2025 年 8 月，加州圣克拉拉英伟达总部，一家仅成立一年的 AI 初创公司创始人 Misha Laskin 叩开了黄仁勋办公室的大门。
没人想到，这次会面中黄仁勋提的一个建议，让这家名不见经传的公司被推到了“中美开源战争”的最前线。
这次会面结束不久，这家公司快速拿下了英伟达、红杉、DST 等顶级资本押注，估值从 5.45 亿美元飙升至 80 亿美元，近期又斩获新一轮融资，估值飙升到 250 亿美元（折合人民币约 1700 亿元）。短短 13 个月，估值翻了 46 倍。
它就是 Reflection AI。
“黄仁勋的那次会面，更像是一次仙人指路。真正把它推上桌的，是硅谷在开源模型这一仗上的接连败退。”一位 AI 投资人表示。
硅谷原本以为开源模型只是 Meta 的游戏，但从 DeepSeek R1 到 DeepSeek V4、Kimi、Qwen 等开源模型的出现，直接把美国在开源上的先发优势打穿了。
而原本被美国寄予厚望的 Meta Llama，并没有成为预期中的开源霸主。在 Llama 4 表现不及预期后，美国开源模型阵地出现空缺，硅谷和华盛顿急需找到一个新的旗手。
而 Reflection AI，就是那个被选中的“美国版 DeepSeek"。
这家成立于 2024 年 3 月的年轻公司，由谷歌黄金班底前 DeepMind 研究员 Misha Laskin 和 Ioannis Antonoglou 一手创办，两人分别参与了 Gemini 模型的训练和 AlphaGo 的核心开发。投资阵容里，英伟达、红杉、DST、Eric Schmidt 等赫然在列。
牌面虽然无可挑剔，但问题是成立至今它仍然没有模型产品。一家什么都还没交付的公司，凭什么估值 250 亿美元？
它的目标和 DeepSeek 是不是一回事？对中国开源模型而言这究竟是一次追赶，还是一场规则不同的竞赛？
黄仁勋为何钟情这家小公司？
黄仁勋和一众投资人为何敢将筹码押在一家籍籍无名的公司身上？
“如果这份 term sheet（投资条款清单）摆在我面前，我首先判断这不是一个模型公司的估值，本质上还是在赌未来的 AI 基础设施入口。这 46 倍涨的不是它做出了什么，是它被认定成什么。”
AI 产品负责人朱颐均表示，像黄仁勋这类投资人不太会去赌 Reflection 能做一个比 GPT 或者 Claude 更强的模型，他们赌的是如果 AI 基础设施这一层未来发生洗牌，Reflection 有没有机会成为亚马逊那样的平台级公司，那就不是 250 亿美元能覆盖的了。
2024 年初，还在 DeepMind 效力的 Laskin 和 Antonoglou 先后离职合伙创业，他们共同的判断是，大语言模型有广度却缺乏自主可靠性，真正的缺口是把通用性和强化学习结合起来，做出能端到端把活干完的 AI Agent。
2025 年 7 月，公司的第一个产品 Asimov 落地，一个面向企业工程团队的代码理解 Agent。
同期，红杉和 CRV 领投 2500 万美元种子轮，CRV 与 Lightspeed 联合领投 1.05 亿美元 A 轮，估值达 5.45 亿美元，英伟达风投部门、Reid Hoffman 和 Alexandr Wang 一并入场。
这条路本来走得好好的，直到跟黄仁勋的那次会面。
对于这次转向，Antonoglou 后来给过一个解释，要在前沿做强化学习，就需要一个极强的基座模型来做后训练。但当时西方生态里缺的正是这样一个开放基座，尤其在 Llama 4 表现不佳之后，他们认为自己是唯一有条件填上这个缺口的团队。
“劝人开源可不是做慈善，开放模型免费，但是跑模型的卡不免费啊。”
长期关注 AI 半导体的分析师孙灏认为，黄仁勋这么做是出于什么想法其实不难猜，中国的开源模型正在逐渐成为全球默认选项，而英伟达现在需要一批能够跑在自己的芯片上，同时又能够对冲这股势头的开源模型。
跟黄仁勋会面的两个月后，英伟达领投 20 亿美元，将 Reflection AI 估值抬到 80 亿美金，其中 8 亿美元是英伟达出资，红杉、CRV、DST、花旗、新加坡主权基金 GIC 等纷纷跟投。
这里面有一个名字值得单拎出来，1789 Capital，这家基金由特朗普的长子小唐纳德·特朗普等人参与创立，背后连接着美国保守派资本圈。
而最后进场的华盛顿，带来的不是钱而是一笔订单。今年 5 月，Reflection AI 成为能源部 Genesis Mission 的开放模型底座。
英伟达给方向和芯片，硅谷给估值，华盛顿给需求。到这里，Reflection AI 的三层支撑全部就位。
“再造一个 DeepSeek",Reflection AI 还差多远?
