作者：老王
说明：据媒体报道，会议于2026年5月举行，历时约3小时44分钟，参投机构确认会议本身真实；但DeepSeek并未对网上流传的逐字稿、GPU数量、融资数字及性能换算逐项确认。本文将会议口径、公开事实与作者推演分开表达。
核心结论
这不是一份“少用GPU”的宣言，而是一套资源约束下的效率主义：以AGI为上行期权，以API和企业收入为经营底线，以融资换算力与研发时间。与此同时，受限GPU的采购来源、授权、最终用户与资产可追溯性，可能成为未来上市尽调的重要问题。
摘要：
·愿景：DeepSeek把AGI而非超级App作为北极星；C端、B端和API是研究成果的阶段性商业化。
·现实路径：融资首先购买GPU、研究时间和团队稳定性，而不是传统互联网式流量增长。
·算力：效率创新并未降低总GPU需求；可采购先进GPU的稀缺性仍是主要瓶颈。
·国产卡：会议口径为华为GPU最多按3年折旧、约4张华为950等效1张英伟达B系列；这不是通用芯片跑分。
·中美差距：模型能力约落后12—18个月、芯片代际约2年、国产供给约未来2—3年仍受约束，三者不可混为一个数字。
·上市合规：会议没有承认通过违规渠道采购；但若芯片来源、出口许可、最终用户或资产权属不能完整追溯，未来IPO可能面临强化尽调、风险披露、法律意见甚至调查不确定性。
一、企业愿景：研究机构式公司进入资本化时刻
DeepSeek并未把自己定义成下一个字节、腾讯或超级App，而是以AGI为目标的研究型企业。其战略不是拒绝商业，而是把商业化置于技术主线之后：基础模型能力首先服务于智能边界，其次自然溢出为消费者产品、企业服务和API收入。
这套定位对应一个“双层价值结构”：向上是AGI的巨大期权，向下是API、企业服务和已有用户构成的经营底盘。会议中关于“即使技术冻结，API也可能支撑一家上市公司”的判断，本质上是在给资本提供安全垫，而不是放弃远期愿景。
融资的核心作用也由此发生变化。传统互联网融资买用户和渠道，DeepSeek融资主要买GPU、员工期权、团队稳定与研究时间。其“克制”不是浪漫主义，而是一种资源配置原则：不同时进入过多产品，不用高价API追求租金最大化，不让商业组织过早吞噬研究组织。
愿景与现实之间的三处张力
·开源低价能够扩大采用，却会压缩资本市场期待的长期利润率；
·研究自由有利于原创，但人员和集群规模扩大后，组织结构必然趋向制度化；
·公司可以延后商业化，却无法永久回避公开市场对收入、利润和资本回报的追问。
二、算力局限与GPU采购：约束不只是钱，而是“合规可获得性”
会议反复强调“GPU越多越好”，并把将现金快速转换成算力视为优先事项。真正的瓶颈不是账面资金，而是先进GPU能否以合理价格、在合规框架内、按计划形成可用集群。采购、交付、互联、功耗和软件适配共同决定算力是否能转化为训练能力。这意味着DeepSeek并没有推翻Scaling Law。其效率路线降低的是单位训练与推理成本，却会释放更大的模型、更多实验和更长推理链需求。对于半导体行业，算法效率更接近算力需求的放大器，而不是终结者。
会议中的关键量化口径
表1 会议关键量化口径及解读边界。来源：公开流传会议实录与媒体整理。
图1 英伟达与华为AI GPU经济使用周期的会议判断。
“3年折旧”的产业含义不只是会计年限。若国产卡单位算力功耗更高、软件迁移频繁、网络规模更大，较短经济寿命会提高年度化资本开支，并增加残值、替换和运维压力。国产替代的比较单位必须从“单卡价格”升级为“每有效Token的全生命周期成本”。
图2 会议4:1换算及训练规模情景。
4:1的意义是功能性替代正在变得可讨论，但不能被解读成系统级平替。卡数扩大四倍会同时放大机架、网络端口、供电、散热、故障点和调度复杂度；只有当集群可用率、编译器、算子库和通信效率共同成熟，纸面算力才会变成有效算力。
三、AI技术路线：从“会推理”走向“会持续学习”
DeepSeek给出的主线可以概括为：基础模型→思维链→Agent→持续学习→AI辅助研发与自我迭代→具身智能。视频、3D及多数垂直Agent被放在较低优先级；Coding Agent则处于近期核心位置，因为代码具有可验证反馈，并能直接提高下一代模型的研发效率。这条路线的关键判断是：当前模型在边界明确、上下文完整时已经很强，真正的短板是任务结束后经验无法持续沉淀。Agent扩大行动范围，持续学习才可能形成能力复利。
技术风险 持续学习仍是全球开放问题，涉及灾难性遗忘、训练数据污染、奖励漂移、权限安全和增量训练成本。路线图清晰不等于突破时间确定，投资人不应把研究方向直接折现为产品发布日期。
DeepSeek-V3已经体现了硬件—模型协同设计：MoE降低每Token激活参数，MLA压缩KV缓存，FP8和通信优化提高集群效率。其方法论不是用算法“替代”芯片，而是让模型架构、编译器、算子和互联共同适应受限硬件。
