DeepSeek

1.1 身份、使命与法律形式

DeepSeek 的法律实体为 Hangzhou DeepSeek Artificial Intelligence Basic Technology Research Co., Ltd.（中文：杭州深度求索人工智能基础技术研究有限公司），注册地在浙江省杭州市。品牌名「深度求索」（Shen Du Qiu Suo）意为「向深处求索」，体现的是研究优先，而非产品优先。公司于 2023 年 7 月 17 日成立，是创始人 Liang Wenfeng 控制的量化对冲基金 High-Flyer Capital Management 的全资子公司。DeepSeek 的使命表述是「以好奇心解开 AGI 的奥秘」，不像美国前沿实验室常见表述那样强调安全、竞争或社会影响，而是聚焦纯粹科学探索。官网（deepseek.com）和平台（platform.deepseek.com）把公司呈现为一家发布开放权重模型的研究组织，并将 API 平台定价刻意贴近成本。公司在 chat.deepseek.com 运营 AI 聊天机器人，也公开发布技术论文和模型权重。多家独立来源确认其杭州注册；北京运营存在具有合理可能，但已抓取来源没有直接验证。截至本次报告运行日，DeepSeek 仍是一家私人公司，正在为 2027 年可能 IPO 做准备。[CO001, CO002, CO003, CO004, CO005, CO009]

1.2 创始人、领导层与治理

Liang Wenfeng（1985 年生于广东省）是 DeepSeek 的创始人、CEO 和控股股东。他在浙江大学学习 AI 与电气工程，取得学士和硕士学位。多方来源认为，这一背景直接支撑 DeepSeek 的技术研究议程；量化对冲基金创始人很少有这种履历。Liang 于 2015 年共同创立 High-Flyer Capital Management，将其做成中国四大量化对冲基金之一，并积累了计算基础设施——最典型的是 Fire-Flyer 2 集群，包含 625 个节点上的 5,000 块 A100 GPU，支撑了 DeepSeek 的训练任务。多方来源称 Liang 本人每天都在「读论文、写代码、参加小组讨论」，因此更像一位实践型 CEO。截至 2026 年 5 月，他控制公司约 90% 股权；Bloomberg 在 2026 年 7 月估计其个人净资产为 $36 billion，使他成为全球最富有的 AI 模型公司创始人。治理透明度有限：董事会构成、投资者投票权、优先股堆叠条款或股权结构表细节都没有公开披露。公司截至 2025 年约有 160 名研究人员——按前沿 AI 实验室标准异常精简——也带来关键人物依赖和接班问题，公开记录并未给出答案。据报道，公司决定在 2026 年引入外部投资，是为了向员工提供股权；背后动因是资金充足的竞争对手正在挖角研究员。[CO006, CO007, CO008, CO021, CO024, CO027]

1.3 资本结构、融资与 IPO 路径

成立后的前两年半，DeepSeek 作为 High-Flyer 的全资部门运营，没有外部投资者。ChinaTalk 在 2024 年 11 月的专访明确称，DeepSeek 完全由 High-Flyer 出资，且没有融资计划。战略转向发生在 2026 年上半年：Financial Times 报道称，Liang Wenfeng 选择融资，是为了向员工发放股份，以应对激烈的人才挖角。Reuters 和 The Information 报道，2026 年 4 月的初步讨论估值约为 $10 billion；到 2026 年 5 月，FT 和 Bloomberg 都称估值在数周谈判中从 $20 billion 飙升至 $45 billion。该轮融资于 2026 年 6 月完成，约融资 $7 billion，估值 $50 billion——这是公司首次外部融资。领投方为 China Integrated Circuit Industry Investment Fund（Big Fund），这是一只支持国内半导体和 AI 发展的国家基金。Tencent 和 Alibaba 已确认参投；CB Insights 还将 CATL 和 Guozhitou Private Equity Fund Management 列入投资者名单。一个值得注意的治理条款是禁止挖角约定，保护 DeepSeek 员工不被投资者的被投公司挖走。到 2026 年 7 月 14 日——距离本次报告运行日一周——Bloomberg 和 TechCrunch 报道称，DeepSeek 正在洽谈进一步融资 $1.5 billion，估值约 $71 billion，为 2027 年 IPO 目标做准备。估值在三个月内从 $10 billion 推进到 $71 billion，反映了国家资本对主权 AI 的热情，也反映了 DeepSeek 模型的国际采用。[CO017, CO018, CO019, CO020, CO022, CO023]