"他们在用融资的速度，对冲训练的速度。"对于 Reflection AI 近期的一系列动作，分析师孙灏下了一个判断。
在 2025 年 10 月拿到 20 亿美元的融资时，Laskin 表示第一个模型争取在 2026 年初发布，而最新的说法是会在今年晚些时候发布。
可时间不等人，尽管模型产品尚未落地，Reflection AI 已进入了大模型公司的烧钱模式。
今年 6 月下旬，Reflection AI 与 SpaceX 旗下算力业务签署合作。协议自 7 月 1 日起生效，每月支付 1.5 亿美元，若执行至 2029 年，总额约 63 亿美元。
不到一个月，公司又与云计算初创 Nebius 签下超过 10 亿美元的算力合作协议，同样执行至 2029 年，用于获取英伟达 GB300 芯片。
两笔相加，Reflection AI 光是年化算力支出就超过了 18 亿美元。
“这个数字是什么概念呢？都是在 SpaceX 的 Colossus 租算力，Anthropic 每月付 12.5 亿美元，谷歌是 9.2 亿美元，也就是说 Reflection 大约是 Anthropic 的八分之一。”
分析师孙灏认为，这个规模的算力支出虽然听上去不是很离谱，但是前两者都是有产品业务和真金白银的 ARR 做支撑，Reflection 这每年至少 18 亿美元的成本却没有任何收入做对冲，每一分都只能靠融资来填，那就很悬。
按照 PitchBook 的口径，Reflection 目前累计融到 21.6 亿美元。也就是说，现有资金根本撑不完这两份合约，这家公司必须持续融资才能继续履约。
“现在最大的陷阱就是资本按照顶级估值去投，但技术只能达到第二梯队的水平。一旦模型没能形成领先优势，巨额算力合同就会变成固定成本，数据中心也会变成负担，融资能力自然也会跟着下降。”AI 产品负责人朱颐均表示。
"大模型创业最可怕的死亡方式，并不是技术落后，而是它的成本结构对标了一家 AI 基础设施公司，收入水平和盈利预期却只能达到一家普通 SaaS 公司。"
好在这两份算力合同并非一签到底，在与 SpaceX 签署的 63 亿美元协议中，双方保留了一项退出机制。合同生效满三个月后，任何一方都可以提前 90 天通知对方终止合作。
那么训练一个开源模型到底该花多少钱？做开源模型的企业又该如何活下去？
DeepSeek 提供了一种路径答案。根据 DeepSeek 团队发表的《DeepSeek-V3 Technical Report》，V3 的全部训练共计 278.8 万 H800 GPU 小时，按论文假设的每小时 2 美元租赁价计算，约合 557.6 万美元，其中预训练部分用时不到两个月。
当然，这只包含正式训练，不含前期研究以及在架构、算法、数据上的消融实验开销。
但一位 AI 科技领域投资人表示，如果单拿 DeepSeek-V3 的训练成本来对比 Reflection AI，是绝对不严谨的，双方光是使用的芯片就隔了两代。
"DeepSeek 所披露的内容，更多是展示了一种极致效率路线，而不是一个行业通用的模型训练价格标签。”
那做开源的模型公司要怎么挣钱？DeepSeek 这边也有现成的例子。
截至 8 月初，DeepSeek V4-Flash 的 API 价格是输入每百万 token 0.14 美元，输出每百万 token 0.28 元，若命中上下文缓存，输入价格还能降至每百万 token 0.0028 美元。相比 OpenAI、Anthropic 等厂商，DeepSeek 已经将 API 调用打到了地板价。
低价策略很快实打实的撬动了市场规模，据 OpenRouter 统计，在 7 月 28 日到 8 月 3 日这一周，DeepSeek V4-Flash 的单周处理量已经达到了 7.1 万亿 token。
但低价只是初期打法，随着调用规模和市场影响力的扩大，DeepSeek 开始获得重新定价的空间。早在 6 月 29 日，DeepSeek 通知开发者将启用峰谷定价，高峰时段价格翻倍；8 月 6 日，DeepSeek 再次发布公告称计划近期整体上调 API 定价，“预计涨幅较大”。
换句话说，前期凭借跑马圈地换取的涨价牌已经亮出来了，只是还没打。
这位投资人认为，低成本训练、低价扩张，再通过规模效应形成商业回报，这套逻辑与 DeepSeek 之前所公开的技术报告中展现的低成本路线是大概一致的。
