DeepSeek會如何賺到10萬億美元？

日前，知名科技分析師 GDP發表了篇長文，題目是《DeepSeek 的10 萬億美元宏大戰略》，在 X 上引發很大關注，被認為是對 DeepSeek 最深刻的分析。

以下為原文：

你是否曾好奇，DeepSeek會以怎樣的方式賺取巨額利潤？

該企業并未像GLM、MoonShot、MiniMax等團隊一樣，推出具備競爭力的代碼生成相關產品，也沒有研發多模態、音頻、視頻類模型。時至今日，其配套部署框架仍未成型，近期才開始招聘相關人員搭建框架。

長期來看，DeepSeek始終堅持開源路線，毫不吝嗇地分享自身核心技術。這一切舉動看起來像是莽撞行事？或是無端耗費資金？計劃向其注資百億美元的投資者，難道是在白白揮霍錢財？

在我看來，事實恰恰相反。

下文將梳理DeepSeek過往發展舉措，剖析其奉行的發展戰略。

DeepSeek創始人梁文峰著眼于更為宏大的目標，企業自身有望達成萬億美元估值，同時還將助力打造出規模達十萬億美元的產業市場。

回顧DeepSeek的崛起之路

當下行業普遍選擇循序漸進優化模型、快速落地應用產品，代碼類產品便是主流方向，而DeepSeek始終逆勢而行。

我在 2025 年 1 月 27 日發過一條爆火推文，把 DeepSeek 的發展稱為“英雄之旅（Hero’s Journey）”。

而如今，這個故事變得更加有趣了。

• 當別人還在構建 Dense Model（稠密模型）時，DeepSeek 去做了訓練難度極高的 MoE（Mixture of Experts，混合專家模型）。

• 他們采用“第一性原理”方法，發明了新的 GRPO 算法，用來替代 RL 中主流但昂貴的 PPO 算法。

• 他們提出 RLVR（Reinforcement Learning from Verified Rewards，基于可驗證獎勵的強化學習），把它作為提升模型推理能力的關鍵策略。

• 他們提出了通過 “Multi Token Prediction” 實現 Speculative Decoding（推測解碼）的簡單策略，同時強化了訓練信號。

• 他們完善了 “ZERO bubble” pipeline，以提升有限 GPU 資源的利用率。

• 他們發布了 Expert Load Balancer，使所有人都更容易部署 MoE 模型。尤其是 “Wide Expert Parallel” 策略，可以通過更大的 batch 極大降低推理成本。

• 他們發明了 MLA、DSA、CSA、HCA，用于減少 KV Cache 需求，并讓上下文增長時的計算需求接近恒定。

• 他們發明了 Engram，用內存換算力。

• 他們發明了 mHC，實現模型規模增長時的穩定訓練。

• 還有更多……

在“英雄之旅”這種經典敘事結構里，英雄一開始并不知道自己的最終使命是什么。

他會在旅途中不斷學習，并逐漸發現自己真正的偉大使命。一路上，他會遇到大量質疑者、惡意攻擊者；他自身也存在缺陷與短板；他會遭遇看似無法克服的挑戰；但最終，他會學會如何建立聯盟、如何高效利用有限資源，并最終完成使命。

正因為如此，觀眾才會為英雄加油。

這也是 DeepSeek 能夠贏得全球粉絲、尊敬，以及爭議的原因。

而接下來我會詳細說明：DeepSeek 走到今天，似乎已經發現了他們真正的終極目標：不是賣編程訂閱服務，而是打造一個價值 10 萬億美元的中國 AI 硬件生態系統，并讓自身達到 1 萬億美元估值。

與此同時，他們也會推動西方硬件生態出現更多新進入者。

歡迎各界評論探討

先來做一點 KV Cache 的有趣計算

看看 @SemiAnalysis_ 最近這條非常及時的推文：

DeepSeek 已經比任何人都更好地解決了這個問題。

我們先做一點有趣的 KV Cache 數學計算。即使你不喜歡數學也沒關系。我們使用最近發布的 KV Cache 計算器，來看看 DeepSeek V4 Pro 相比最新的 GLM 和 Qwen 模型，在 KV Cache 上節省了多少。

