梁文锋是 Jim Simons 的超级粉丝，也是一位太聪明的资本家，我预测，DeepSeek 会与多家中国内存、ASIC、CPU 和网络栈厂商签署类似协议，并与它们密切合作，让它们的硬件栈能够胜任领先 AI 工作负载

如果只把 DeepSeek 理解成一家模型公司，就会看不懂它。

模型公司最自然的赚钱方式，是卖 API、卖订阅、卖企业私有化、卖应用入口。

但 DeepSeek 一直没有按这条路走。

它更像是在做另一件事：把模型能力当成楔子，插进中国 AI 硬件栈最脆弱、也最有价值的地方。

这才是这篇参考文章真正刺激人的地方。

它不是在讨论 DeepSeek 怎么多赚几亿美元。

它在讨论 DeepSeek 有没有可能通过一整套基础性创新，帮助中国长出一个新的 AI 硬件生态，然后在这个生态里拿到属于自己的资本收益。

DeepSeek 的关键不是便宜，而是改写约束

很多人谈 DeepSeek，第一反应是便宜。

推理便宜，训练便宜，开源也便宜。

但“便宜”只是结果，不是原因。

真正值得看的是：DeepSeek 一直在改写 AI 系统的资源约束。

MoE 改写的是计算密度。

MLA、DSA、CSA、HCA 改写的是 KV Cache 和长上下文成本。

Engram 改写的是计算与内存之间的交换关系。

mHC 试图改写的是大模型深层训练的稳定性。

这些词看起来都很技术，但它们指向同一个战略动作：

让领先 AI 工作负载，不再只能被最顶级的 GPU、HBM、CUDA 生态承载。

如果这件事成立，DeepSeek 的价值就不是“做出一个模型”。

它是在降低领先 AI 工作负载对美国硬件栈的依赖。

HBM 是瓶颈，瓶颈就是利润池

AI 硬件战争里，最硬的瓶颈不是口号，是 HBM。

高带宽内存贵、难造、产能受限，而且供应链高度集中。

如果一个模型的 KV Cache 巨大，长上下文推理就会疯狂吃 HBM。你想做长时程 Agent，想做百万 token 任务，想让模型持续记住上下文，就会被这个瓶颈卡住。

参考文章里给了一个很尖锐的比较：在 100 万上下文下，文章称 DeepSeek V4 的 KV Cache 只需要 5.48GB HBM，而 GLM5、Qwen3-235B-A22B 的占用高得多。

这个数字我这里不做独立背书，但这个方向很重要。

如果 KV Cache 被极大压缩，很多原来必须待在 HBM 里的东西，就有机会被挪到 SSD、NAND、LPDDR，甚至用更便宜的存储层级重新组织。

这不是省钱小技巧。

这是产业分工的重排。

HBM 少吃一点，NAND、SSD、LPDDR 就多吃一点。

算力压力少一点，ASIC、CPU、网络栈厂商就多一点机会。

“以内存换计算”是中国硬件生态的入口

Engram 这个方向特别值得看。

它的思想可以粗暴概括为：有些知识不一定都要通过 Transformer 层一遍遍算出来，可以用类似查表、哈希、条件记忆的方式取出来。

这就是经典的 trade-off：用内存换计算。

过去大家默认 AI 的核心瓶颈是算力，所以故事自然落在 GPU 上。

但如果一部分计算可以被换成内存访问，产业地图就会变化。

谁有更便宜、更充足、更可控的内存和存储，谁就有机会进入 AI 系统的价值链。

这也是为什么参考文章会把 YMTC、CXMT 这类名字放进 DeepSeek 的故事里。

它不是说 DeepSeek 明天就会变成内存公司。

而是说，DeepSeek 的架构创新，可能会为中国存储和内存厂商创造一个真实的 AI 需求场景。

需求场景比补贴更重要。

补贴只能让公司活着。

真实工作负载才能让公司长肌肉。

最聪明的资本家，不一定卖产品

文章里最有意思的类比，是 OpenAI 与 AMD、Cerebras 这类硬件公司的合作。

参考文章称，OpenAI 通过与硬件厂商签订带有里程碑条件的认股权证/期权协议，把自己的模型需求、采购规模、技术适配，与硬件公司的长期市值绑在一起。

这件事的本质是：

我不是简单买你的芯片。

我帮你证明你的芯片能跑最前沿的 AI 工作负载。

我帮你变成资本市场相信的 AI 基础设施公司。

然后，我分享你被重新定价之后的上行收益。

这就是模型公司的另一种资本模式。

不是只赚推理费。

而是用“领先工作负载认证权”，去换硬件生态的期权。

如果梁文锋真的是 Jim Simons 的超级粉丝，那他不可能看不懂这件事。

Jim Simons 的世界观不是“讲一个宏大故事，然后等市场买单”。

恰恰相反，它是用结构性优势、概率优势、复利优势，把小的 edge 反复放大。

DeepSeek 如果能把自己的模型、训练方法、推理优化、kernel、通信策略，变成中国硬件厂商必须共同适配的工作负载标准，它拿到的就不是一次性收入。

它拿到的是生态复利。

我预测：DeepSeek 会卖“适配能力”，也会拿“上行权利”