1.4 模型架构与产品形态

DeepSeek 的产品逻辑是发布一流开放权重模型，配套详细技术论文，并提供价格可负担的 API。2023 年末的首批发布——DeepSeek-Coder（2023 年 11 月）和 DeepSeek-LLM 67B——让这家实验室成为美国开源模型之外可信的中国替代方案。关键架构突破是 DeepSeek-V2（2024 年 5 月）：它采用 Multi-head Latent Attention（MLA）和稀疏 Mixture-of-Experts 设计，将 KV cache 内存降到标准 Multi-Head Attention 的 5-13%，大幅压低推理成本。V2 将 API 访问定价为每百万 token 1 RMB——约为当时 Llama 3 70B 成本的七分之一——点燃了中国 AI 价格战，迫使 ByteDance、Baidu、Tencent 和 Alibaba 降价。DeepSeek-V3（2024 年 12 月）把架构扩展到 671 billion 总参数、每个 token 激活 37 billion 参数，并用 14.8 trillion tokens 训练；CSIS 估算，使用 H800 芯片的最终预训练计算成本约为 $5.6 million。DeepSeek-R1（2025 年 1 月 20 日）在多个基准上达到或超过 OpenAI o1，并引发了 DeepSeek Monday 市场事件。R1 方法论文发表于 Nature（volume 645，pages 633-638，2025）。DeepSeek-V4（2026 年 4 月 24 日）推出 V4-Pro，拥有 1.6 trillion 总参数和 1 million-token 上下文窗口。截至本次报告运行日，API 提供 deepseek-chat，价格为每百万输入 token $0.07。模型权重可从 GitHub 和 Hugging Face 免费下载；模型也可通过 AWS、Azure、Google Vertex AI 和 NVIDIA NIM 使用。[CO011, CO012, CO013, CO014, CO015, CO016]

1.5 里程碑、市场影响与后续尽调缺口

DeepSeek 从创立到可能成为估值超过 $50 billion 的私人公司，只用了 36 个月；这条路径靠三点支撑：High-Flyer 集群带来的算力优势、来自浙江大学的顶尖研究人才，以及刻意选择的开源策略，后者在全球获得了自下而上的采用。Sensor Tower 数据量化了 R1 的病毒式反应：2025 年 1 月 22-28 日期间，日活用户环比增长超过 700%；该应用 19 天内全球下载量超过 23 million，是 ChatGPT 在相同成熟阶段下载速度的两倍以上。Bloomberg 2025 年 10 月数据显示，DeepSeek 在非洲超过 OpenAI 和 Google。截至 2026 年 6 月，DeepSeek 约占 Vercel 平台企业 AI token 流量的 23%。后续章节必须展开的关键反向信号包括：（1）Anthropic 在 2026 年 2 月指控 DeepSeek 通过 24,000 个欺诈创建账户和 16 million 次交互发起工业规模蒸馏攻击；（2）OpenAI 国会备忘录指称持续 IP 盗取；（3）美国 NDAA FY2026 限制政府使用 DeepSeek；（4）澳大利亚政府范围内禁用 DeepSeek；（5）Stanford HAI 观察到，DeepSeek 在隐私保护、数据来源和版权方面明显不透明。公司不披露收入、毛利率、客户数、流失数据、算力烧钱速度或经审计财务。后续章节应独立检验产品市场契合、客户质量、算力经济性、监管暴露和 IPO 准备度。[CO026, CO031, CO032, CO033, CO034, CO036]

1.6 图表与论据

2.1 市场边界：DeepSeek 竞争的是模型支出、平台支出和 AI 应用预算

不应把 DeepSeek 简单归入一个没有差异的「生成式 AI 市场」。已抓取证据至少支持四个相互关联的支出池。第一是前沿模型与 API 推理支出，买家会在各实验室之间比较价格、延迟、上下文和模型质量。第二是 AI 平台支出，企业为评估、治理、路由和应用开发层付费，以便在生产中管理多个模型。第三是智能体与编码工作负载支出，长上下文推理质量和工具使用能力决定一个便宜模型是能部署，还是只值得测试。第四是消费者与专业个人 AI 应用支出，应用下载和订阅带来高量但低治理的漏斗。Gartner 2026 年 7 月预测和 Goldman Sachs 的 $150 billion 软件 TAM 视角都确认总市场很大，但这两个数字都不是 DeepSeek 近期自己的合适 SAM。更好的工作定义是：AI 工作负载中，那些开放权重、低价格、具备推理能力的模型能达到质量门槛，且买家愿意多供应商并用的子集。这个边界让 DeepSeek 的机会明显窄于标题级 TAM，但也可执行得多。[CM001, CM002, CM003, CM004, CM005, CM006]

