行业重置：价格比别人低十倍的“斩杀线”

现在，人工智能行业真正的拐点已经毫无悬念地到来了。而这个拐点的标志性事件，就是 DeepSeek V4 Flash 的震撼发布。这款模型所带来的颠覆性变化是直观且暴力的——它的价格比市场上同类竞争对手直接低了十倍。在这个行业里，十倍的价格差并不是简单的“降价促销”，而是一条无可逾越的斩杀线。当这样的一款模型把价格锚点牢牢钉在这个位置时，行业中游的那些“中间层模型”几乎在一瞬间就丧失了继续生存的根基。在它面前，包括 Meta 的同类尝试、Grok，甚至 Gemini，都面临着巨大的洗牌压力，甚至在某些日常应用场景中可以说声“再见”了。

我们日常所面对的各种大模型任务，正在像医疗体系一样发生结构性的改变：日常性质的普通工作，现在就如同列入了国家医疗保险名册的“集采药”一样，价格低廉、随处可用，而且由像 DeepSeek V4 Flash 这样的底层基建模型来全面兜底；只有当遇到真正的疑难杂症、需要极强推理和高阶能力的复杂场景时，我们才会去选择购买海外那些顶级的高价模型。这种现象折射出一个根本性的变革，即大模型能力的平民化与普及化已经退无可退地发生了。

但是，如果你单看 DeepSeek V4 Flash 这一款模型的产品表现，它绝对不单单是一个孤立的行业拐点。大家在观察这个行业变化时，应该把这件事情与另外一个同样具有震荡效应的新闻连起来看——那就是 Google DeepMind 内部发生的巨大行政与人事海啸：其 CEO 哈萨比斯（Demis Hassabis）逐渐退居了二线，而首席科学家、Google 传奇人物杰夫·丁（Jeff Dean）也离职挪窝了。这说明什么？这说明当前整个大模型技术与商业赛道，正在呈现出两个截然相反的演进方向：一个要“上天”，奔着攻克癌症、探索生命科学等星辰大海的科学前沿而去；而另一个则要“入地”，拼的是极致的工业性价比、把大模型的成本打到泥土里。

我们可以把 DeepSeek V4 Flash 的打法做个非常形象的比喻，它就像是 AI 领域的拼多多。在美国卖 10 美元的东西，在中国被它做到了卖 10 元人民币的等价水平，甚至还要更便宜。面对这样一个横空出世的极致低价搅局者，任何定价高于这个区间、而能力却没有产生代际差异的普通商业模型，都将变得毫无买家问津。这就是“集采药”与“进口药”的生存状态。在这两天里，大模型行业中间那一层的生态位基本上被这一刀切断了生存链条。对于那些能力只比 Kimi、DeepSeek 官方前代或智谱 GLM 稍微高一点，或者基本持平，却妄图冲着微软 Office 原生定价甚至 GPT 旗舰定价去收割溢价的产品来说，如果不能重新定位自己的产品线，等待它们的将是市场最无情的淘汰。

连曾经在硅谷出尽风头的 Meta 也在发生转型。Meta 内部由那些拿着过亿年薪的顶级科学家和工程师开发出来的模型，其周转率和商业化进程也正面临挑战。有人调侃说，Meta 如今以一己之力转去卖算力，甚至如果可能的话，Meta 自己跑去做倒卖数据或者当中转站的生意说不定更赚钱。如果 Meta 倒卖这些数据，甚至可能在美国把 DeepSeek V4 的实际调用价格再降低 6 倍。这就产生了一个非常黑色幽默的结论：Meta 的某些模型定位似乎“没了”，被这种极致性价比的浪潮无情斩杀。

