Talk AI | DeepSeek的500億會花在哪？

賭Coding能成為生產(chǎn)力基礎(chǔ)設(shè)施

文/林書

編輯/劉宇翔

DeepSeek的Harness團(tuán)隊在北京海淀區(qū)融科資訊中心，十年前我曾在那里工作。這不是想往臉上貼金，而是很遺憾，錯過了見證歷史的一刻。

6月16日，據(jù)媒體報道，DeepSeek完成了成立以來的首輪外部融資，募集資金超過500億元人民幣，投后估值突破500億美元。創(chuàng)始人梁文鋒個人出資200億元，為最大單一出資方；騰訊出資100億元，寧德時代體系出資約50億元，京東、網(wǎng)易及IDG資本各出資30億元。

這是中國AI行業(yè)迄今規(guī)模最大的單輪融資。

那么，拿到巨額融資的DeepSeek，會把錢投向哪個方向？

6月15日，從論壇流出的一則信息可能讓我們可以管中窺豹。據(jù)一位參與測試的用戶稱，DeepSeek V4.1在網(wǎng)頁端啟動灰度測試，他說V4.1 Flash的代碼能力實現(xiàn)了“天差地別”的跨越式進(jìn)步，知識截止日期也從2025年5月躍升至2026年1月，部分用戶甚至測出了2026年5月的截止日期。

很可能AI coding就是DeepSeek即將發(fā)力的方向。

其實，5月，DeepSeek的一則招聘啟事也透露了這點，那則Agent Harness研發(fā)工程師的招聘啟事里，寫了一行簡潔的公式：Model + Harness = Agent。崗位描述進(jìn)一步解釋道，“把前沿模型能力，轉(zhuǎn)化為領(lǐng)先的Agent產(chǎn)品。Harness+除模型本身以外的所有工作”。

AI coding+Agent，看來，DeepSeek接下來的目標(biāo)是想對標(biāo)Anthropic旗下的Claude Code。DeepSeek做coding，因為這個領(lǐng)域能用最嚴(yán)格的標(biāo)準(zhǔn)來測試和鍛造模型的推理能力，不僅是目前唯一被驗證的、能形成商業(yè)閉環(huán)的場景，更是AI生產(chǎn)力的基礎(chǔ)設(shè)施。

01

DeepSeek沒興趣在C端和豆包、千問、元寶爭奪用戶。從這輪融資的資金用途、產(chǎn)品布局、人才引進(jìn)以及市場驗證來看，DeepSeek的戰(zhàn)略意圖很清晰：服務(wù)好開發(fā)者和企業(yè)，把模型能力轉(zhuǎn)化為生產(chǎn)力工具，成為AI時代的“基礎(chǔ)設(shè)施”提供商。

雖然DeepSeek沒有公開資金分配比例，但從其戰(zhàn)略意圖和行業(yè)趨勢，可以反推可能的分配比例：

500億的大頭大概率會砸在算力上，畢竟從長遠(yuǎn)來看，DeepSeek始終處在算力邊際緊缺的狀態(tài)，無論是要訓(xùn)練出新一代模型，還是要滿足用戶調(diào)用量的增長。

前段時間，DeepSeek在內(nèi)蒙古烏蘭察布招聘智算中心人員，崗位有高級運維工程師、高級交付經(jīng)理，月薪開到15K到30K，還配14薪，還設(shè)立“IDC設(shè)計規(guī)劃工程師”崗位，規(guī)劃MW到GW級的超大規(guī)模智算中心。這說明，DeepSeek正從租用機(jī)房轉(zhuǎn)向大規(guī)模自建數(shù)據(jù)中心。

我們了解到，除了自有算力，早在2025年，浙江很多空置的算力中心都給DeepSeek調(diào)用。即便有外部算力供給，算力依舊是以及會是DeepSeek長期要面對的難題，近期其“專家模式”取消了聯(lián)網(wǎng)搜索功能，并且限制生成次數(shù)，就從側(cè)面說明了這點。

算力是Coding基礎(chǔ)設(shè)施的物理底座。如果V4.1的性能提升，調(diào)用量增加，以現(xiàn)有算力更難承受。沒有算力，V4.1再強(qiáng)也只能限流，沒有算力，Harness再好用也跑不起來。