2.2 买家分层：开发者、企业 AI 团队和自助用户行为完全不同

市场证据显示，DeepSeek 的买家不是同一类人。开发者和 AI 原生产品团队最在意兼容性、token 价格、上下文长度，以及模型是否「足够好到可以上线」。DeepSeek 自己的 API 文档通过模拟 OpenAI 和 Anthropic 风格端点降低迁移摩擦；Alibaba Model Studio、BigModel 和 Baidu Qianfan 也说明，中国平台正在把多模型访问和工具编排常态化。企业平台负责人是另一类买家：Gartner 称，预算正在转向能证明成本透明、用量追踪、性能控制和可衡量结果的供应商。这既利好平台和路由层，也利好底层模型实验室。第三类买家是消费者或专业个人用户，习惯形成和自助试验比治理功能更重要。State of AI 的 2025 年调查数据表明，采用已经足够广，消费者和个人专业用户不再只是无关紧要的旁路；它会把认知和试验反馈到企业试点。DeepSeek 的市场位置最强的地方，是这些漏斗重叠之处：低成本开发者采用、智能体试验，以及足够高的质量，使其能升级进入受管理的企业路由，而不是只停留在爱好者流量。实践中，最有价值的买家往往不是终端用户，而是决定流量如何路由的团队。路由负责人通常决定 DeepSeek 会成为持久支出，还是一阵短暂好奇。[CM011, CM012, CM013, CM014, CM015, CM016]

2.3 增长驱动与约束：效率打开市场，但也推动商品化

DeepSeek 受益于当前最重要的市场驱动：买家想要更多 AI 输出，却不愿接受前沿实验室定价。Vercel 2026 年 6 月生产指数和 OpenRouter 的采用说明都显示同一模式——只要低成本模型达到质量门槛，客户愿意把大量生产 token 流量路由过去。DeepSeek 定价页、MiniMax 按用量付费定价、Kimi 的 256k 长上下文定位，以及 Anthropic 的高端定价栈，都说明市场正在按路由策略分层，而不是收敛到一个赢家。与此同时，帮助 DeepSeek 的同一股力量也会限制它的护城河。State of AI 称竞争已经加剧，中国的 DeepSeek、Qwen 和 Kimi 在推理和编码上缩小了差距；Artificial Analysis 强调，买家可以把质量、价格、速度和开放性并排比较；Alibaba 的模型工作室更是把第三方模型直接放在一个目录里售卖。监管和地缘政治又叠加了一层约束。State of AI 讨论的 MOFCOM 出口管制框架和中国特定的国产硅野心都意味着，DeepSeek 所处市场里技术可以快速扩散，但信任、政策和供应获取仍会决定谁能规模化购买。结果是一个需求异常强、商品化压力同样异常强的市场。[CM023, CM024, CM025, CM026, CM027, CM028]

2.4 图表与论据

3.1 竞争集合：前沿实验室、中国同行和平台中介都重要

DeepSeek 的竞争版图必须按商业模式拆分，而不能只看基准分数。第一层是前沿实验室：OpenAI、Anthropic 和 Google 仍定义市场高端，尤其在企业更看重信任、分发广度和全栈平台功能，而不是最低价格时。第二层是中国开放权重和偏开放群体——Alibaba/Qwen、通过 Qianfan 分发的 Baidu/ERNIE、Z.ai/GLM、Moonshot/Kimi 和 MiniMax——共同模式是模型迭代快、API 兼容性高，并且很愿意打价格战。CNBC 2026 年 1 月对中国实验室的调查支持一个判断：DeepSeek 的突破加速了整个国内同行的发布周期，而不是为单家公司创造持久垄断。第三层是渠道层：Alibaba Cloud、AWS、Azure 和 Google Cloud 都通过决定哪些模型进入托管目录和企业工具来塑造买家访问。按这个意义，DeepSeek 最重要的一些「竞争对手」其实是路由环境，它们降低了买家的搜索和切换成本。最终市场比纯模型对比更宽，也比普通创业公司对抗在位者的框架更严酷。这也意味着，任何干净的排行榜都会漏掉一个事实：买家经常同时比较渠道、治理层、部署便利性和模型质量。[CP001, CP002, CP003, CP004, CP005, CP006]

