DeepSeek内测识图：多模态迟到但不缺席

DeepSeek-V3的文本能力已经让行业重新定价，但它的"眼睛"直到今天才睁开。4月29日，部分用户发现网页版悄然上线"识图模式"——这距离它靠纯文本推理惊艳市场，已经过去了三个月。

更微妙的是时间线：本月初刚推"快速/专家"双模式，月底就多模态开闸。产品迭代节奏背后，是一套清晰的进攻逻辑。

一、识图模式实测：从"盲答"到"看图说话"

根据用户反馈，新功能支持上传图片并进行内容理解与分析。DeepSeek多模态研究员陈小康在X平台发文"Now, we see you"，配图是标志性鲸鱼"摘下"眼罩——视觉隐喻直接拉满。

值得注意的是，该功能尚未全量推送，功能边界也未公开。这与DeepSeek一贯的风格一致：先小范围验证，再决定是否扩大。

回溯月初的更新，"快速模式"主打即时响应，"专家模式"专攻复杂推理。当时网传的截图里，除了这两个选项，还藏着一个名为"vision"的灰色入口。如今的"识图模式"与那个入口高度吻合，说明多模态一直在路线图内，只是优先级后置。

产品矩阵从纯文本延伸至图文交互，意味着DeepSeek正式向GPT-4o、Gemini等主流多模态大模型靠拢。但"靠拢"不等于"对齐"——后者已经跑通语音、视频、实时屏幕理解，DeepSeek的进度条明显落后。

二、迟到者的筹码：为什么现在才做视觉？

DeepSeek的取舍很现实。年初的爆火源于一个判断：在算力受限环境下，把文本推理做到极致，比面面俱到更有穿透力。结果是V3以极低成本逼近GPT-4级别表现，直接改写了行业对训练成本的认知。

但多模态不是"锦上添花"，而是下一代AI产品的入场券。当用户习惯了"拍张照问AI"的交互，纯文本模型哪怕推理再强，场景也会收窄。

DeepSeek的应对策略是分阶段释放：

第一阶段，用文本能力建立口碑和开发者生态；第二阶段，补齐视觉理解，覆盖更多C端场景；第三阶段，很可能是语音和实时交互——这是智能体（Agent）落地的必备组件。

这种"单点突破、逐步补全"的路径，与OpenAI的"全能模型"思路形成对比。好处是资源集中、风险可控；代价是窗口期压力——竞争对手不会停下来等。

三、政策层面的同步信号

同一天，第九届数字中国建设峰会在福州开幕。国务院副总理丁薛祥的讲话，给AI行业划了五条线：自主创新、应用牵引、生态协同、开放共赢、安全可控。

其中"多路线布局前沿技术探索，全链条推进关键核心技术攻关"的表述，与DeepSeek的技术路线形成呼应。纯文本推理是一条路线，多模态是另一条，两者并行不悖。

更关键的是"应用牵引"——丁薛祥明确指出，我国AI的优势在于"完备产业体系、丰富数据资源、广阔应用场景"。这解释了为什么DeepSeek选择此时开放识图：视觉理解是连接物理世界与数字世界的桥梁，没有它，"人工智能+"行动就缺了一条腿。

四、商业变局：从"卖模型"到"卖算力服务"

DeepSeek的技术迭代，正在倒逼云厂商调整定价策略。阿里云百炼宣布，4月29日23:59:59起，DeepSeek-V4-Pro模型的隐式缓存计费单价下调至1元/百万Token。

隐式缓存（Implicit Cache）的机制是：当请求命中缓存时，输入Token按cached_token计费；未命中则按标准价。这次降价只涉及缓存命中部分，基础推理价格不变。

这个调整很精细。它针对的是高频、重复性调用场景——比如客服问答、内容审核，这些场景缓存命中率高，降价直接转化为客户成本优势。对于长尾、创新性调用，价格杠杆不变，避免过度补贴。

云厂商的算盘很清楚：用DeepSeek的模型吸引力，带动自身的算力消费。模型层越卷，基础设施层越稳。

五、行业侧写：谁在进场，谁在离场

资本市场的动作同样值得玩味。根据寒武纪2026年第一季度报告，章建平已退出十大股东行列；而2025年年报显示，其持股数量为681.49万股。

章建平是A股知名的"超级牛散"，此前长期押注寒武纪。这次退出发生在寒武纪股价经历大幅波动之后， timing耐人寻味。AI芯片赛道的故事从"国产替代"转向"商业落地"，早期投资者的耐心正在经受考验。

