DeepSeek R1发布一年了，不卷功能、不融资、不着急，凭什么“硬控”硅谷

本文来自微信公众号： APPSO ，作者：发现明日产品的，原文标题：《DeepSeek R1发布一年了，不卷功能、不融资、不着急，凭什么「硬控」硅谷》

一年前，我也是被这句话硬控的用户之一。

DeepSeek带着R1在一年前的今天（2025.1.20）横空出世，一出场就吸引了全球的目光。

那时候为了能顺畅用上DeepSeek，我翻遍了自部署教程，也下载过不少号称「XX-DeepSeek满血版」的各类应用。

一年后，说实话，我打开DeepSeek的频率少了很多。

豆包能搜索、能生图，千问接入了淘宝和高德，元宝有实时语音对话和微信公众号的内容生态；更不用说海外的ChatGPT、Gemini等SOTA模型产品。

当这些全能AI助手把功能列表越拉越长时，我也很现实地问自己：「有更方便的，为什么还要守着DeepSeek？」

于是，DeepSeek在我的手机里从第一屏掉到了第二屏，从每天必开变成了偶尔想起。

看一眼App Store的排行榜，这种「变心」又似乎不是我一个人的错觉。

免费应用下载榜的前三名，已经被国产互联网大厂的「御三家」包揽，而曾经霸榜的DeepSeek，已经悄悄来到了第七名。

在一众恨不得把全能、多模态、AI搜索写在脸上的竞品里，DeepSeek显得格格不入，51.7 MB的极简安装包，不追热点，不卷宣发，甚至连视觉推理和多模态功能都还没上。

但这正是最有意思的地方。表面上看，它似乎真的「掉队」了，但实际是DeepSeek相关的模型调用仍是多数平台的首选。

而当我试图总结DeepSeek过去这一年的动作，把视线从这个单一的下载榜单移开，去看全球的AI发展，了解为什么它如此地不慌不忙，以及即将发布的V4，又准备给这个行业带来什么新的震动；

我发现这个「第七名」对DeepSeek来说毫无含金量，它一直是那个让巨头们真正睡不着觉的「幽灵」。

掉队？DeepSeek有自己的节奏

当全球的AI巨头都在被资本裹挟着，通过商业化来换取利润时，DeepSeek活得像是一个唯一的自由球员。看看它的竞争对手们，无论是国内刚刚港股上市的智谱和MiniMax，还是国外疯狂卷投资的OpenAI和Anthropic。

为了维持昂贵的算力竞赛，就连马斯克都无法拒绝资本的诱惑，前几天刚刚才为xAI融了200亿美元。

但DeepSeek至今保持着「零外部融资」的纪录。

年度私募百强榜，按照公司平均收益排名，幻方量化位于第七名，百亿以上规模排名第二｜图片来源：https://www.simuwang.com/news/285109.html

在这个所有人都急着变现、急着向投资人交作业的时代，DeepSeek之所以敢掉队，是因为它背后站着一台超级「印钞机」，幻方量化。

作为DeepSeek的母公司，这家量化基金在去年实现了超高的53%回报率，利润超过7亿美元（约合人民币50亿元）。

梁文锋直接用这笔老钱，来供养「DeepSeek AGI」的新梦。这种模式，也让DeepSeek极其奢侈地拥有了对金钱的掌控权。

没有资方的指手画脚。

没有大公司病，许多拿了巨额融资的实验室，陷入了纸面富贵的虚荣和内耗，就像最近频频爆出有员工离职的Thinking Machine Lab；还有小扎的Meta AI实验室各种绯闻。

只对技术负责，因为没有外部估值压力，DeepSeek不需要为了财报好看而急于推出全能App，也不需要为了迎合市场热点去卷多模态。它只需要对技术负责，而不是对财务报表负责。