3.2 功能与价格位置：DeepSeek 价值领先，但同质化正在快速上升

DeepSeek 的公开材料和代码库说明了它为什么会成为如此有冲击力的对照组。DeepSeek-V2 强调经济训练和高效推理，DeepSeek-V3 扩展为 671B 参数 MoE、每个 token 激活 37B 参数，DeepSeek-R1 则建立了强势的公开推理叙事。这个组合重要，因为它满足了严肃竞争的买家下限：能力足够高、开放权重可信、成本极低。但相对同行的功能差距正在收窄。Anthropic 保持高端模型层级，Google 继续扩大 Gemini API 和工具表面，中国同行也已经把长上下文、多模态、智能体工具和兼容性当成基本配置来宣传。Z.ai 称 GLM-5.2 支持 1M 无损上下文；Kimi 主打 256k 上下文和智能体用例；MiniMax 推低单 token 价格；Alibaba 的模型工作室公开在一个目录里售卖多个竞争模型。含义是：DeepSeek 最适合被看作一个正在变拥挤的细分市场中的价值领导者。重视性价比的买家会继续测试 DeepSeek，但更在意广泛企业功能、政策舒适度或高端支持的买家仍有可信替代。换言之，功能趋同扩散得比独特定位更快。OpenAI 自己的模型文档也强调广泛多模态能力，而 Alibaba 定价页显示，平台在位者竞争靠分层折扣和打包，而不只是原始基准宣称。[CP013, CP014, CP015, CP016, CP017, CP018]

3.3 护城河与切换动态：分发有帮助，但多供应商并用削弱锁定

DeepSeek 竞争耐久性最强的论点是，它已经跨过 AI 基础设施市场最难的门槛：它不只是基准出名，而是出现在开发者和企业真正购买模型的地方。Google Cloud 将 DeepSeek 记录为托管或自部署模型选项，Azure 在模型目录中列出 R1，AWS 也把 DeepSeek-R1 加入 Bedrock Marketplace 和 SageMaker JumpStart。这些渠道胜利意味着 DeepSeek 在正常企业采购路径中竞争，而不是只活在研究社区里。问题在于，同样的分发轨道也会压平护城河。Alibaba、Baidu、BigModel 和其他中国平台训练买家期待多模型访问、评估、路由和轻松替换。Artificial Analysis 也通过质量、价格、速度和开放性来定义竞争，而不是只看品牌。因此，DeepSeek 的防御性较少来自排他性，更多来自反复跑通一个困难但脆弱的公式：在推理和编码上贴近前沿，同时明显便宜于高端实验室，并且仍与低成本中国同行保持足够差异。这在今天是真实优势，但它是移动靶，而非永久护城河。因此，公司身处的市场里，分发是必要条件，却永远不充分。买家切换可以快得惊人。每天都在发生。[CP027, CP028, CP029, CP030, CP031, CP032]

3.4 图表与论据

4.1 收入模式与定价：即便 P&L 不透明，变现轨道也清晰

DeepSeek 披露的信息足以理解资金应如何流入，尽管它没有披露最终收入。API 文档称计费基于 token，区分缓存与未缓存输入，并拆分输入和输出定价。这很重要，因为它让变现与用量绑定，而非与订阅绑定：收入会随推理量、模型组合、输出强度和缓存行为扩张。同一定价页显示两条主要 V4 路径——Flash 和 Pro——单价与并发上限差异明显，暗示公司有意把低成本、高吞吐场景和更高要求工作负载分层。DeepSeek 的使用条款还表明，费用会从预付或赠送余额中扣除，公司保留调价权。这些机制更像现代云 API 业务，而不是消费者订阅创业公司。除直接 API 收入外，DeepSeek 通过 Google Cloud、Azure、AWS 以及 Vercel 等网关获得托管可用性，暗示还可通过渠道流量和企业路由变现。未知的是收入结构：公开来源没有说明直接 API 支出、间接云渠道，或免费消费者使用后来转化为付费需求，各自贡献多少。官方变更日志还显示，模型名称和受支持接口正在被主动下线和替换，这让版本管理成为商业系统的一部分，而不只是技术细节。[CI001, CI002, CI003, CI004, CI005, CI006]

