6月16日，两笔重磅融资同日落地。
一笔是DeepSeek——这家自2023年成立以来从未接受过外部投资的"零融资"公司，打破惯例完成首轮外部融资，募资超500亿元人民币，估值突破500亿美元，刷新纪录。
创始人梁文锋个人出资200亿，腾讯100亿、宁德时代50亿跟进。
投资方全部没有投票权、股份锁定五年——这与其说是一轮融资，不如说是梁文锋筛选"长期同行者"的一次精密设计。
另一笔是硅基流动——完成超20亿元B轮融资，携程、蔚来资本、晶科能源、金蝶、联通新沃、商汤、壁仞、国开金融、中关村科学城等产业资本、财务机构和国资联合入局。
500亿与20亿，规模差距25倍，声量自然不在同一层级。
但这两笔融资放在一起看，指向的问题远比"谁融了更多钱"更值得追问。
过去两年，中国AI行业的核心问题非常清晰：
谁能做出更强的大模型？
围绕这一问题，产业经历了典型的"技术竞赛周期"：
-
2023年：参数规模与架构创新成为焦点，百模大战拉开序幕 -
2024年：多模态、Agent与应用能力成为卖点，IDC将"AI Agent"列为年度十大趋势关键词之一
但到了2024年底至2025年，一个变化开始变得越来越明显：模型能力不再是唯一瓶颈。
真正卡住产业落地的，是三个更"工程化"的问题：
-
推理成本过高——IDC数据显示，37%已部署生成式AI的企业中，超60%反馈成本困局 -
算力利用率偏低——GPU集群的实际利用率往往低于50% -
企业调用门槛复杂——部署、运维、适配，每一道都是门槛
换句话说，AI的问题正在从"能不能用"，转向"能不能用得起、用得好"。
这正是DeepSeek与硅基流动同时获得资本关注的背景。
DeepSeek之所以成为焦点，并不仅仅因为其模型能力。
它的叙事里有一层更深的张力：一家坚持三年"零融资"、只靠母公司幻方量化利润支撑的实验室，终于在2025年4月打开大门——但开门的方式极为苛刻。
无投票权、五年锁定期、甚至核查LP身份，梁文锋用这套架构确保：进来的人不是为了快速退出，而是愿意陪他走很远。
而DeepSeek的技术路线同样不走寻常路：
-
推出高性能开源模型（V3/R1全面开源，推理系统同步公开） -
通过工程优化将推理成本压至极限——V3/R1成本利润率达545%，训练成本仅为GPT-4的1/20 -
吸引开发者与企业构建生态
这种路径的关键在于：
它试图把"模型能力"转化为"生态能力"。
这意味着，DeepSeek的竞争对手不再只是其他模型公司，而是所有试图成为"AI平台入口"的玩家。
但问题也随之而来：
如果调用成本依然高昂、部署复杂，那么再好的模型也难以形成规模化使用。
模型本身，并不能解决一切。
相比之下，硅基流动所处的位置更加"底层"，也更容易被忽视。
如果用一个更直观的比喻：
-
DeepSeek在生产"智能" -
硅基流动在提供"基础设施"——或者更准确地说，它是一个"Token工厂"
创始人袁进辉，清华计算机博士、前微软研究员、OneFlow框架发明者，2023年8月二次创业时就把方向锚在AI Infra——"上承算法和应用，下接硬件芯片"的中间层。
袁进辉
硅基流动的核心能力，并不在于训练模型，而在于：
如何让模型更高效地被使用。
具体包括：
- 推理加速
自研引擎融合PD分离、KV缓存管理、专家并行、流水并行等技术，已成为少数经过大规模生产环境验证的推理引擎之一 - 多模型调度
平台适配超160款模型，覆盖全模态任务，第三方供应商中大幅领先 - MaaS平台
2024年5月上线公有云MaaS，2025年9月推出私有化MaaS，服务国央企与金融机构 - 国产芯片适配