App Store的下载量排名，对于一家需要向VC证明「日活增长」的创业公司来说是命门。但对于一家只对AI发展负责、不仅不缺钱还不想被钱通过KPI控制的实验室来说，这些有关市场的排名掉队，或许正是它得以保持专注、免受外界噪音干扰的最佳保护色。

更何况，根据QuestMobile的报告，DeepSeek的影响力完全没有「掉队」

改变生活，也影响了世界AI军备竞赛

即便DeepSeek可能根本不在意，我们是否已经选择了其他更好用的AI应用，但它过去这一年带来的影响，可以说各行各业都没有错过。

硅谷的「DeepSeek震撼」

最开始的DeepSeek，不仅仅是一个好用的工具，更像是一个风向标，用一种极其高效且低成本的方式，打碎了硅谷巨头们精心编织的高门槛神话。

图片来源：https://openaiglobalaffairs.substack.com/p/deepseek-at-1

如果说一年前的AI竞赛是比谁的显卡多、谁的模型参数大，那么DeepSeek的出现，硬生生把这场竞赛的规则改写了。在OpenAI及其内部团队（The Prompt）的最近发布总结回顾中，他们不得不承认，

DeepSeek R1的发布在当时给AI竞赛带来了「极大的震动（jolted）」，甚至被形容为一场「地震级的冲击（seismic shock）」。

DeepSeek一直在用实际行动证明，顶尖的模型能力，不需要天价的算力堆砌。

根据ICIS情报服务公司最近的分析，DeepSeek的崛起彻底打破了算力决定论。它向世界展示了，即使在芯片受到限制、成本极其有限的情况下，依然可以训练出性能比肩美国顶尖系统的模型。

AI竞赛正在演变成一场漫长的马拉松｜图片来源：https://www.icis.com/asian-chemical-connections/2026/01/a-year-on-from-deepseek-us-versus-china-in-the-ai-race/

这直接导致了全球AI竞赛从「造出最聪明的模型」，转向了「谁能把模型做得更高效、更便宜、更易于部署」。

微软报告里的「另类」增长

当硅谷巨头们还在争夺付费订阅用户时，DeepSeek也开始在被巨头遗忘的地方扎根。

在微软上周发布的《2025全球AI普及报告》中，DeepSeek的崛起被列为2025年「最意想不到的发展之一」。报告揭示了一个有意思的数据：

非洲使用率高：因为DeepSeek的免费策略和开源属性，消除了昂贵的订阅费和信用卡门槛。它在非洲的使用率是其他地区的2到4倍。

占领受限市场：在那些美国科技巨头难以触达或服务受限的地区，DeepSeek几乎成了唯一的选择。数据显示，它国内的市场份额高达89%，在白俄罗斯达到56%，在古巴也有49%。

微软在报告里也不得不承认，DeepSeek的成功更加确定了，AI的普及不仅取决于模型有多强，更取决于谁能用得起。

全球南方地区AI普及的程度还有很大的提升空间｜https://www.microsoft.com/en-us/corporate-responsibility/topics/ai-economy-institute/reports/global-ai-adoption-2025/

下一个十亿级AI用户，可能不会来自传统的科技中心，而是来自DeepSeek覆盖的这些地区。

欧洲：我们也要做DeepSeek

不仅是硅谷，DeepSeek的影响跨越了整个地球，欧洲也不例外。

欧洲一直是被动地使用美国的AI，虽然也有自己的模型Mistral，但一直不温不火。DeepSeek的成功让欧洲人看到了一条新路，既然一家资源有限的中国实验室能做到，欧洲为什么不行？

据连线杂志最近的一篇报道，欧洲科技界正在掀起一场「打造欧洲版DeepSeek」的竞赛。不少来自欧洲的开发者，开始打造开源大模型，其中一个叫SOOFI的欧洲开源项目更是明确表示，「我们将成为欧洲的DeepSeek。」