計算條件：

• 100 萬 context

• KV 精度：8-bit

• indexer 精度：16-bit

你也可以自己玩這個計算器：

https://kvcache.ai/tools/kv-cache-calculator/

在 100 萬上下文長度下：

• DeepSeek V4 只需要 5.48GB HBM

• GLM5 需要 60GB HBM

• Qwen3-235B-A22B 更夸張，需要 89GB

注意：

• DeepSeek 是 1.6T 參數模型

• GLM5 大約 700B 參數，已經使用了 DeepSeek 的 MLA 與 DSA，但還沒使用最新壓縮 attention

• Qwen3-235B-A22B 大約 235B 參數，使用的是 GQA attention

DeepSeek 在降低內存壓力方面做出了基礎性貢獻。

如果這些創新被廣泛采用，它將使長時任務 Agent 的成本變得極低，并解鎖下一代應用場景。

“瘋狂”背后的邏輯

KV Cache 之所以能做到如此小，而且不犧牲質量，是因為：

他們因此能夠以極低價格提供長時間緩存服務——價格不到 Sonnet 4.6 Cache Hit 的 3%，并且緩存可保留數小時。

對于長時任務而言，小 KV Cache 可以非常高效地卸載到 SSD，再重新加載。

這大幅降低了對 HBM 的需求。

而 HBM 恰恰是中國 AI 硬件產業中最短缺、最難制造的內存。

DeepSeek 還在 Dual Path 論文中提出了更快從 SSD 加載 KV Cache 的技術。

KV Cache 壓縮的直接受益者是誰？

誰能大量供應 SSD？

別忘了，YMTC 正在崛起為 3D NAND 巨頭。

NAND 讓 DeepSeek 可以避免重復計算 KV。

反過來，DeepSeek 又為 NAND 與 SSD 創造了巨大的市場——不僅是 YMTC，而是整個產業。

不只是 NAND 與 SSD

LPDDR 也有巨大潛力。

它可以用來存儲模型權重，并在需要時“即時流式傳輸”到 HBM，從而降低 HBM 壓力。

SGLang 團隊已經發表過相關博客。

雖然 DeepSeek 沒有專門為此設計，但他們的 MoE 架構、大量 Experts，以及 4-bit 權重，使這種方案非常容易實現。

這種創新，再加上超高壓縮率的 KV Cache（且幾乎無損），會顯著降低 HBM 需求。

中國誰在做 LPDDR？

CXMT。

他們在 LPDDR 速度上只落后半代，在密度上只落后一代。

并不遠。

再加上中國未來會擁有大量 NAND 與 LPDDR，這是否能緩解算力壓力？

答案是：可以。

更聰明地利用內存，也能降低 GPU/ASIC 壓力

NAND 用于 KV Cache 的價值很明顯：

• 可以更長時間保留 KV Cache

• 降低 HBM 壓力

• 避免重復計算 KV

• 緩解 GPU 與 ASIC 的算力壓力

那么 LPDDR 是否也能發揮類似作用？

答案仍然是：可以。

LPDDR 還可以存儲一種叫做 “Engram” 的結構。

在 Engram 論文中，DeepSeek 指出：

雖然 MoE 通過條件計算擴展模型容量，但 Transformer 缺乏原生的知識檢索機制。

因此，它們只能通過計算來低效地模擬“檢索”。

于是他們提出了 Engram：

一種基于 O(1) 哈希查找的現代化 N-gram embedding 模塊。

他們稱之為 “conditional memory（條件記憶）”。

這種方式節省了大量計算，但需要大量內存來存儲 embedding table。

本質上，這是經典的“內存換算力”。

關鍵洞察在于：

LPDDR 的內存讀取成本，遠遠低于完整 Transformer forward pass 的計算成本。

因此，在大規模系統中，這種交換極其劃算。

這些取舍非常值得

中國 GPU 與 ASIC 在原始 FLOPs 上，長期都可能落后于西方 GPU。

原因包括：

• 沒有 EUV

• 晶體管密度不足

• 封裝技術落后

因此，“用更多內存換更少計算”這種路線，非常值得。

尤其是在中國能夠大量生產 NAND 與 LPDDR 的情況下。

DeepSeek 的長期布局

從所有這些創新來看：

DeepSeek 的目標，似乎并不是賺取幾億美元的短期利潤。

否則，他們完全可以：

• 做多模態

• 做語音

• 做視頻

但他們沒有。

