的Harness团队，从零开始构建Code Harness，该工具或能与Anthropic的Claude Code和OpenAI的Codex有一战之力。DeepSeek Code项目的负责人崔添翼表示团队非常缺人，近期每天都在面试，其官微也宣布所有部门规模将扩大至少一倍。
前两年，大模型赛道核心竞争是基模参数、算力投入、权威评测榜单的军备竞赛，如今头部模型在通用能力上差距持续缩小，行业竞争也升级为产品化能力、工程化效率、场景落地方案、可持续商业化变现的综合实战比拼。今年以来，智能体浪潮兴起，国内各大模型厂商纷纷跟进高效迭代。而此前DeepSeek小团队尖刀模式在算法创新、模型训练方面的优势，并没有完全转化为市场战斗力。从“小而精”的研究型机构转向“大而强”的平台型组织，DeepSeek正在经历一次深刻的自我重塑。
成长需要面临的挑战
DeepSeek此前的优势在于决策距离短、研究人员和工程人员之间的协作摩擦低，这种短链路的组织形态特别适合模型早期的突破阶段。但当部门规模翻倍、层级增加之后，如何保持原有的速度和锋利度，是一个难题。谷歌的教训就在眼前，尽管Transformer诞生于谷歌，但过去几年谷歌在生成式AI上的表现却屡屡慢半拍。
DeepSeek用更低的训练成本、更高的工程效率和开源策略，证明了前沿模型不一定只能由最有钱的公司做出来。但做出一代强模型和推动工程落地是两件不同的事：前者看研究判断和模型训练能力，后者则考验算力供给、系统稳定性、产品交付和组织协同。Counterpoint数据显示，2026年第一季度全球LLM市场总收入约207亿美元，Anthropic与OpenAI分别占据31.4%和29.0%的营收份额，DeepSeek营收占比仅为0.2%。
DeepSeek正在经历它成立以来最大的一次转身：V4正式版的上线、DSpark的推出、峰谷定价的引入、大规模扩招的启动 —— 每一个动作都是这个转身过程中具体的、可被观察的瞬间。
同时，高端算力容量直接影响模型服务的成本和吞吐，而DeepSeek的商业化供给不只取决于模型能力本身，更关乎底层算力能否持续扩容。接下来，DeepSeek要证明的是：它不仅能做出强模型，还能让强模型真正变成用户、开发者和企业客户可以依赖的服务。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码