4.2 资本结构、融资历史与现金跑道：看得到的钱多于经营表现

资本故事比经营报表更容易观察。Forbes 和 Fortune 都把 DeepSeek 早期融资能力与创始人 Liang Wenfeng 及 High-Flyer 创造的财富相连，这意味着公司起步时似乎拥有对这一规模 AI 实验室来说异常充足的创始人资金。但到 2026 年中，DeepSeek 已明显从创始人单独融资转向外部资本。TechCrunch 5 月报道称，DeepSeek 首轮投资估值可能达到 $45 billion；CNBC 6 月报道称首轮外部融资已以超过 $50 billion 的估值完成；TechCrunch 7 月又报道称，公司在据称仅一个月前融资 $7 billion 后，正在探索以约 $71 billion 估值再融约 $1.5 billion。CB Insights 补充了更多但部分冲突的元数据，将 DeepSeek 列为 Series A 阶段公司，累计融资 $7.546 billion。共同结论是：如果这些报道方向正确，DeepSeek 短期不再受资本约束。更难的问题是现金跑道。公司以低价发布前沿规模模型；这一经营披露缺口，是判断新报道资本基础到底充裕还是仅仅必要的最大障碍。[CI013, CI014, CI015, CI016, CI017, CI018]

4.3 单位经济与财务风险：DeepSeek 可能很高效，但效率不等于耐久性

DeepSeek 的财务上行来自同一组事实，而这些事实也制造主要风险。Vercel 和 OpenRouter 暗示，低标价和快速采用可以带来巨大的 token 量；但低价也留下更少空间来吸收算力冲击、渠道费用或激进竞争性折扣。DeepSeek 的公开材料和合作伙伴列表显示，它可以通过直接 API 和云中介变现；但这些渠道也给客户更多路由灵活性，让收入黏性下降。成本侧更难判断。CSIS、CNBC 和 FDD 都指向一些会在财务上产生影响的风险因素，即便它们常被描述为政策或 IP 故事：出口管制会影响硬件获取，所谓蒸馏或 IP 纠纷会抬高法律和声誉成本，禁令或安全担忧会关闭高信任客户细分。CNBC 6 月关于融资中「禁止挖角」条件的报道也提示，人才稀缺是经济变量，不只是 HR 问题。按模型性能看，DeepSeek 确实可能比许多同行更高效；但投资者不应把技术效率误当成已验证的现金生成耐久性。没有收入披露、流失数据或烧钱数据，基于公开信息的最佳判断是：DeepSeek 拥有可见的变现引擎、充足新资本，以及仍未证明的将规模转化为可防御长期经济性的能力。[CI025, CI026, CI027, CI028, CI029, CI030]

4.4 图表与论据

5.1 产品表面：DeepSeek 已成为平台，而不只是一次模型发布

已审阅的产品证据显示，DeepSeek 是一个拥有多个用户入口的栈。DeepSeek 公开网站和透明度页面描述的是一连串重大模型发布，而不是单一静态旗舰。API 文档展示了与 OpenAI 和 Anthropic 兼容的访问、模型特定定价、token 用量机制，以及 JSON 输出、工具调用、上下文管理等产品化功能。V2、V3 和 R1 的 GitHub 与 Hugging Face 页面进一步表明，DeepSeek 把开放权重分发视为产品策略的一部分，而不只是研究副产品。这很重要，因为它扩大了可服务用户群：有些客户要直接托管推理，有些要托管云访问，有些要权重或论文来评估或自部署。AWS、Azure、Google Cloud 和 NVIDIA 的合作伙伴来源显示，DeepSeek 的产品表面也延伸到第三方分发层，企业用户在那里发现并测试模型。结果是一套产品架构：多扇门通向同一核心能力基础。技术上，这是优势，因为它增加采用路径；运营上，它制造更多需要维护的合约，涉及兼容性、性能、可靠性和文档。这也意味着，产品尽调不能只看原始模型质量，还必须看包装和生态行为。隐私政策也说明，DeepSeek 运营的是持续软件服务，而不只是发布权重；英文透明度页面则像公开发布台账，包含模型卡和报告链接。[CE001, CE002, CE003, CE004, CE005, CE006]

5.2 架构与研发：效率、MoE 设计和推理专精是定义性主题

DeepSeek 的技术身份在公开来源中异常清晰。V2 被明确定位为经济高效；V3 被呈现为大型 MoE 架构，拥有 671B 总参数、每个 token 激活 37B；R1 则被定位为第一代推理家族。R1 仓库强调由强化学习驱动的推理，V2 和 V3 材料则强调低成本训练和高效推理。透明度页面补上了发布节奏，让外界能把这套系统视为演进中的平台，V4 在 2026 年 4 月加入这条弧线。定价文档增加了面向生产的约束和能力，例如上下文长度、输出限制和并发上限。Z.ai、MiniMax 和 Kimi 来源是有用对照，因为它们展示了 DeepSeek 身处的技术竞赛：长上下文、编码、智能体任务和多模态工作流都在常态化。因此，DeepSeek 的技术挑战不只是再发布一个有能力的模型。它必须守住成本性能优势，同时保持 API 稳定，支持托管和伙伴分发部署，并让推理质量在生产中可用，而不仅仅是在演示中惊艳。现有证据支持一个判断：DeepSeek 的 R&D 引擎速度快、架构意识强；但内部测试或基础设施细节披露不足，无法完全验证规模化鲁棒性。持续技术优势取决于执行，而不只是架构口号。[CE013, CE014, CE015, CE016, CE017, CE018]