率先在华为昇腾芯片上推出DeepSeek推理服务，现已支持昇腾、沐曦、摩尔线程等多元国产芯片——是"支持国产芯片数量最多、效果最好、使用最广的Token生产线" - GPU资源利用率提升
2026年4月上线"弹性GPU"算力调度引擎，实现跨地域多元异构算力的弹性扩缩容
这些能力听起来不性感，但数据说明一切：
日均Token调用量达数万亿，服务超1000万用户、1万家企业客户，营收同比增长超10倍。在IDC中国公有云MaaS市场份额排名前四——其中唯一一家创业公司。
在OpenRouter全球70余家Token供应商中，日Token消耗量连续数周位居第一。
一个越来越现实的行业共识是：谁能把AI成本打下来，谁就更有可能赢得产业。
如果把时间拉长来看，可以更清晰地看到资本逻辑的变化：
第一阶段（2023）：下注模型
投资人关心的是：
-
谁能做出中国版GPT-4 -
谁的技术路线更领先
第二阶段（2024）：下注应用
焦点转向：
-
Agent是否能替代人类工作 -
AI能否真正进入企业流程
第三阶段（2025-2026）：下注基础设施
问题变成：
-
Token价格能否持续下降 -
推理效率能否提升 -
AI是否具备规模化商业条件
这三个阶段的变化，本质上是一个经典产业规律的体现：
从"技术驱动"走向"成本驱动"。
这个过程里有一个值得注意的现象——杰文斯悖论正在AI领域上演：
GPT-3.5推理成本暴跌280倍，但因为需求弹性大于1，OpenAI推理总支出反而增长了2.4倍。单位成本下降，没有让总消耗减少，反而推动需求爆炸。
这意味着：成本越低，调用越多；调用越多，基础设施越重要。
硅基流动所在的位置，正是这个"越重要"的环节。
如果把DeepSeek与硅基流动放入更大的产业结构中，可以看到一个更关键的变化：中国AI产业链正在加速成型。
过去几年，中国AI的核心问题在于：各个环节都存在短板，难以形成协同。
而现在，开始出现一种新的趋势：
不同层级的公司开始同时获得资本支持，并形成配合关系——而且不只是"平行配合"，而是垂直共生。
一个关键细节：硅基流动是DeepSeek模型的主要部署平台之一。
2025年2月，它率先在华为昇腾芯片上推出DeepSeek推理服务，成为开发者调用DeepSeek的核心入口。
这意味着"造车"的人和"修路"的人，不是各干各的——路是为车修的，车是在路上跑的。
DeepSeek解决"能力问题"。
硅基流动解决"效率问题"。
国产芯片解决"供给问题"。
当这些环节逐渐打通，AI才有可能从"演示技术"变成"基础设施"。
过去两年，中国AI行业在做的事情是：
造发动机。大家比拼的是谁的马力更强、性能更高。
而现在，行业进入了另一个阶段：修路。
因为没有高速公路，再好的车也跑不起来。
在大众视角中，大模型公司往往是舞台中央的明星。
但在产业视角中，决定胜负的往往是那些"不被看见的部分"：
这些能力不会出现在榜单上，也不会成为发布会的主角。
但它们决定了：AI能否真正进入生产系统。
这也是为什么，硅基流动这样的公司，开始被资本重新定价——不是因为它"更性感"，而是因为它"更必要"。
DeepSeek的融资，意味着中国在模型层面仍在持续突破——而且是以一种极为独特的姿态：创始人出资最多、投资方没有投票权、股份锁定五年。
而硅基流动的融资，则释放出另一个信号：资本开始系统性地补齐AI基础设施。
如果说过去三年，中国AI在回答"我们能不能造出强模型"。
那么现在的问题已经变成：
我们能不能让AI成为一种"可负担、可规模化"的基础能力。
这个问题的答案，不只在于模型本身，也在那些正在"修高速公路"的公司手中。