他們在玩的是一個耐心的“10 萬億美元游戲”：

打造替代性的 AI 硬件生態。

這不僅僅是讓中國內存廠商成為 AI 硬件關鍵玩家。

更重要的是：

他們正在從根本上降低 AI 對資源的需求。

這樣一來：

• 更多 GPU/ASIC 廠商會變得可行

• 更多網絡芯片廠商會變得可行

• 西方開源生態也會受益

• 新硬件創業公司也會受益

所有的跡象都表明了這一點。讓我們來詳細重溫一下他們提出的所有創新：

1.在DeepSeek V2中引入了混合專家模型（MoE）和MLA。

MoE使得以減少40%到50%計算量的方式訓練極具智慧的模型成為可能。MLA使得將KV Cache減少90%成為可能。這使得將KV Cache卸載到SSD變得非常高效。

這些想法是在他們2024年5月的DeepSeek V2論文中引入的。它隨后解鎖了DeepSeek V3的訓練，這在當時幾乎相當于閉源水平，而他們當時僅僅使用了2048張被閹割的H800 GPU。

2 .DSA（在DeepSeek V3.2 Exp中引入）用以減少長上下文場景下的計算量，并緩解HBM帶寬的壓力。

它確保了計算量不會隨著上下文的增長而暴漲。

請看下面的圖表——DeepSeek-v3.2的處理時間在不同上下文長度下保持平穩。

3. mHC于2025年12月在論文《mHC: Manifold-Constrained Hyper-Connections》中引入。

mHC是DeepSeek的一項宏觀架構創新，它重新發明了信息在Transformer層之間流動的方式。

自ResNet以來，行業一直使用標準的殘差連接（x + F(x)），而mHC將殘差流擴展為多條平行的信息高速公路，并允許在它們之間進行學習型的混合。

但至關重要的是，它將混合矩陣約束為雙隨機矩陣（通過Sinkhorn-Knopp投影到Birkhoff多胞形上），這在數學上保證了信號幅度在任意深度下都能得以保持。

這解決了此前困擾無約束Hyper-Connections（最初由ByteDance發明）的災難性不穩定問題——在無約束情況下，信號放大在27B規模下暴增了3000倍，導致訓練徹底崩潰。

其計算成本微乎其微：mHC僅增加了6.7%的實際訓練耗時，因為它沒有改變注意力層或FFN層的FLOPs，只是改變了它們的輸出在層與層之間的路由方式。

然而，其性能提升卻是巨大的：在27B參數規模下，mHC在BIG-Bench Hard推理上提升了+7.2分，在DROP上提升了+3.2分，在GSM8K數學上提升了+2.8分，在MMLU通用知識上提升了+1.4分，而這一切都是在相同的模型大小和幾乎相同的計算預算下實現的。

從本質上講，mHC通過為網絡提供更豐富、更具表現力的跨層信息路由拓撲結構，在幾乎不增加額外FLOPs成本的情況下，實現了顯著更高的“單參數智能”。

mHC是一個復雜的架構；但它提供了極高的訓練穩定性和更高的單參數智能。

1 . CSA和HSA（于2026年4月在DeepSeek V4中引入）通過壓縮KV Token，將KV需求進一步降低了90%，并大幅減少了所需的FLOPs，從而同時緩解了HBM和GPU/ASIC的壓力。

2 . Engram于2026年第一季度引入，他們在某種程度上用內存（LPDDR內存）換取了計算。

如下面的詳細圖表所示，在相同的總參數預算下，Engram帶來了顯著的性能提升。

3 . 極端專注于計算與通信的重疊，以及像Dual Path這樣的創新，可以被解釋為應對資源限制的權宜之計。

但DeepSeek走得更遠，他們甚至在ASIC設計上為硬件廠商提供建議，以確保他們不會浪費寶貴的硅片資源。

這出自DeepSeek V4的論文。

這是他們在DeepSeek V4論文中分享的建議。可以肯定的是，他們在私底下分享的反饋要多得多。

4 . 對TileLang的投入指向了同一個始終如一的方向：他們不僅是在解決自己的算力荒，更是在讓中國的硬件生態系統具備與西方生態系統競爭的能力。

有了TileLang，只需開發一次算子內核（用于計算的代碼），就可以在多個已提供TileLang后端的硬件平臺上成功運行。

我預計中國其他所有的實驗室也會加入進來——間接幫助中國硬件廠商應對“CUDA護城河”。這也解鎖了更多西方硬件（如AMD）的可能性。

注意：中國的許多AI平臺要么提供CUDA兼容性，要么提供CUDA轉換層：Moore Threads、MetaX、Biren和Iluvatar CoreX是通過轉換層實現CUDA兼容度最高的中國芯片。他們（在理論上）不需要TileLang。