5.3 技术风险与路线图：加速真实存在，安全、集成和依赖风险也同样存在

让 DeepSeek 激动人心的同样速度，也制造技术风险。公开文档描述了强大的推理和智能体导向行为，但对抗性与政策评论显示，市场持续担心安全控制、滥用风险，以及发布开放或容易访问的高能力模型带来的更广泛影响。DeepSeek 的条款、状态页和合作伙伴列表显示，公司运营的是真实服务业务，因此可靠性和文档纪律与研究新颖性同样重要。从透明度页面和合作伙伴公告可见的路线图显示，这家公司在发布、渠道和兼容层之间快速推进。这利好采用，但也提高了运营回归、文档漂移或破坏生态的废弃变更概率；定价页关于旧模型名称退役的通知已经给出暗示。关键依赖仍然重要。云列表、网关集成以及 NIM 或 MaaS 分发都意味着，公司部分触达和企业包装依赖外部渠道；出口管制和硬件政策叙事也提醒投资者，模型进步仍依赖算力获取。综合看，DeepSeek 的产品和技术姿态先进且具有商业相关性，但仍带有快速移动的前沿模型平台固有的脆弱性。速度与控制之间的平衡，就是核心产品技术张力。[CE027, CE028, CE029, CE030, CE031, CE032]

5.4 图表与论据

6.1 客户细分：自助用户、开发者、企业平台团队和中介都重要

DeepSeek 的公开客户基础必须从产品表面和采用证据中推断，而不是来自一份干净的企业客户名单。第一类是通过聊天、移动应用或病毒式模型发布发现 DeepSeek 的自助用户。Sensor Tower 和 Appfigures 显示，2025 年初这类受众形成得非常快。第二类是通过直接 API 或兼容路由层使用 DeepSeek 的开发者和 AI 原生产品团队。第三类是企业平台团队，他们在 AWS、Azure、Google Cloud 等云目录或托管 AI 平台中遇到 DeepSeek。第四类是中介——网关、云和平台运营商——它们实际上成为客户或渠道客户，因为它们把第三方需求路由给 DeepSeek。这种分层重要，因为各细分的采用质量不同。消费者下载证明知名度；网关 token 份额证明生产试验；云目录存在证明采购可达性。单看任何一个都不能证明黏性的企业账户，但合在一起说明 DeepSeek 的客户足迹比一次病毒式消费者时刻更宽。因此，公司客户故事的强项是广度，弱项是直接披露。[CU001, CU002, CU003, CU004, CU005, CU006]

6.2 采用与扩张：公开用量代理指标指向真实需求和扩大的部署路径

已审阅材料中最强的客户证据来自衡量真实行为的采用代理指标。Sensor Tower 称，DeepSeek 在最初 19 天获得约 23 million 全球下载，是 ChatGPT 可比发布窗口的两倍多；爆发期内平均移动 DAU 环比增长超过 700%。Appfigures 也称，该应用很快突破 1 million 下载，并即将挑战 ChatGPT。这些移动信号是漏斗顶部，不是持久收入证明，但它们确立了异常快的获客速度。更新近的证据来自基础设施渠道。Vercel 2026 年 6 月生产指数称，DeepSeek 的路由 token 份额一个月内从低于 1% 跃升至 17%，而支出仍接近 1%；OpenRouter 称，2026 年上半年 DeepSeek 的 token 份额从 9% 翻倍至 18%，智能体工作负载贡献了大部分增长。这些信号重要，因为它们把故事从炒作推进到反复生产路由。同时，AWS、Azure、Google Cloud、NVIDIA 和 Vercel 都作为具名证据点，显示 DeepSeek 正在被打包给主流开发者和企业环境中的下游用户。因此，公开可见的扩张最可信地体现为渠道扩张和工作流扩张，而不是已披露的具名账户扩张。这个区别重要，因为路由用量比单纯应用榜单动能更接近可变现客户行为。[CU013, CU014, CU015, CU016, CU017, CU018]