可以相比較的是在coding領(lǐng)域最強(qiáng)的Anthropic，它采取“多云綁定+專屬集群”的激進(jìn)策略，已構(gòu)建覆蓋GPU、TPU及自研芯片的多元供應(yīng)網(wǎng)絡(luò)，2025年底可用算力約1.4吉瓦，預(yù)計2026年底將快速提升至7-8吉瓦區(qū)間。但僅2026年第一季度其收入與使用量按年化計算就增長80倍，遠(yuǎn)超原有基礎(chǔ)設(shè)施承載能力，導(dǎo)致服務(wù)曾出現(xiàn)限流與性能波動。

Anthropic CEO達(dá)里奧·阿莫迪表示算力需求呈指數(shù)級爆發(fā)，公司正全力建設(shè)以匹配這一“瘋狂”增速，目標(biāo)是在未來幾年內(nèi)實現(xiàn)吉瓦級容量的持續(xù)釋放。

AI Infra（基礎(chǔ)設(shè)施）是一項重資產(chǎn)、長周期的投入，DeepSeek還在高速發(fā)展，理論上，它完全可以租用更多算力，為什么要自己費力為處理海量、復(fù)雜的B端AI工作負(fù)載提供穩(wěn)定、低成本的算力底座呢？

因為DeepSeek的技術(shù)路線，決定了它必須擁有Infra的絕對控制權(quán)，必須在Infra層就做優(yōu)化。

為了盡量壓榨算力，DeepSeek做 FP8訓(xùn)練，需要寫通信庫、調(diào)精度補(bǔ)償策略、改NCCL，英偉達(dá)原生的通信庫不支持這種級別的自定義；DeepSeek自己重新設(shè)計KV Cache的存儲和調(diào)度，因為標(biāo)準(zhǔn)推理引擎（vLLM、TensorRT-LLM）的架構(gòu)假設(shè)和它要的不一樣；DeepSeek要設(shè)計MoE負(fù)載均衡，自己寫路由算法，讓專家分布在特定的節(jié)點拓?fù)渖?，減少跨機(jī)通信，而不能簡單用云廠商的Kubernetes自動擴(kuò)縮容。等等。

這些都需要在“算法-芯片-網(wǎng)絡(luò)-框架”的每一層做定制優(yōu)化，云廠商的標(biāo)準(zhǔn)化服務(wù)滿足不了。Anthropic能繼續(xù)堆參數(shù)、超大規(guī)模路線，是因為它有亞馬遜云和Google Cloud的可“無限擴(kuò)容”算力支持，用不著在Infra層面做極致優(yōu)化。

DeepSeek沒有這個條件，所以只能自己做地基，但這些努力也正是DeepSeek的競爭力來源。

這些優(yōu)化不是孤立的，而是乘法關(guān)系。從公開的技術(shù)架構(gòu)差異和行業(yè)成本模型，架構(gòu)優(yōu)化× 精度優(yōu)化× Infra優(yōu)化× 推理優(yōu)化疊加，使得DeepSeek的單位算力成本比Anthropic的低得多。

02

算力是地基。地基之上，DeepSeek另兩個大投入方向是模型層和執(zhí)行層。

6月15日那則V4.1灰度測試的帖子，透露的是DeepSeek在coding領(lǐng)域的進(jìn)展。據(jù)參與測試的用戶稱，V4.1 Flash的代碼能力實現(xiàn)了“天差地別”的跨越式進(jìn)步。但我們沒能參與灰度測試，目前并不了解具體實際情況。

DeepSeek V4曾以1.6T總參數(shù)、1M上下文窗口，在架構(gòu)效率和成本結(jié)構(gòu)上實現(xiàn)了全面突破。但V4的Coding能力與業(yè)界頂尖水平仍有差距，這也是社區(qū)討論最多的短板。V4.1的核心任務(wù)，正是開始補(bǔ)齊這塊短板。

從序列號來看，V4.1是V4的增量版本，這意味著V4.1的核心投入在后訓(xùn)練階段（Post-Training），而非預(yù)訓(xùn)練（Pre-training），后訓(xùn)練成本通常只有預(yù)訓(xùn)練的1/10到1/5。

DeepSeek朝生產(chǎn)力演進(jìn)的方向已經(jīng)很明確的，而這正是國內(nèi)大模型企業(yè)與國際最高水平對比最大也是最緊迫的短板。

如果把AI模型比作大腦，Agent/Harness這個執(zhí)行層就是它的手腳和神經(jīng)系統(tǒng)。沒有執(zhí)行層，大腦只能思考；有了執(zhí)行層，大腦才能行動。過去一年，行業(yè)已經(jīng)證明了一個事實：模型能寫代碼，不等于能持續(xù)完成一個工程任務(wù)。真正改變開發(fā)者工作方式的，是Claude Code、Codex，一個能夠進(jìn)入終端、理解項目、讀寫文件、運行命令、修復(fù)錯誤、管理Git、調(diào)用工具的工程智能體。

