夜雨聆风450 亿美元的 DeepSeek 和 20 亿美元的 Kimi
说实话，这两组数字放在一起的时候，我沉默了很久。
DeepSeek 估值冲到 450 亿美元——约合 3200 亿人民币——一个连 APP 都没几个的 AI 公司，凭什么？再看看 Kimi 母公司月之暗面（ Moonshot AI ），刚刚关了一笔 20 亿美元的融资轮，由阿里巴巴领投。加上此前几轮，累计融资已超 30 亿美元。
两组数字的对比本身就很有意思：一个"估值高"，一个"融资猛"。
但这不是两张财务报表那么简单。 DeepSeek 走的是技术极客路线——模型能力强、开源策略激进、团队背景豪华，但商业化几乎是一张白纸。 Kimi 则相反，用户增长数据漂亮，长文本处理能力出圈，但技术底色到底有多厚，业界还在打问号。两家公司，两条完全不同的路，却都拿到了天量资金。
问题来了：这些钱，到底能不能赚回来？
钱从哪来，又流向哪
先看资金来源。这轮 AI 融资的钱，主要来自三个口袋：互联网大厂的战略投资、政府引导基金、以及少数美元 VC 。阿里投 Kimi ，腾讯投资 DeepSeek 的关联方，百度自己做大模型——每家大厂都在用资本手段"站队"。
但投钱的逻辑和互联网时代完全不同。 2010 年代投 O2O 、投共享单车，好歹能讲一个"赢者通吃"的故事。 AI 大模型这笔账，到目前还没人算清楚。 GPT-4 单次训练成本预估过亿美元，推理成本更是每句话都在烧钱。英伟达 CEO 黄仁勋去年说过一句话："买 GPU 不是成本，是投资。"——但对大多数中国 AI 公司来说，这句话听着像安慰。
晚点 LatePost 曾报道，部分大模型公司的 GPU 采购成本已经占到年度总开支的 60%以上。这不是——准确说是我没查到——精确的数字，但从多家上市公司财报里拼凑出来的信息指向同一个方向：算力即成本，成本即生死。
更要命的是，这不是一次性投入。模型要迭代，算力要持续扩容，人才要高价挖角。 Anthropic 一年烧掉 5 亿美元， OpenAI 的亏损幅度同样惊人。中国的公司虽然在人力成本上略有优势，但 GPU 采购受限、算力自主化投入巨大，实际开支未必比美国同行低多少。
一位在国内头部大模型公司待过的工程师跟我说过一句话，我印象很深："我们组每个月云服务器账单，约等于一家中型上市公司全年的 IT 预算。"这不是夸张，这是现状。
为什么投这么多
三个原因，每一个都站得住脚——但合在一起，又让人心里打鼓。
第一，窗口期焦虑。所有人都在赌 AGI （通用人工智能）会在 5 到 10 年内实现。如果这是真的，现在不押注，以后连牌桌都上不了。一位投资人跟我说过："你可以不投，但十年后别后悔。"这句话很有杀伤力，因为它把"不投"描述成了一种可预见的后悔。投资圈最怕的不是亏钱，是踏空。
第二，竞争格局尚未定。美国有 OpenAI 、 Anthropic 、 Google 三足鼎立，中国目前还没有一个真正意义上的"头部"。 DeepSeek 技术很强，但商业化刚起步； Kimi 用户量大，但技术追赶速度存疑；百川、智谱、零一万物……名单还可以列很长。这种"群雄混战"的局面恰恰是资本最喜欢的——因为一旦赌对了那匹马，回报是百倍的。赌错了？那就赌下一个。
第三，政策信号明确。中国政府从去年开始密集出台 AI 相关政策，包括算力基础设施建设、大模型备案制度、 AI+行业应用指南等。金融时报（ Financial Times ）引述分析人士观点称，中国 AI 投资在 2025 年可能达到 200 亿美元规模。这不是小数目。地方政府也在跟进——上海、深圳、杭州都在建 AI 产业园区，提供算力补贴和税收优惠。
但政策信号明确，不等于商业逻辑自洽。这是两回事。
一张昂贵的账单
让我们算一笔账。
假设一家大模型公司融了 10 亿美元。按目前的行情： - GPU 集群建设： 3-4 亿美元（一次性） - 每年推理算力成本： 1-2 亿美元（持续） - 研发团队薪资： 5000 万-1 亿美元/年（ AI 人才溢价严重） - 数据中心运营：数千万美元/年
也就是说， 10 亿美元大概能烧 3 到 5 年——假设没有大规模商业化收入进来。
现在看收入端。大模型公司赚钱，目前只有几条路： 1. API 调用收费——这条路字节、阿里、腾讯都在做，价格战已经打响了。利润率被压得很薄。 2. 企业定制——每个项目都是定制化开发，规模效应有限，毛利率不高。 3. C 端付费会员——Kimi 在做， ChatGPT 也在做，但付费转化率能做到 5%已经是顶尖水平。 4. 广告——目前还没有人跑通这个模式。
每一条都在增长，但每一条都不够快。
雪球上有位分析师做过一个粗略估算：以 DeepSeek 的估值和可能的收入增速计算，回本周期至少需要 8 到 10 年——假设一切顺利。如果不顺利呢？如果 AGI 没有在 10 年内实现呢？如果监管突然收紧呢？
历史会押韵吗
历史不会重复，但会押韵。这句话被人用烂了，但放在这里还是很贴切。
2000 年的互联网泡沫，纳斯达克从 5000 点跌到 1000 点，无数公司归零，但亚马逊活下来了，谷歌刚刚起步。 2010 年的 O2O 大战，千团大战打得血流成河，最后只剩美团和大众点评。 2017 年的共享单车， ofo 和摩拜烧了上百亿，最后用户排队退押金。
每一轮技术浪潮的开头都是"这次不一样"，每一轮的结尾都是"原来还是一样"——赢家通吃，输家归零，中间夹着一堆被烧掉的钱。
AI 会不会不一样？有可能。因为这一次的"基础设施化"速度远比互联网时代快。 ChatGPT 达到 1 亿用户只用了 2 个月， Instagram 用了 2 年。这意味着，如果真的有赢家，它会赢得很 快，赢很大。
但反过来也一样：如果真的有输家，它会输得很快，输得很彻底。
一个不太乐观的担忧
写到这里，说句可能不太中听的话——我担心这笔钱中的相当一部分，最终会打水漂。
不是因为技术不行。中国 AI 的技术水平，至少在应用层，已经不比美国差太多。 DeepSeek 的模型能力， Kimi 的用户体验，都是实打实的。
问题在于：商业化的路径太长了。
美国的 AI 公司可以卖给全球用户，中国的 AI 公司——至少在可见的未来——主要市场还是在国内。而国内企业的付费意愿，嗯，大家都懂的。 C 端用户习惯了免费， B 端客户压价厉害。这不是某一家公司能解决的问题，这是整个市场成熟度的问题。
还有一个更深层的问题：算力的"卡脖子"。 H100 买不到，国产 GPU 替代还需要时间。这意味着中国 AI 公司的算力成本，中期内会高于美国同行。成本高、收入低，这个剪刀差怎么补？
但也许， AI 真的不一样。也许 AGI 真的会在我们有生之年实现，也许那将彻底重构人类社会的生产关系。如果这是真的，现在烧的每一分钱都是在买门票。
门票很贵。但没门票，连赌桌都上不了。