6.3 留存、集中度与满意度：最大的客户未知仍藏在水面下

客户质量是公开证据最薄的地方。已审阅来源没有披露净收入留存、logo 留存、队列留存、NPS，甚至没有给出可对账的付费企业客户数。这迫使我们区分可见需求和可核保的客户耐久性。网关和云信号暗示重复使用，因为没有一些经常性工作负载，token 份额不会上升；但它们没有说明需求是否集中在少数超级用户或中介手中。集中度风险真实存在，原因有两点。第一，DeepSeek 大量可见企业触达经由第三方平台实现，这意味着云和网关可能成为关键渠道。第二，TechCrunch、CNA 和 Al Jazeera 通过禁令和限制记录显示，监管和隐私担忧已经把一些公共部门和高信任细分从可触达客户池中移除。实际含义是，DeepSeek 很可能拥有宽广且快速增长的客户表面，但还没有公开可读的客户质量画像。正确的尽调问题不再是「人们是否在用 DeepSeek？」公开证据说是。更难的问题是，用量是否分散、留存、在账户内扩张，并且能以一种抵抗路由灵活性和政策摩擦的方式变现。公开证据仍未达到真正账户分析的层级。[CU026, CU027, CU028, CU029, CU030, CU031]

6.4 图表与论据

7.1 法律与监管风险：隐私、司法辖区、禁令和 IP 纠纷站在最前线

DeepSeek 的法律与监管风险在公开材料中异常清晰。其隐私政策称，该政策适用于 DeepSeek 应用、网站、软件及相关服务，并将 Hangzhou DeepSeek Artificial Intelligence Co., Ltd. 认定为控制者，还称个人数据会在中国境内被直接收集、处理和存储，以提供服务。其使用条款称，随着法律、法规或技术演进，服务可能变化、因司法辖区而异，或被暂停、终止。任何全球 AI 创业公司都必须重视这些事实，但在这里分量更重，因为多个公开来源记录了与隐私和国家安全担忧相关的政府限制。TechCrunch、CNA、Al Jazeera 和 Conference Board 都描述了国家、机构或州及联邦主体的禁令或限制。在此之上，CNBC 和 FDD 总结了围绕模型蒸馏或 IP 滥用的指控，CNIPA 的商标通知则显示 DeepSeek 品牌本身也成了机会主义注册目标。整体法律/监管判断不只是「中国暴露」。它是一组相互叠加的问题：跨境信任、公共部门排除风险、演进中的 AI 治理，以及法律叙事可能比技术反驳传播更快。这组问题可以同时影响采购和估值。[CR001, CR002, CR003, CR004, CR005, CR006]

7.2 运营与平台风险：安全、可靠性和分发依赖紧密耦合

DeepSeek 的运营风险和产品分发、市场推广方式绑在一起。CSIS 的负面评论强调滥用和越狱担忧；DeepSeek 自己的条款也提醒用户，不要把输出当成专业意见，并说明输出可能包含错误或遗漏；隐私政策则写明，使用下游应用的开发者并不完全落在 DeepSeek 直接隐私范围内。这些问题重要，是因为 DeepSeek 已经不只是发论文；它在运营在线服务、合作伙伴打包产品和经网关路由的工作负载。因此，可靠性、文档准确性、兼容性稳定性都成了风险面的一部分。公开状态页是正面信号，但不能替代事故历史或 SLA 记录。分发也有两面性。AWS、Azure、Google Cloud、NVIDIA 和 Vercel 都扩大了企业触达；但每多一个入口，就多一层对外部打包、治理或定价逻辑的依赖。Azure 的 V4-Pro 目录页凸显了托管支持和统一计费的好处，也说明企业运营语境有多大一部分可能掌握在平台而非模型实验室手里。结果是，模型质量、抗滥用能力、服务运营和渠道依赖彼此叠加。[CR015, CR016, CR017, CR018, CR019, CR020]