Coding是Harness的最佳載體，因為代碼本身就是可執(zhí)行的意圖，一行代碼既是對問題的描述，也是對解決方案的精確指令。

Anthropic是最早把“模型寫代碼”升級為“模型做工程”的公司。2024年推出的Claude Code（以及此前的Claude Dev、Artifacts等功能），不是簡單的代碼補(bǔ)全工具，而是一個完整的終端工程環(huán)境。Claude Code的火爆證明了一件事：AI Coding的競爭，正在從模型能力競爭，轉(zhuǎn)向開發(fā)者工作流入口競爭。

模型是大腦，但大腦不能自己打字，你需要一套系統(tǒng)，把模型的意圖轉(zhuǎn)化為行動。那就是Harness。

Anthropic的AI coding端到端工程閉環(huán)的體驗，是模型能力+Harness工程的雙重積累。 Anthropic比競爭對手早6-12個月跑通了這個閉環(huán)，形成了開發(fā)者習(xí)慣壁壘。當(dāng)DeepSeek還在做模型層時，Anthropic已經(jīng)在做工作流層了。

這種領(lǐng)先不只是無限算力加持下超大規(guī)模模型的能力輸出，也是工程打磨的結(jié)果，這需要大量產(chǎn)品工程師、開發(fā)者體驗設(shè)計師、DevOps專家的反復(fù)迭代。

所以，DeepSeek在推進(jìn)V4.1乃至V5的研發(fā)的同時，也在補(bǔ)足Agent/Harness能力。5月那則招聘啟事里的公式，Model + Harness = Agent，說的就是這個。

據(jù)媒體報道，DeepSeek Harness團(tuán)隊的負(fù)責(zé)人是崔添翼，一位在Jane Street干了9年、后來聯(lián)創(chuàng)量化基金TSY Capital的交易系統(tǒng)專家。2026年2月，他離開TSY Capital加入DeepSeek。DeepSeek找他來，正是為了搭建Harness。

DeepSeek找了一個做量化交易系統(tǒng)的人來搭建Harness。這個選擇背后的邏輯，比“同行相惜”要深得多。

一個邏輯合理的解釋是，量化交易和AI Agent的底層邏輯是一樣的：光有聰明的策略不賺錢，真正把策略變成錢的，是執(zhí)行系統(tǒng)。光有強(qiáng)模型也不夠，真正把模型變成生產(chǎn)力的，是上下文管理、工具調(diào)用、終端執(zhí)行、測試反饋、權(quán)限控制、失敗回滾。這些除模型本身以外的所有工作，都屬于Harness的范疇，也就是“執(zhí)行”。

V4.1解決的是“能不能寫對代碼”，Harness解決的是“寫完后能不能跑通、報錯后能不能自修、項目大了能不能協(xié)作”。前者是模型能力，后者是工程能力。只有兩者結(jié)合，DeepSeek才有機(jī)會建立與Claude Code同級別的端到端工程智能。

這種挑戰(zhàn)巨頭的嘗試，對工程師有很大的吸引力。目前，崔添翼在社交媒體上發(fā)布的招聘帖子，已經(jīng)引來眾多業(yè)界人士的投遞。

03

Coding之所以成為必爭之地，是因為它是目前唯一可驗證、可量化、可閉環(huán)的AI生產(chǎn)力。

判斷一個AI能力達(dá)不達(dá)到生產(chǎn)力水平，有一個簡單的標(biāo)準(zhǔn)：它的輸出能不能在不依賴人類主觀判斷的情況下，被驗證對錯？

多模態(tài)模型生成一張圖，好不好看？需要人看。通用對話模型回答一個問題，對不對？需要人判斷。這些能力的驗證成本極高，且標(biāo)準(zhǔn)不統(tǒng)一，企業(yè)很難量化ROI。

但Coding的輸出是一段程序，計算機(jī)可以直接執(zhí)行并給出pass/fail。寫對了就運行，寫錯了就報錯。這種自動可驗證性使得Coding成為目前唯一一種ROI可以被精確計算的AI能力，企業(yè)能算出這個模型替代了多少工程師工時、產(chǎn)出了多少可運行代碼、減少了多少bug。