所谓“斩杀线”，它的本质就是指大模型一旦跌入此线之下，就很难存活。这就像超市里的货架商品，有的商品周转率特别快，每天都在货架与收银台之间循环，而有的商品则走不动，甚至在货架上摆放几周、几个月都无人问津，自然而然就会被超市剔除。DeepSeek 现在的定价就是这支无情的箭。就像当年三国时期吕布的“辕门射戟”一样，这一箭射在了一百五十步开外，直接把行业底价的标尺立在所有人的面前。所有的同行都在它的威力之下感到震慑。你要拼不是不能拼，非要跟它两伤俱损也可以硬换，但是大多数人在动手之前，会首先在心里掂量掂量：我还要不要在这条赛道上继续跟进？这对于整个大模型市场来说，是一次从商业逻辑到心理防线的双重震撼。这一箭射出去之后，无数公司的创始人和投资人都得连夜开会，重新商量他们的公司接下来该怎么活下去。

工具定位：从“拉货的五菱宏光”到“高档商务的迈巴赫”

回到具体的场景体验中，DeepSeek V4 Flash 确实在解决我们日常的大部分重复性工作。虽然对于那些需要深度复杂推理、需要根据实时反馈即时感知并调整策略的高难方案，它依然有其物理局限性——这类活儿依然得留给它未来的 V4 Pro 正式版，或者那些顶级的海外大模型；但在大量日常的“快修快补”、代码跑通、文本润色与数据整理等重复性工作中，它的反应速度和性价比简直让人惊叹。这就是为什么说它像“医保兜底药”的原因。

我们可以拿中国的电动汽车市场来做类比。在今天的中国市场上，消费者用 20 万人民币就能买到一辆各方面配置非常好的纯电车，而这些配置在过去传统燃油车时代可能需要三四十万甚至五六十万才能买到。这样带来的结果就是，在中国市场上，传统四五十万以上的燃油车，包括传统的 BBA（奔驰、宝马、奥迪）等豪华品牌，受到了极大的冲击。它们的销量在不断下滑，原本能卖 30 万以上的车，很多现在不得不价格下探到二十多万来保住市场，连二手车的保值率都随之崩溃。这是一个非常典型的由高性价比新物种带来的“斩杀线”逻辑。现在的 AI 市场也是如此：要么你就去做最高端的“保时捷”或者“兰博基尼”，卖无可替代的顶级算法与尖端能力；要么你就得接受在大众化市场里，被这些性价比极高的国产模型全面洗牌。

如果把时间线拉得更长一些，回到十多年前的中国汽车工业，还有一个很有意思的比喻。当时市场上有两辆具有代表性的国民车型：一辆是奇瑞 QQ，0.8 升的小排量，有时候遇到稍微陡一点的坡甚至需要车里的人下来帮忙推车，很多年轻人的第一辆车就是它，虽然寒酸，但它确实让无数人第一次摸到了汽车的方向盘，实现了出行代步；另一辆则是国民神车五菱宏光，空间极大，放几个沙发就能坐五六个人，拉人拉货无所不能，是无数中小企业老板起步阶段的生产力工具。

奇瑞 QQ 和五菱宏光解决了最基础的“有没有车”和“能不能干活”的问题。如果有了这款车，小老板们就能开始跑业务了，干活拉货就有了兜底的保障。但如果你今天需要出去接送重要的客户，需要展现企业的商务门面，你开一辆五菱宏光去机场接人，就显得非常不合适。在那种高端的商务和社交场合，你依然需要开一辆迈巴赫，或者至少也得租一辆迈巴赫来撑场面。这个逻辑放在今天的大模型调用上完全说得通：DeepSeek V4 Flash 就是那辆解决日常重复性劳动的“五菱宏光”或“奇瑞 QQ”，让你能以极低的门槛随时随地跑通任务；但当你遇到关键业务决策、或者需要生成极高质量且带有商业说服力的深度研报时，你可能还是需要调用最贵的顶级模型作为“迈巴赫”来接待你最挑剔的业务挑战。

正如当年小米的横空出世，用极致的性价比直接将中国市场上的各种粗制滥造的“山寨机”干得干干净净一样。大模型在经历了野蛮生长的百模大战、千模大战之后，也终于迎来了小米清除山寨机的历史时刻。很多没有自己核心技术底座、纯粹靠套壳和信息差生存的二道贩子模型厂商，在这轮降价风暴中将失去所有的生存空间。因此，我们可以得出明确的结论：行业拐点已经切实到来。但如果要看清这个拐点的全局，仅仅看 DeepSeek 这一家是不够的，必须将它与 Google 内部的架构调整和人事震荡放在一起进行升维思考。

