04-风险与判断-芯片限制、监管与长期价值
风险与判断——芯片限制、监管与长期价值
《看懂DeepSeek》系列 · 第 04 篇 · 终章 阅读时间约 10 分钟
写在前面
技术是真实的，商业化是空白的，竞争格局是混乱的。前三篇把这些摆清楚了。但还剩一个问题没有正面回答：这家实验室的风险到底有多大，以及它是否值得长期关注？
DeepSeek是未上市公司，信息透明度远低于上市公司。以下分析基于公开信息，不确定的地方会明确标注。
风险一：芯片断供——最大的结构性威胁
现状
美国对华AI芯片出口限制持续升级：
| 时间线 | 事件 |
|---|---|
| 2022年10月 | 美国禁止向中国出口A100/H100 |
| 2023年10月 | 禁令扩大至H800等"阉割版"芯片 |
| 2025年4月 | NVIDIA H20也被要求出口许可 |
| 2025-2026年 | 美国调查DeepSeek是否通过新加坡中间商获取约60,000张NVIDIA芯片（其中20,000张为受限型号）（来源：美中经济与安全审查委员会） |
DeepSeek目前拥有的算力基础：约10,000张NVIDIA A100（2023年禁令前采购，来源：Bloomberg），加上可能的额外采购。
核心问题：现有的NVIDIA芯片够用多久？国产替代能接上吗？
华为昇腾：备份路线，但不是完美替代
V4已适配华为昇腾950芯片，技术上实现了从训练到推理的全栈部署。但：
| 对比维度 | NVIDIA H200 | 华为昇腾950 |
|---|---|---|
| 工艺制程 | 4nm | 7nm |
| HBM带宽 | 4.8 TB/s | 未公开（预估较低） |
| 生态成熟度 | CUDA（全球标准） | CANN（起步阶段） |
| 量产时间 | 已量产 | 2026年下半年开始爬坡 |
（来源：华为官方、VOA中文、电子工程专辑）
一个关键事实：昇腾950的量产要到2026年下半年才开始爬坡。在此之前，DeepSeek的V4-Pro高端推理服务因算力受限，API价格无法大幅下降。
看多观点：DeepSeek的核心竞争力是算法效率——即使芯片性能有差距，算法优化可以弥补。V3用H800训练出了全球前沿模型，说明"不是最好的芯片也能做出最好的模型"。
看空观点：前沿模型的训练越来越吃算力。如果下一代模型（V5或更远）需要10倍算力，昇腾与NVIDIA的差距就不再是"可以用算法弥补"的量级了。算法创新有天花板，物理层面的差距最终会显现。
芯片风险的判断
短期（1-2年）：可控。现有NVIDIA库存+昇腾适配+算法效率优势，足以支撑V4和V4.1的迭代。
中期（3-5年）：不确定性大。取决于华为昇腾的量产进度、7nm工艺能否追赶5nm/4nm、以及美国制裁是否进一步收紧。
风险二：内容审查与全球化天花板
中国国内审查
DeepSeek的模型遵守中国法律要求，在政治敏感话题上有明确的审查机制（来源：多个独立测试报告、RFA）：
- 涉及天安门、台湾等话题时拒绝作答或删除回答
- 审查发生在应用层面——先生成文字再迅速删除
- 中文和英文交互的审查最严格，其他语言的过滤不一致
海外封禁
| 国家/地区 | 措施 |
|---|---|
| 美国 | 政府机构禁用；考虑更广泛封禁 |
| 意大利 | 一度下架 |
| 爱尔兰、比利时 | 数据安全调查 |
| 韩国、日本 | 限制性措施 |
| 澳大利亚 | 政府设备禁用 |
（来源：安全内参、CNBC、各国政府公告）
这意味着什么？
DeepSeek的全球化存在一个结构性矛盾：
- 开源模型可以全球下载使用（无法被封禁）
- 但DeepSeek的云端API服务在多个国家受限
- 企业客户（尤其是政企客户）不会使用一个被本国政府明确点名的AI服务
看多观点：开源是最好的"反封禁武器"。任何人都可以下载模型权重在本地运行，政府封不住代码。DeepSeek的真正影响力不在云端API，而在全球开发者社区。
看空观点：有影响力不等于能赚钱。全球开发者免费用你的开源模型，不意味着他们会付费用你的API。而政企市场——AI变现的最大蛋糕——DeepSeek在中国以外几乎无法触达。
风险三：人才流失——270人团队的脆弱性
DeepSeek的团队特征：
| 特征 | 数据 |
|---|---|
| 总人数 | 约270人 |
| 平均年龄 | 28岁 |
| 学历 | 85%以上硕士，40%以上博士 |
| 来源 | 清华、北大、浙大、复旦为主 |
（来源：知乎、36氪）
2025年底至2026年初的已知离职：
| 姓名 | 离职时间 | 去向 |
|---|---|---|
| 罗福莉 | 2025年11月 | 小米 |
| 王炳宣 | 2025年底 | 腾讯 |
| 阮翀 | 2026年1月 | 元戎启行 |
| 郭达雅 | 2026年4月 | 字节跳动 |
（来源：36氪）
核心问题：DeepSeek没有股权激励。一家未上市公司、没有期权计划的实验室，靠什么留住中国最顶尖的AI研究者？
看多观点：梁文锋的领导力和"纯研究"的使命感是DeepSeek最大的人才磁铁。全球顶级AI研究者中，有一批人的动力不是钱而是"做真正的前沿研究"。DeepSeek提供了这种机会。首轮融资完成后，也可能推出股权激励计划。
看空观点：使命感无法量化、无法对冲。字节跳动、腾讯开出的薪资可能是DeepSeek的3-5倍以上，外加期权。4个核心成员在半年内离职，这个比例对270人的团队来说不低。如果V4之后迭代速度放缓，人才流失可能加速。