另一边，传统行业的AI渗透在加速。联想集团董事长杨元庆的判断是：AI正从云端走向终端，从公共走向个体，从问答走向行动，从模型走向智能体。他造了一个词叫"龙虾们"——数以亿计、7x24小时工作的智能终端。

这个比喻的潜台词是：未来的算力需求不只来自人类用户，更来自机器自主运行。DeepSeek的识图能力，恰恰是"龙虾"感知物理世界的感官之一。

宇树科技创始人王兴兴则给出了具身智能的落地标准：在80%陌生场景中，通过语音和语言指令完成约80%任务。要达到这个水平，需要突破三个方向——任务表达能力、多元数据对齐、模型与真实机器人的对齐。

DeepSeek的多模态开放，对应的是第二个方向：让AI看得懂、听得懂，才能指挥机器人动得了。

六、产品细节：朋友圈改版与交互惯性

同一天，微信朋友圈改版冲上热搜第一。文字从配图右侧移到上方，日期显示调整，右上角新增"朋友圈相册"入口，可按年、月、日缩放展示。

腾讯客服的回应很官方："展示形式的优化调整，会持续优化浏览体验。"但细节变化反映的是更深层的产品逻辑：在短视频和信息流夹击下，朋友圈试图用"相册化"设计唤醒用户的翻阅惯性，对抗内容消费的碎片化。

这与DeepSeek的产品节奏形成有趣对照：一个在做"减法"（聚焦核心能力后逐步扩展），一个在做"加法"（在成熟形态上叠加功能）。两种路径没有高下，只有场景适配。

七、监管与市场：电动自行车的警示约谈

北京市市场监管局对雅迪、爱玛、台铃、九号、小牛、小刀、新日、绿源8家电动自行车企业开展警示约谈，提出"两落实、五严禁"。

核心指向是改装乱象：严禁预留改装空间、严禁销售未经认证车辆、严禁加装改装。这与AI行业的监管逻辑异曲同工——技术创新的前提是安全可控，丁薛祥讲话中的"无论人工智能如何发展，都应当为人类所利用、为人类所掌控"，同样是这个意思。

八、业绩快照：冰火两重天

一季度财报季，几家公司的数据形成鲜明反差：

工商银行：营收2303.70亿元，同比增长8.27%；归母净利润869.41亿元，增长3.31%。利息净收入增长7.49%，非利息收入增长10.45%。传统金融的韧性仍在。

万科A：营收289.28亿元，同比下降23.86%；归母净利润亏损59.52亿元，同比减亏4.71%。开发业务亏损是主因，"减亏"二字说明底部尚未确认。

天风证券：营收4.37亿元，同比下降31.06%；归母净利润22.36万元，同比下降99.07%。投资收益锐减几乎抹平了全部利润，券商的周期属性暴露无遗。

这些数字与AI行业的热闹形成对照：技术变革的叙事再宏大，短期内也填不平宏观周期的沟壑。

九、一场乌龙：霸王茶姬的水银事件

安徽宿州砀山县通报，"霸王茶姬奶茶中喝出水银"系购买人投放，涉案人员已被控制。

调查结论很明确：门店原材料、生产流程无异常。这起事件从舆情爆发到真相还原，只用了不到48小时。对于新消费品牌而言，供应链透明度和危机响应速度，已经是比口味更基础的竞争力。

数据收束

DeepSeek的识图模式、阿里云的缓存降价、章建平的退出、8家电动车企的约谈——4月29日的这些碎片，拼凑出一个清晰的图景：AI行业正在从"技术惊艳期"进入"产品落地期"。

技术层面的单点突破已经不够，多模态、低成本、合规性、商业闭环，缺一不可。DeepSeek的"迟到"有其合理性，但市场不会无限宽容。当GPT-4o的视觉理解已经成为默认选项，当Gemini的实时交互开始定义用户体验，窗口期正在以月为单位收缩。

丁薛祥讲话中的五个"坚持"，既是政策导向，也是行业生存指南。自主创新是底气，应用牵引是路径，生态协同是方法，开放共赢是格局，安全可控是底线。DeepSeek的下一步，能不能把这五条都走通，将决定它是一时黑马还是长期玩家。

至于那个摘下眼罩的鲸鱼logo——它现在确实"看见"了，但能不能看清、看透、看准，还需要更多数据点来验证。