升维思考：Google 路线的对与错，以及“DeepSeek化”战略

我们将视线移向大模型的鼻祖和基建巨头——Google。我们必须承认，虽然现在很多人在嘲笑 Gemini 的某些实际体验不够稳定、甚至戏称其为“得了阿尔茨海默症的兄弟”，但 Google 整个大模型的技术路线图（Roadmap）是非常值得所有人认真研读和学习的。Google 近期所有的人事变动和产品重组，背后透露出来的核心逻辑，其实就是它正在全量推广和押注其最新的 Gemini 3.6 Flash 模型。

无论是日常的 Gemini Workspace 助手，还是底层的各种微调开发任务，谷歌内部现在的默认运行配置已经全面切向了 Flash 系列模型。这代表了大模型演进的一个黄金趋势：用最新一代的 Flash 极速模型去蒸馏（Distillation）自己上一代的 Pro 旗舰模型。通过把前代旗舰模型在各种应用场景中沉淀下来的优秀表现、逻辑和知识，以蒸馏技术灌注到参数量更小、推理成本更低、运行速度更快的 Flash 模型中，再辅以高强度的后训练（Post-training）微调。

这种“小步快跑、以老带新”的蒸馏路线，在商业落地上证明是极为高效且低成本的。DeepSeek 这次的 V4 Flash 能够表现出如此惊人的性价比，核心原理也是如此。它并没有推翻底层的核心参数架构，而是把之前 V4 Pro Preview 预览版里积累下来的各种优秀对话、逻辑推理场景的数据进行了高保真的蒸馏，全部倒入了 Flash 模型里。在参数没变的情况下，完全依靠强大的后训练技术，让智能水平实现了跨越式提升，同时将推理成本大幅度拉低。整个开发迭代的周期也大大缩短，从预览版发布到 Flash 版本面世，中间只用了短短三个月左右的时间。这说明，一旦软硬件底层的协同优化完成，模型的迭代和降成本速度会呈现指数级增长。

可以说，Google 走的每一个大战略都是正确的：从早期提出 Transformer 架构，到开源端侧模型、布局具身智能与机器人技术，以及今天坚决执行的 Flash 蒸馏战略，路线完全挑不出毛病。但是，它所面临的最大尴尬在于，战略全对，但最终呈现给消费者的具体产品体验却往往显得臃肿和不够惊艳。

这里的核心问题在于，Google 作为一家业务庞大、需要对无数股东和财报负责的万亿级上市公司，它的发展节奏和商业目的与初创公司有着本质的不同。谷歌最近的财报显示，它的 Google Cloud（谷歌云）业务实现了非常高的增长。我们其实在很早之前就做过预测，在谷歌原有的核心搜索引擎市场面临各种新型搜索工具挑战、份额可能出现波动的背景下，谷歌云必须顶上去，成为谷歌维持万亿市值的“第二增长曲线”。

为了给云业务讲出一个动听的故事，谷歌必须精心分配其庞大的算力资源：有多少 TPU 芯片要留给自己训练 Gemini，又有多少 TPU 算力要提供给它深度投资并绑定的 Anthropic 去跑下一代的 Claude 6？在这样复杂的利益撕扯和预算分配会议上，管理层必然会面临巨大的决策冲突。

与此同时，Google 内部顶级科学家们的个人理想与公司商业化的效率选择之间，也存在着不可调和的矛盾。我们看到哈萨比斯在最近的真情流露中提到：如果能够完全由他拍板，他更愿意把资源和精力多放在几个类似于 AlphaFold 这样的颠覆性科研产品上，待在实验室里，先把攻克癌症、解析蛋白质结构等关乎人类福祉的宏大生命科学问题解决了。他其实并不希望大模型这么快被推出来，整天帮人们写那些平庸的日常工作邮件或做 PPT。