风险四：母公司风险与估值泡沫
幻方量化的风险
| 风险点 | 说明 |
|---|---|
| 收益波动 | 量化基金收益率年度波动可达30-50个百分点 |
| 监管风险 | 中国对量化交易的监管持续收紧 |
| 利益冲突 | 幻方用DeepSeek技术做交易，是否与开源精神矛盾？ |
估值是否合理？
3,500亿元估值对应什么？
| 对标 | 估值 | 年收入 | 估值/收入 |
|---|---|---|---|
| OpenAI | ~$3,000亿 | ~$100亿+ | ~30倍 |
| Anthropic | ~$600亿 | 数十亿 | ~30-60倍 |
| DeepSeek | ~$450亿（3,500亿元） | 近乎零 | 无穷大 |
DeepSeek的估值，本质上不是在为当前收入定价，而是在为"未来可能的商业化"和"技术战略价值"定价。
这和2000年互联网泡沫的逻辑类似吗？有相似之处，也有不同——不同在于DeepSeek的技术成果是实打实的，模型性能可以被第三方独立验证。
五种可能的未来
基于前三篇的分析，给出五种情景。声明：概率分配是主观判断，不是精确计算。读者应根据自己的判断调整权重。
| 情景 | 描述 | 关键假设 |
|---|---|---|
| “AI界的Linux” | 技术影响力巨大，开源生态不可撼动，但自身商业价值有限 | 开源路线不变、算法持续领先 |
| 商业化突破 | 找到可持续变现模式，成为中国版Anthropic | 首轮融资后转向商业、产品能力补齐 |
| 被大厂收购/合并 | 技术价值被认可，但独立运营难以为继 | 幻方利润下滑或梁文锋意志转变 |
| 国家战略资产 | 成为中国AI国家队核心力量，获得持续国家资源 | 大基金深度参与、芯片供应保障 |
| 逐渐边缘化 | 技术领先被追平，人才流失加速，幻方断血 | 芯片差距拉大+核心团队离散 |
每种情景都有真实的证据支撑，也都有明显的反面论据。 这正是DeepSeek估值困难的根本原因——它不是一个可以用DCF模型定价的"公司"，而是一个多种可能性叠加的"期权组合"。
最终判断：这家实验室值不值得关注？
不给结论，给框架。
你应该关注DeepSeek，如果：
- 你在AI行业工作或投资AI相关公司——DeepSeek的技术路线和成本结构对整个行业有结构性影响
- 你关注中美科技竞争——DeepSeek是中国AI能力的最佳证明案例
- 你使用AI工具——DeepSeek V4的性价比意味着你可能以1/10的成本获得接近一线的能力
- 你关注开源软件的演进——DeepSeek正在重新定义"开源AI"的可能性边界
你不应该盲目看多DeepSeek，因为：
- 零收入+3,500亿估值——无论技术多好，这个估值的隐含假设需要多年高增长来兑现
- 芯片风险是真实的——算法效率有天花板，物理层面的差距最终会显现
- 团队脆弱性——270人的精英团队没有股权锁定，已出现人才外流
- 母公司风险——量化基金利润不是稳定现金流
- 内容审查——限制了全球化的政企市场天花板
你也不应该盲目看空DeepSeek，因为：
- 技术成果经过第三方验证——V4在多项基准上与GPT-5.4、Claude Opus 4.6并列前沿
- 成本优势有复利效应——训练便宜→迭代快→成本更低，这是一个正向飞轮
- 开源生态壁垒已经建立——38%的AI新论文引用、GitHub 7万+星、Hugging Face月下载80万+
- 华为适配降低了芯片风险——不是消除，但有了备份路线
- 首轮融资引入国家资源——资金和芯片供应的保障都在升级
与上一个系列的对照
| 维度 | 拼多多 | DeepSeek |
|---|---|---|
| 性质 | 上市公司，有公开财报 | 未上市，信息有限 |
| 收入 | 4,318亿元 | 近乎零 |
| 核心矛盾 | 赚很多钱但不分给股东 | 技术很好但不赚钱 |
| 估值困难点 | 现金拿不回来的折价 | 未来变现的不确定性 |
| 适合的关注者 | 能接受高不确定性的价值投资者 | AI从业者和关注前沿技术的观察者 |
两个系列最大的共同点是：两家公司都很难用传统框架估值——但原因完全不同。 拼多多的难在于"已有的价值能不能变现给股东"；DeepSeek的难在于"未有的价值能不能被创造出来"。
系列总结
四篇文章，试图回答四个问题：
| 篇 | 核心问题 | 回答 |
|---|---|---|
| 01 | DeepSeek是什么？ | 一个由量化基金供养的AI实验室，用极少的资源做出了全球前沿成果 |
| 02 | 技术护城河有多深？ | MoE+MLA+FP8+开源生态构成了中度护城河，但不是不可复制 |
| 03 | 商业模式能走多远？ | 目前几乎零收入，首轮融资是转折信号，变现路径待验证 |
| 04 | 风险到底有多大？ | 芯片、人才、母公司、审查四重风险叠加，但技术成果和开源生态是真实资产 |
这个系列刻意不给"买入"或"看空"的结论——因为对一个未上市、零收入、多种可能性叠加的实体，任何确定性结论都是伪精确。
我们能做的是：把"是什么"说清楚，把"风险在哪"说清楚，然后让你自己判断。
本文是《看懂DeepSeek》系列第 04 篇（终章）。 本系列不构成任何投资建议。所有数据来源已在文中标注，如有错误欢迎指正。 DeepSeek是未上市公司，公开信息有限。本系列中标注"估"或"预估"的数据均为基于公开来源的推算，非官方口径。