7.3 人员、执行与缓释：快速迭代有价值，但会带来脆弱的协同要求

DeepSeek 的执行风险不只是能不能快速出货；关键在于在高强度审视下协调研究、产品、政策和渠道。CNBC 2026 年 6 月报道称，投资人被要求不要挖人，说明人才留存重要到足以写进融资动态。V3.1 发布说明显示，DeepSeek 可以很快更新模型、模式、API 映射、定价节奏和智能体功能；从产品角度看很亮眼，但从变更管理看也有风险。快迭代会抬高文档漂移、用户困惑和向后兼容错误的成本。外部生态压力又加了一层。State of AI 认为中国开放权重生态在变强，Volcengine、Baidu Qianfan、Kimi 和 MiniMax 的材料也显示，同业正在迅速为客户搭建相邻路径。也就是说，DeepSeek 一边要管内部执行，一边要追上外部市场。缓释风险应当是有条件的判断，而不是绝对判断。更好的披露、更强的安全防护和更有纪律的发布管理，可以降低部分风险。另一些风险——比如地缘政治信任缺口或出口管制制度——只能作为打破投资逻辑的条件持续监控。投资人应假设 DeepSeek 能缓释很多运营风险，但不能假设它能完全控制周围的政策环境。执行风险会在团队之间快速复利。DeepSeek 至少已经发布过一份面向透明度和安全使用的一手模型机制披露；这不是完整的保证体系，但公开释放了一定缓释意图。[CR029, CR030, CR031, CR032, CR033, CR034]

7.4 展示项

8.1 估值方法：看报道轮次、公开可比公司和风险折价，不做伪精确 DCF

传统内在价值估值无法由已审阅的公开记录支撑，因为关键输入缺失。没有经审计收入、未披露毛利率、没有公开烧钱速度，也没有可靠客户队列数据。公开记录能提供的是一组估值锚点：DeepSeek 在 2026 年 5 月被报道估值约 $45 billion，2026 年 6 月超过 $50 billion，2026 年 7 月融资讨论约 $71 billion。它还提供了其他中国模型实验室的可比公司信号，以及说明市场为何愿意关注的分发代理指标。因此，正确方法是三角校验。先看报道中的市场出清价格区间。再用 Moonshot、MiniMax、Z.ai 和 StepFun 的同业估值和公开上市信号交叉检查。然后针对披露不透明、政策悬顶，以及路由用量未必能顺畅转化为持久高毛利收入的风险打折。Gartner、Goldman Sachs、Artificial Analysis 等分析师市场规模来源能解释战略溢价为何存在，但不能单独证明某一轮的精确价格合理。结论必然是区间估值判断，而不是单点数字。保守方法重要，因为这里的表面精确会误导。[CV001, CV002, CV003, CV004, CV005, CV006]

8.2 情景与敏感性：有上行空间，但取决于能否把战略稀缺性转成基本面

DeepSeek 的乐观情景很容易讲清。Vercel 和 OpenRouter 的需求代理指标显示，真实生产兴趣存在。公开定价显示，公司可以把自己放在远低于高端西方实验室的位置。MiniMax、Z.ai 和 StepFun 的信号显示，中国 AI 生态仍在吸引资本和公开市场通道。如果 DeepSeek 能持续提升技术，同时用新资本扩大渠道覆盖和企业信任，高溢价私人估值可以说得通。基准情景更克制：DeepSeek 仍然重要、使用广泛且具战略稀缺性，但估值大部分仍靠叙事支撑，因为收入质量和利润率持久性仍被遮住。悲观情景不是 DeepSeek 消失，而是公开使用量变现低于假设，政策和信任逆风封顶可触达需求，更快的同业压缩溢价。因此，敏感性不主要由市场规模论证驱动，而更受四个变量支配：变现效率、渠道依赖、政策摩擦和证据质量。任何一个变量的小变化，都可能显著移动公允价值区间，因为当前公开数据相对于醒目的估值数字太薄。简言之，假设比电子表格更重要。同一家公司看起来便宜还是贵，取决于这些缺失变量最终是顶级，还是只是普通。[CV014, CV015, CV016, CV017, CV018, CV019]

8.3 建议与尽调问题：观察或继续研究，而不是盲目投资

基于公开证据的建议，是观察 DeepSeek 或继续研究，而不是按报道价格上沿激进投资。估值约 $50 billion 时，如果投资人能进入数据室、并相信渠道和质量叙事会转化为持久收入，公司作为稀缺资产仍有可辩护空间。估值约 $71 billion 时，举证责任就高得多。核心原因不是市场机会小，而是证据质量仍远低于这一定价通常要求的水平。Conference Board 和禁令追踪来源显示，政策与信任担忧仍然真实存在。CNIPA 的备案通知和隐私政策披露也强化了一个判断：非技术问题可以影响价值创造。出资前，投资人需要看到客户集中度、收入质量、队列留存、毛利率和算力来源数据。如果这些数字非常出色，DeepSeek 可能配得上溢价。如果只是不错，今天报道的估值大概率偏高。因此，当前建议是谨慎好奇，而不是高信念资本。公开势头应被视为输入，而不是判决。保持谨慎有必要。[CV027, CV028, CV029, CV030, CV031, CV032]

8.4 展示项