这就是典型的“科学家理想”与“商业机器效率”之间的博弈。在商业社会和资本市场中，几乎没有股东会允许一个手握庞大算力与现金流的商业公司只去追求崇高的科学理想而忽视眼前的财报利润。面对同行的竞争，如果你的商业大模型不能在市场上维持份额，被别人把底座端了，那么你的云服务和整个生态都将不复存在。

因此，Google 内部的战略天平在年初其实就已经做出了艰难的抉择——那就是全面“DeepSeek化”：在日常商业应用和云服务领域，放弃虚无缥缈的高溢价幻想，做“美国的 DeepSeek”，以极高的性价比和 Flash 蒸馏技术稳住基本盘，把用户留住；而在顶级科学探索和核心基建方面，则通过把哈萨比斯等人调整到更务虚或更长远的董事会主席、科学家岗位上，实现人事与业务的阶段性分流。不换脑子就换人，这种人事调整虽然残酷，但对于大公司战略的彻底执行来说，却是一种必然。

出海红利：无物流与关税壁垒下的全球化普惠

在讨论 DeepSeek 的全球化和出海策略时，我们经常会提到国内供应链的“出海潮”，并习惯性地将其与拼多多旗下的 Temu 等电商平台做对比。在中国本土，由于强大的制造产业链，我们可以生产出成本极低的商品；但当这些商品要卖到北美或欧洲市场时，会遇到两个天然且极其难以逾越的障碍：第一是极其昂贵的跨境物理物流成本，第二则是日益严苛的关税与国际贸易壁垒。这导致许多优质低价的国内商品在海外市场的实际扩张速度和利润率受到了极大的压制。

然而，在人工智能和 API 服务这个纯粹的数字化赛道上，这两个最头疼的物理障碍完全不存在。

任何一个身处海外的开发者或企业，都可以极其顺畅地在 DeepSeek 官网上注册账号，一键绑定信用卡，并且非常丝滑地将 DeepSeek 的 API 接入到像 Codex 等日常编程和生产力工具中。数据在光纤中传输，不受海关查验，不产生物理运费。这意味着，国内凭借低廉的算力集群建设、极致的工程优化以及极高性价比的后训练方法沉淀下来的“成本红利”，可以通过网络无损地输送到全球的每一个角落。这种数字化的普惠对于海外现有的高溢价大模型市场来说，其颠覆性是极其恐怖的。

更聪明的是，DeepSeek 还在积极推动“削峰平谷”的定价策略。大模型的使用存在着非常明显的时区波峰和波谷：当中国区的开发者在深夜熟睡、算力大量闲置的时候，海外北美和欧洲的开发者恰好处于工作时间的波峰。通过波峰波谷的差异化定价，DeepSeek 不仅可以最大化地利用其本地的闲置算力，减少机器折旧的浪费，还能为海外用户提供极其便宜的调用单价。这种两全其美的算力调配机制，让海外开发者几乎享受到了“纯粹的利好”。

在市场上，甚至还出现了一些让人啼笑皆非的“倒爷”现象。有一些第三方的大模型中转平台，它们提供的 DeepSeek V4 Flash 接口调用价格，竟然比 DeepSeek 官方标注的底价还要便宜 6 倍。很多人一开始觉得不可思议：难道这些第三方的工程技术比原厂还要牛？

其实这完全是一个商业模式和资源整合的问题，也就是所谓的“羊毛出在猪身上”。许多第三方平台为了吸引流量、架设自己的生态，宁可亏本提供基础 API 调用，因为它们可以通过后续的转接数据、数据标注服务或者其他增值企业级功能来赚钱。同时，市场上也存在着大量闲散的算力资源——例如那些在加密货币转型后闲置出来的 GPU 矿机算力、或者小规模的服务器集群。这些闲散算力不需要维持高标准的 SLA（Service Level Agreement: 服务等级协议，指对于企业级客户稳定性、延迟和在线率的多重 9 级别保障承诺）。

对于企业级客户来说，API 必须要维持 99.999% 的超高稳定性；但对于大量的普通开发者、学生或者个人创作者来说，偶尔出现 5% 或 10% 的连接超时是完全可以接受的，他们可以通过其他备用模型轻松补上。这种对稳定性要求较低的“散客市场”，完美地消化了市场上的闲置算力，把大模型的调用价格推向了更深的水底。