四、中美差距：模型、芯片和供给周期不能混为一谈
会议中出现了多个时间表述：前沿模型能力大约落后12—18个月；国产芯片代际约落后两年；国产供给和产能在今年、明年及后年仍可能受约束。若把这些口径简单写成“中国AI落后美国2—3年”，会掩盖真正的结构差异。
图3 中美AI差距的分层时间口径。
因此，可以补充“2—3年”这一判断，但需要限定语境：它更适合描述先进芯片、产能、集群建设和软件生态的完整追赶周期；对于模型能力，会议自身给出的口径仍主要是12—18个月。梁文锋将中美差距主要归因于算力资源，理由是算力决定实验密度：GPU越多，团队越能并行验证假设、容忍失败、训练大模型并积累基础设施经验。长期看，算力差距会进一步投射为人才成长、数据生产和组织能力差距。
中国的结构性优势主要在成本工程、产品迭代、电力和制造规模；美国的优势则在先进GPU、HBM、互联、超大集群、资本集中度和长期研究积累。中国可能在特定成本与体验维度领先，但在总算力存在数量级差距时，全面领先并不现实。
五、GPU采购渠道与未来上市合规：需要把“买得到”改造成“证明买得合法”
事实边界 流传会议稿提到可以采购部分“不受制裁的卡”，并称B系列先进GPU难以直接购买；会议并未公开承认通过第三国转运、灰色渠道或其他违规方式采购。外部关于转运的调查与指控，也不能替代监管结论或违法证据。
但会议清楚暴露了一个资本市场问题：先进GPU既是核心生产资料，又受到跨境出口管制。未来如果DeepSeek申请A股、港股或美国上市，中介机构不会只核对“有多少卡”，还会核对每批设备的卖方、合同、发票、付款、序列号、交付地点、最终用户、出口许可、所有权和实际部署地。风险触发点不是“使用英伟达GPU”本身，而是重大资产的合法来源无法形成闭环，或者公司经营对政策可能禁止的供应渠道存在重大依赖。英伟达公开文件显示，多款先进计算产品对中国及相关实体受到许可要求；美国BIS也持续更新对先进计算物项、总部位于特定国家集团实体及转移风险的管制指引。
表2 GPU采购及上市合规尽调框架。本文分析，不代表已存在违法事实。
不同上市地可能关注什么
·港股：若业务或资产存在实质制裁风险，可能需要增强披露、法律意见、内控及上市适格性分析。
·美国上市：注册文件需披露重大经营风险、法律程序和供应链依赖；若已有具体调查，不能只写成假设性风险。
·境内及境外备案：境内企业境外上市仍涉及中国证监会备案及合规运营审查，并可能叠加数据、安全和行业监管要求。
因此，采购团队未来的目标不应只是“买到更多卡”，而应升级为“在可审计、可解释、可持续的渠道中形成算力”。在拟上市阶段，任何无法追溯的核心设备都可能从算力资产转化为合规负债。
六、投资人的商业心态：用确定性表格购买不确定性期权
投资人的问题高度集中在可量化变量：GPU折旧几年、国产卡如何换算、中美落后多少个月、持续学习何时突破、企业收入何时盈利，以及能否支撑上市。这反映出资本试图把AGI研究翻译成传统投资语言——资本开支、时间表、收入、利润率和退出路径。会议氛围也体现出稀缺资产心态：投资人更担心错过中国最具代表性的前沿模型团队，而不是短期估值是否昂贵。国家科技竞争、产业战略和财务回报被打包到同一笔投资中。这种心态的风险是把管理层的技术判断当成经营承诺，把4:1换算当成通用产业结论，把AGI愿景直接折现进估值。DeepSeek真正提供的是“AGI上行空间+API经营底线”，资本买到的是一张长期期权，而不是确定现金流。
七、对半导体与AI产业链的含义
·先进GPU需求没有被效率创新削弱。更低单位成本将催生更大模型、更多实验和更高推理用量。
·国产替代进入“系统验证”阶段，评价标准应从峰值算力转向每有效Token成本、集群可用率和经济寿命。
·4:1卡数换算会放大HBM、先进封装、交换芯片、光模块、供电散热及运维软件需求。
·编译器和算子抽象层的重要性上升。TileLang一类工具可能降低跨硬件迁移成本，但无法绕过芯片、产能和网络的物理约束。
·供应链合规将成为AI基础设施竞争力的一部分：谁能稳定、合法、可审计地形成算力，谁才拥有真正可资本化的资产。
结论
这场会议反映了五组核心矛盾：AGI愿景与企业生存、算法效率与绝对算力、国产替代与先进代际差距、开源低价与资本回报、长期研究与上市公司纪律。DeepSeek的答案，是用克制保持聚焦，用工程效率对冲资源差距，用开源扩大生态，用API守住商业底线，再用资本购买GPU、团队稳定和时间。对半导体行业而言，高效率模型不是算力需求的终点，而是更大规模算力消费的起点；对资本市场而言，GPU采购的可追溯性将决定这些算力究竟是可审计资产，还是潜在合规负债。