DeepSeek过去这一年的影响，也加剧了欧洲对于「AI主权」的焦虑。他们开始意识到，过度依赖美国的闭源模型是一种风险，而DeepSeek这种高效、开源的模式，正是他们需要的参照。

关于V4，有这些信息值得关注

影响还在继续，如果说一年前的R1是DeepSeek给AI行业的一次示范，那么即将到来的V4，会不会又是一次反常识的操作。

根据前段时间零零散散的爆料，和最近公开的技术论文，我们梳理了关于V4最值得关注的三个核心信号。

1.复刻「春节突袭」

DeepSeek似乎偏爱在农历新年这个时间节点搞事情。有消息透露，DeepSeek计划在2月中旬（农历新年前后）发布新一代旗舰模型V4。去年的R1也是在这个时间节点发布，随后在春节假期引爆了全球关注。

不得不说，这种时机选择避开了欧美科技圈的常规发布拥堵期，还充分用到了长假期间用户的尝鲜心理，确实能为病毒式的传播埋下种子。

在通用对话已经趋于同质化的今天，V4选择了一个更硬核的突破口：生产力级别的代码能力。

据接近DeepSeek的人士透露，V4并没有止步于V3.2在基准测试上的优异表现，而是在内部测试中，让其代码生成和处理能力，直接超越了Anthropic的Claude和OpenAI的GPT系列。

更关键的是，V4试图解决当前编程AI的一大痛点：「超长代码提示词」的处理。这意味着V4不再只是一个帮我们写两行脚本的助手，它试图具备理解复杂软件项目、处理大规模代码库的能力。

为了实现这一点，V4也改进了训练流程，确保模型在处理海量数据模式时，不会随着训练深入而出现「退化」。

3.关键技术：Engram

比起V4模型本身，更值得关注的是DeepSeek在上周联合北京大学团队发表的一篇重磅论文。

这篇论文揭示了DeepSeek能够在算力受限下持续突围的真正底牌，是一项名为「Engram（印迹/条件记忆）」的新技术。

HBM（高带宽内存）是全球AI算力竞争的关键领域之一，当对手都在疯狂囤积H100显卡来堆内存时，DeepSeek再次走了一条不寻常的路。

计算与记忆解耦：现有的模型为了获取基本信息，往往需要消耗大量昂贵的计算力来进行检索。Engram技术能让模型高效地查阅这些信息，而不需要每次都浪费算力去计算。

省下来的宝贵算力，被专门用于处理更复杂的高层推理。

研究人员称，这种技术可以绕过显存限制，支持模型进行激进的参数扩张，模型的参数规模可能进一步扩大。

在显卡资源日趋紧张的背景下，DeepSeek的这篇论文好像也在说，他们从未把希望完全寄托在硬件的堆砌上。

DeepSeek这一年的进化，本质上是在用反常识的方式，解决AI行业的常识性难题。

它一年进账50亿，能够用来训练出上千个DeepSeek R1，却没有一味卷算力，卷显卡，也没有传出要上市，要融资的消息，反而开始去研究怎么用便宜内存替代昂贵的HBM。

过去一年，它几乎是完全放弃了全能模型的流量，在所有模型厂商，每月一大更，每周一小更的背景下，专注推理模型，一次又一次完善之前的推理模型论文。

这些选择，在短期看都是「错的」。不融资，怎么跟OpenAI拼资源？不做多模态的全能应用，生图生视频，怎么留住用户？规模定律还没失效，不堆算力，怎么做出最强模型？

但如果把时间线拉长，这些「错的」选择，可能正在为DeepSeek的V4和R2铺路。

这就是DeepSeek的底色，在所有人都在卷资源的时候，它在卷效率；在所有人都在追逐商业化的时候，它在追逐技术极限。V4会不会继续这条路？还是会向「常识」妥协？答案或许就在接下来的几周。

但至少现在我们知道，在AI这个行业里，反常识，有时候才是最大的常识。

下一次，还是DeepSeek时刻。