这一切的背后，都反映出 DeepSeek 创始团队极其克制且深谋远虑的战略定力。首先是他们在融资和现金流管理上的清醒。在平息了一段时间的喧嚣后，DeepSeek 重新启动了新一轮的融资，其估值和额度之大，甚至超越了许多已经上市的 AI 概念公司的市值。这让团队重新获得了充足的弹药，也给国内外的投资人以及团队内部打了一剂强心针。他们向外界证明：哪怕只卖低价 API，我们同样具备极强的变现和造血能力。融资并不是因为我们活不下去了，而是在稳住团队和给市场、给支持者们一个长期主义的交代。

围三缺一：拒绝多模态背后的顶层设计与商业哲学

在这一轮风暴中，DeepSeek 还有一个最让人敬佩、也最值得深度探讨的战略决策——那就是坚决不做原生多模态。

在当前的硅谷和国内大模型舆论中，大家似乎形成了一种思维定势：大模型必须要能看图、能听声音、能生成视频，只有全能的多模态才是 AGI（人工通用智能）的唯一解。但 DeepSeek 却反其道而行之，把自己死死钉在文本和纯代码的逻辑推理上，对图像和音视频等多模态功能保持着极度的冷淡。

这在军事和中国传统战略哲学上，有一个非常经典的典故叫做“围三缺一”。当你围攻一座城池的时候，你绝对不能把东、西、南、北四个城门全部堵死，因为如果敌人发现自己毫无退路，就会产生哀兵必胜的拼死反抗之心，反而会给你带来巨大的伤亡。聪明的将领一定会故意留出一个城门不围，让城里的守军看到逃跑的希望，这样他们在守城时就不会拼命，而是会选择从那个缺口逃跑，而你则可以在他们逃跑的路上设伏，以极低的代价将其击溃。

DeepSeek 不做多模态，就是大模型商战里的“围三缺一”。

多模态的开发、训练和推理成本是极其高昂的，处理图像、音频和视频需要消耗海量的算力和电力，而且在当下的很多实际办公场景中，多模态的商业转化率和客单价并不高，很多厂商在这个方向上都是“赚了吆喝却赔了本”。DeepSeek 放弃多模态，实际上是给其他同行模型留了一条活路。它相当于明确告诉全行业：我把多模态的市场和名声都让给你们，让你们去卷那些高成本的图片和视频生成；我只留下一颗最硬的铜板，专心致志地把文本、逻辑和代码的性价比做到全宇宙第一，去赚那些最实在、最懂行的技术开发者和企业客户的钱。

这种定位对于任何一家初创公司来说，都需要极其强大的定力和抗压能力。因为不管是公众的期待、媒体的舆论，还是投资人的质询，都会不断逼问你：为什么别人都有多模态，你却没有？能抗拒这种诱惑，专注于自己的局部优势并将其发挥到极致，正是其创始人梁文锋商业智慧的体现。

事实上，对于那些懂行的开发者来说，纯文本模型在很多场景下已经足够解决核心问题。以程序员做前端开发为例，虽然在开发过程中需要看设计图、需要对网页的视觉效果做微调，这看似必须用到多模态的“视觉能力”。但实际上，聪明的工程师完全可以通过巧妙的系统设计来绕过这个限制：模型不需要真的用自己的眼睛去“看”那张五彩斑斓的图，它完全可以调用第三方的轻量级视觉接口，让第三方把图片转化为详细的文字和布局描述，再把这些描述转述给自己，最后由自己强大的逻辑和代码能力生成最终的网页代码。

在这种工程组合中，你以为大模型长了眼睛，其实它只是找了一个配镜师和翻译官。作为一个精明的模型厂商，DeepSeek 极其清楚自己的定位——我只做那个最强、最便宜的大脑，把眼睛和耳朵的工作交给第三方生态去完成。

相比之下，Google 这种家大业大的老牌帝国，就必须选择完全不同的原生多模态路线。它有庞大的 TPU 自研芯片优势，有十年前就由杰夫·丁奠定下来的底层编译和框架基础，它必须做一个全能的、原生的多模态帝国来维持其在搜索、安卓生态和云服务上的绝对统治力。这是帝国与刺客之间截然不同的生存哲学。

