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

「服务器繁忙，请稍后再试。」

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」的记录。

▲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。

2. 核心能力是卷代码和超长上下文

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。