2026年的benchmark競爭格局印證了這一點。SWE-bench Verified（讓模型解決真實GitHub issue的測試）已經(jīng)成為“single most-cited coding benchmark”和“most load-bearing single benchmark for real-world developer workflows”。根據(jù)第三方benchmark聚合平臺llm-stats.com的數(shù)據(jù)，當(dāng)前前沿模型在這個測試上的競爭進(jìn)入了白熱化：Claude Opus 4.5達(dá)到80.9%，Opus 4.6為80.8%，Gemini 3.1 Pro為80.6%，GPT-5.2為80.0%，差距僅在0.1到0.9個百分點之間。

但在SWE-bench Verified這樣的真實任務(wù)上，0.9%的差距意味著：一個模型能獨立解決某個復(fù)雜issue并上線運行，而另一個模型會在最后一步卡住。這不是差不多，而是能跑通和跑不通的區(qū)別。

而6月12日Anthropic被禁事件，進(jìn)一步確認(rèn)了Coding的基礎(chǔ)設(shè)施地位。Anthropic最強(qiáng)大的模型Claude Fable 5和Mythos 5被美國政府納入出口管制，當(dāng)天全球停服。這是美國首次將商業(yè)AI模型與先進(jìn)半導(dǎo)體同等對待，納入出口管制清單。Fable 5的定價是input $10/M、output $50/M，這不是軟件工具的定價，而是基礎(chǔ)設(shè)施的定價。

是的，AI coding已經(jīng)是AI時代的生產(chǎn)力基礎(chǔ)設(shè)施，有沒有是兩個時代的分野：AI生產(chǎn)力時代和前AI生產(chǎn)力時代。這反向驗證了DeepSeek朝AI coding演進(jìn)的意義：Coding基礎(chǔ)設(shè)施不能被壟斷，必須平權(quán)化。

DeepSeek-V4-Flash緩存命中輸入價格僅為0.2元/百萬tokens，約為Fable 5的1/138。但實際操作中，由于能力的欠缺，總的token成本并不一定比Fable 5低，更重要的是為生產(chǎn)力付費有馬太效應(yīng)：最好用的會收獲絕大多數(shù)用戶，形成正反饋飛輪，而能力稍顯欠缺的，可能就成Other。

但如果我們把AI coding看作是生產(chǎn)力基礎(chǔ)設(shè)施，那么當(dāng)Coding基礎(chǔ)設(shè)施的邊際成本不斷降低，全球開發(fā)者也才能真正用上頂尖的Coding能力，釋放巨大生產(chǎn)力。所以，以此為維度，DeepSeek的低價路線，本質(zhì)上是把AI生產(chǎn)力從奢侈品變成日用品。

據(jù)參與融資的投資人轉(zhuǎn)述，梁文鋒對所有投資人的最大要求是“不要挖DeepSeek的人”。不是因為核心團(tuán)隊流失率高，事實上核心團(tuán)隊很穩(wěn)定，離職者也不是做Coding的，而是當(dāng)一個人堅信自己在做一件很重要的事情時，是不希望別人來挖角打擾的。

目前，Anthropic的Coding領(lǐng)先是算法+算力+工程化+時間差的紅利，馬斯克認(rèn)為最早到明年Q1，中國AI團(tuán)隊就能造出Mythos 5量級的模型，但智譜的唐杰認(rèn)為會更快。誰對誰錯，由時間來證明。

但讓AI成為像水電一樣的基礎(chǔ)設(shè)施，像TCP/IP、像Linux、像電網(wǎng)，成為準(zhǔn)公共品（Quasi-Public Good），會是AI生產(chǎn)力釋放的關(guān)鍵。DeepSeek拿著500億，賭的就是Coding真正成為基礎(chǔ)設(shè)施，人人可用。

DeepSeek如果能在coding上建立“低成本+高性能+完整工具鏈”的優(yōu)勢，它實際上是在把AI從消費敘事切換到生產(chǎn)敘事。這不僅對DeepSeek自己重要，對中國整個AI產(chǎn)業(yè)都很關(guān)鍵。

十年前，我在融科資訊中心工作時，那群樓里還沒有一家AI公司，現(xiàn)在，DeepSeek的Harness團(tuán)隊正在那里面試產(chǎn)品經(jīng)理。從烏蘭察布的智算中心，到V4.1的蓄勢待發(fā)，DeepSeek正在推進(jìn)它的計劃。

遺憾的是，我沒能力參與其中，只能記下這些觀察。讓時間去驗證它的對錯。