大規模強化學習（RL）與RSI

通過獲取更多的算力（得益于更多潛在的硬件選擇）以及計算需求的降低，DeepSeek可以承擔更具雄心的訓練項目，尤其是RL后訓練（post training）。

RL涉及生成大量的軌跡（trajectories）——生成數萬億的Token。這會很快變得非常昂貴。

此外，為了訓練1M上下文的模型，你需要生成那么長的軌跡。為如此長的軌跡訓練模型，才能夠解鎖長文本任務。

此外，由于選擇增加，DeepSeek可以獲得更多硬件，這將使自動化研究（RSI）成為可能。

RSI涉及AI自身來設計和開展實驗。這種方法包含大量的試錯，成本會迅速飆升。

然而，RSI對于探索整個設計空間至關重要。DeepSeek在邁向AGI以及隨后的ASI之前，需要具備RSI的能力。

DeepSeek今天所做的，就是整個行業明天要做的：

DeepSeek圍繞混合專家模型（MoE）、MLA、DSA的創新，已經被來自全球和中國其余的AI實驗室所采納。

例如，ZAI（GLM系列模型的創造者）使用了MLA和DSA。Kimi（Moonshot）采用了MLA，并且毫不避諱地表示他們的架構是基于DeepSeek的架構。

作為回報，DeepSeek使用了最早由Kimi（Moonshot）用于大規模訓練的Muon優化器。

（注：MoE于2017年在Google被發明，Noam Shazeer是關鍵作者。DeepSeek將其應用到了極大的規模并發明了自己的獨門絕技。 Muon（由Newton-Schulz正交化的動量）

優化器由機器學習研究員Keller Jordan于2024年底創建。Kimi（Moonshot）團隊是第一個將其投入大規模應用的人。）

那么如何賺錢呢？

讓我們來研究一下OpenAI這個有趣的例子。

OpenAI獲得了根據算力消耗里程碑以低價購買AMD和Cerebras股票的認股權證/期權。這對AMD和Cerebras來說是一筆偉大的交易。有了OpenAI對他們的綁定，使他們更有可能在長期內取得成功。

引自AMD的公告：“作為協議的一部分，為了進一步對齊戰略利益，AMD已向OpenAI發行了高達1.6億股AMD普通股的認股權證，結構設計為隨著特定里程碑的達成而分批行權。第一批隨著初始1吉瓦（GW）的部署而行權，其余批次隨著采購規模擴大到6吉瓦而逐步行權。行權進一步與AMD達到特定的股價目標，以及OpenAI達成使AMD能夠規模化部署所需的技術和商業里程碑相掛鉤。”

我預測DeepSeek將與多家中國的內存、ASIC、CPU和網絡棧廠商達成此類協議，并與他們緊密合作，以確保他們的硬件棧能夠勝任頂尖的AI工作負載。

鑒于西方（包括東亞盟友）所有AI股票的總市值遠遠超過10T USD。這種“通過授予股權進行協作”的方法，讓DeepSeek能夠幫助在中國創造一個同樣巨大的產業，并在自己實現1T USD估值的同時，分得屬于自己的一塊蛋糕。

這將使他們能夠賺到多得多的錢，同時也能實現他們用自己的話所說的“讓AGI惠及每個人”的目標。

Liang Wenfeng——Jim Simons的崇拜者——是一位極其聰明的資本家，絕對不會錯過這一點！

如果你回顧一下DeepSeek迄今為止所做的一切，這是唯一說得通的邏輯……

這些是關鍵的AI股票。未顯示的還有超大規模云廠商（Hyper-scalars）及其他許多公司。

關于這些創新的詳細博客將于本周末發布，如果感興趣請關注我的Substack

https://polymath707.substack.com/ ...