底层重塑：杰夫·丁的遗产与未来 1% 的破局之路

当我们回看 Google 发生的这一轮人事变动，尤其是传奇科学家杰夫·丁（Jeff Dean）的离职，我们不能仅仅把它看作是一次普通的职场挪窝，而应该看作是 AI 史上的一个里程碑事件。

即使是很多不直接从事 AI 底层研发的普通人，在日常使用各种大模型的过程中，也无时无刻不在享受着杰夫·丁在过去二十年里为整个计算机和 AI 行业留下的巨大遗产。今天谷歌云之所以能在大模型成本战中抗住压力，其最核心的底牌——自研的 TPU 芯片，正是当年由杰夫·丁极具远见地一手主导并做出来的。早在十多年前，大模型连影子都还没出现的时候，杰夫·丁就已经敏锐地预判到：未来机器学习的算力消耗将是一个天文数字，如果谷歌不自己研发专门针对矩阵运算的硬件处理器，而是完全依赖英伟达等第三方芯片，那么谷歌的计算成本将永远受制于人。

除了 TPU，如今全球大名鼎鼎、被无数开发者使用的开源机器学习平台 TensorFlow，其底层的许多编译器优化、分布式计算架构和核心工具库，也大多凝聚着杰夫·丁和他的团队的心血。可以毫不夸张地说，在今天大模型爆发之前，整个 AI 时代的数字化基础设施和开发基建，基本上都是跑在他编译和调试出来的世界里。

像杰夫·丁这样殿堂级的科学家，当他看到如今的行业开始陷入无休止的“卷价格”、“拼 Flash 蒸馏”和“做日常重复性邮件办公工具”的红海战争时，他的内心必然会产生一种科学家本能的抗拒和思考：我的精力和才华，不应该浪费在这些已经有 80% 甚至 90% 的成熟方案、大家只是在拼商业运营和成本调优的成熟赛道上。

杰夫·丁在离职时曾留下过一个非常振聋发聩的行业判断。他说：在这个时间节点，真正有追求的 AI 从业者和科学家，应该去寻找和做那些在目前看来，大模型只能做到 1% 甚至 0% 的极难事情。因为那些已经能做到 20% 以上的事情，对于科技的演进来说，已经失去了最核心的创新价值，剩下的只是无聊的工程效率优化。

他要去寻找的，是那座还未被任何人涉足的、成功率只有 1% 的科学险峰。这与哈萨比斯想要用 AI 攻克癌症、解析生命密码的理想如出一辙。大模型虽然在商业上取得了巨大的成功，但它毕竟只是人类通往通用人工智能（AGI）的一小步。在更底层的物理世界计算、在量子力学与生物大分子的相互作用中，还有着更广阔的无人区等待着这些真正的科学家去开垦。

不同的定位，决定了不同的战略选择。

在未来的 AI 版图里，我们会看到两条同样伟大但方向截然不同的路线：一条是以梁文锋和 DeepSeek 为代表的“商人和工程专家路线”，他们脚踏实地，用极致的工程量化、克制的商业定位和恐怖的性价比，把 AI 的使用成本打到像自来水和电力一样便宜，普惠整个世界的日常生产力；而另一条则是以杰夫·丁、哈萨比斯为代表的“科学家路线”，他们不屑于在红海里争夺写邮件和做 PPT 的市场，而是义无反顾地投身于算力的无尽深渊，去敲击那些关乎人类命运、成功率只有 1% 的生命与物理科学硬核关卡。

今天，当我们站在这个拐点上，笑看硅谷巨头的震荡与国产模型的性价比狂飙时，我们应该报以更宏观的敬意——无论是用五菱宏光默默拉货的小老板，还是开着迈巴赫在商海中运筹帷幄的决策者，亦或是那些在实验室里默默为人类寻找攻克癌症良药的孤勇先驱，他们都在以自己的方式，推着这个时代的轮子滚滚向前。