"开源权重并不意味着简单地把利润让渡出去，低成本能力反而让 DeepSeek 能够承受开源带来的竞争压力。只要把成本压到足够低，低到一定程度开源就不再是让利了，反而是护城河。"
虽然都在做开源模型，但两家当下处境完全不同。DeepSeek 是一边挣钱一边研发，Reflection AI 每多等一个月最低多烧 1.5 亿美元，而且这钱还要指望下一轮融资到账。
它和 DeepSeek，做的是同一门生意吗？
一家公司的野心可以写在新闻稿里，但它真正想成为什么往往藏在招聘页里。
截至 2026 年 8 月 6 日，Reflection AI 官网招聘页共挂出 62 个在招职位。与通常意义上的前沿 AI 实验室不同的是，明确标注为"Research"的岗位只有两个；地点分布上，华盛顿特区有 7 个职位，韩国有 3 个。
更值得注意的是一个名为"Head of Capture"的职位，虽然该职位目前已不在招，但今年有人在 LinkedIn 上公开宣布出任这一职务。
"Capture 是美国政府采购圈的行话，指在正式招标之前就提前介入，把一单政府生意从线索一路运作到中标的全过程管理。”
对于这个职位，分析师孙灏进一步解释，一家前沿 AI 实验室不一定需要这样的角色，但做政府供应商的公司少不了，说明 Reflection AI 是在往企业和政府市场方向靠拢。
同时，招聘页面中还挂着六个 Deployment Engineer(部署工程师) 岗位，要做的就是进驻客户现场，把系统装进对方的环境里。
而这个岗位和最近 AI 圈火起来的 FDE 还不太一样，它要解决的是系统怎么在客户机器上跑起来的问题，FDE 解决的则是怎么把 AI 改造成适合客户的工具。前者偏交付，后者偏产品共创。
一头在招标前把单子谈下来，一头在中标后把东西装进去，组织重心在哪儿一目了然。
但私有化部署从来不是谁的专利，DeepSeek、Qwen 等开源模型在海外也有大量企业下载权重。同样是做模型私有化部署，Reflection AI 打算怎么做出不同？
首先是客户资格，今年 5 月成为能源部 Genesis Mission 的开放模型底座后，它拿到了一张采购门票，政府和大型机构在挑供应商时，模型跑分未必是第一顺位。它铺在华盛顿的那七个岗位，也志在此处。
其实是业务布局，今年 3 月，Reflection AI 与韩国新世界集团签了备忘录，双方计划年内成立合资公司，在韩国建一座 250 兆瓦的数据中心。其中新世界集团拿地施工、出资，Reflection AI 负责设备的设计与运营，项目总投资预计不低于 10 万亿韩元，约合 68 亿美元。
两块线索拼在一起，方向已经很清楚，Reflection AI 的收入会来自采购资格和数据中心这类基础设施。
在朱颐均看来，Reflection 现在的路线本质上是用开放权重扩大生态，用封闭能力保住护城河。它要卖的从来不只是模型，而是 AI 基础设施的预期。就像 Linux 内核免费，但 Redhat 靠企业服务赚钱。
这也是 Reflection 与 DeepSeek 目前最大的不同之一，DeepSeek 押注开源和生态，Reflection AI 更偏向把模型嵌进企业和政府采购体系。
“不过，Reflection AI 还有个挑战就是，如果中国的开源模型继续降本，它权重的价值就有可能下降。”
对模型公司而言，开源之战不仅是一笔生意，更是一场围绕开发者和生态的长期竞争。
目前在海外市场，中国开源模型的生态积累已经形成了一定规模。Hugging Face 官方今年 3 月的报告显示，Qwen 系列的直接衍生模型已经超过 11.3 万个，仅凭一个系列就超过了谷歌和 Meta 的总和。
但是当竞争从开发者社区转移到企业采购，中国开源模型的这套生态优势有多少能迁移过去？
朱颐均认为，能转化一部分但不可能全部转化。
“能带过去的，首先是开发者生态。大量微调模型、Agent、开源插件和案例会降低企业的采用成本，生态一旦形成就有很强的网络效应。其次是工程化优化能力，中国团队在推理优化、成本控制和小模型部署上优势很大，而企业非常看重 ROI。”
在朱颐均看来，中国开源模型最大的优势是快速扩散的能力，而美国公司的优势是资本充足、云服务，以及多年积累的 B 端销售脉络和企业关系网络。
“但最终的赢家，会是能率先把模型、算力、生态和企业服务整合成一套完整商业系统的那个。”
独家解读丨从北大数院到菲奖得主，数学家为何蜂拥至 AI 公司？
2026-07-31
独家解读丨财报越漂亮，Gemini 越难产：谷歌到底怎么了？
2026-07-24