所以我同意参考文章里最锋利的判断：DeepSeek 很可能会与多家中国内存、ASIC、CPU 和网络栈厂商签署类似协议，并与它们密切合作，让它们的硬件栈能够胜任领先 AI 工作负载。

这类协议未必长得都像 OpenAI 与 AMD 的协议。

可能是股权。

可能是认股权证。

可能是联合实验室。

可能是优先采购。

可能是深度技术适配加里程碑分成。

形式不重要。

关键在于：DeepSeek 会把自己从“模型供应商”升级成“硬件生态的验证者、架构顾问和需求组织者”。

这才是资本家最聪明的地方。

你不一定要拥有每一家硬件公司。

你只要成为它们通向领先 AI 工作负载的必经之路。

TileLang 和 CUDA 护城河

这里还有一层软件栈的问题。

NVIDIA 最强的地方从来不只是 GPU，而是 CUDA。

CUDA 的本质是开发者生态，是 kernel、编译器、库、工具链、调试经验、工程惯性叠加出来的护城河。

如果 DeepSeek 对 TileLang 这类跨硬件 kernel 抽象投入更多，它做的就不只是优化自己的模型。

它是在削弱“只能在 CUDA 上高效跑”的路径依赖。

这件事如果成功，中国 ASIC 厂商、CPU 厂商、网络芯片厂商，甚至 AMD 这样的西方非 NVIDIA 硬件，都会受益。

DeepSeek 的开源，也就不只是理想主义。

开源是扩散协议。

当越来越多实验室、厂商、工程师围绕 DeepSeek 的架构和工具链适配，DeepSeek 就从公司变成了事实标准的一部分。

标准本身，就是资本。

为什么这比卖订阅更大

卖订阅当然能赚钱。

但订阅收入有天花板。

硬件生态的重新定价没有那么低的天花板。

如果中国 AI 硬件生态真的被前沿模型工作负载验证，市场会重新给内存、存储、ASIC、网络、服务器、软件栈估值。

DeepSeek 不需要吃掉全部价值。

它只要在关键节点上拿到足够多的上行权利，就能获得远大于模型 API 毛利的回报。

这也是为什么“AGI for everyone”与“太聪明的资本家”并不矛盾。

把 AI 做便宜，是使命叙事。

把 AI 做便宜之后，重构硬件价值链，是资本叙事。

前者赢得开发者和用户。

后者赢得产业和市值。

真正厉害的公司，会让这两件事互相加强。

结尾：DeepSeek 可能不是在省钱，而是在下注

DeepSeek 的很多动作，单独看都像技术洁癖。

为什么要这么执着于 MoE？

为什么要压 KV Cache？

为什么要研究内存与计算的交换？

为什么要关心通信重叠、kernel、硬件适配？

如果把它放到“模型公司”的框架里，会觉得它绕远路。

如果把它放到“中国 AI 硬件生态做市商”的框架里，很多事情突然变得顺了。

它不是只想把模型跑便宜。

它是在让更多硬件有资格跑领先模型。

一旦更多硬件有资格跑领先模型，就会有更多厂商、更多资本、更多供应链、更多工程师围绕它聚集。

这时候 DeepSeek 的位置就变了。

它不再只是生态里的一个玩家。

它变成了生态能不能成立的关键变量。

这才是梁文锋最值得被认真理解的地方。

不是他像不像一个科学家。

而是他可能同时像一个科学家、工程师和资本家。

而且是那种知道复利该从哪里开始滚起来的资本家。

参考

• 微信公众号「AI寒武纪」：《DeepSeek 的 10 万亿美金宏伟战略？》：https://mp.weixin.qq.com/s/IyTa8RJATlRLcPoE2pmTXQ
• 原文引用来源：GDP / @bookwormengr 关于 DeepSeek 硬件生态战略的讨论：https://x.com/bookwormengr/status/2057909493250539891