深度求索

中國AI公司開始自己蓋資料中心，不再只是跟雲端業者租算力，這代表AI競賽進入重資本階段，也讓烏蘭察布這個原本只是備份儲存的地方變成亞洲成長最快的算力聚落。高盛報告點出12.5吉瓦的承諾容量，超過OpenAI星際之門的10吉瓦，但水資源短缺已經讓當地夜間停水，環境限制可能反過來卡住擴張。接下來要看這些資料中心實際落地的進度、電力與水的供給能否跟上，以及中國AI公司自建基礎設施會不會排擠對阿里雲、華為雲等雲端服務的採購。

騰訊把推薦系統架構統一建模的產業難題搬上 KDD Cup，等於公開承認現有模組化推薦架構在 GPU 時代遇到算力與維護瓶頸。工業賽道冠軍用 DeepSeek 網頁版就完成整套方案，這告訴我們兩件事：一是 DeepSeek 這類開源模型在複雜工程任務上的可用性已經高到能支撐競賽級產出，二是推薦系統的 Scaling Law 探索開始有具體架構與效率數據，不再只是口號。對騰訊廣告業務而言，若這套統一 Block 能落地，可能降低推理成本並提升廣告排序效率，直接影響其廣告營收與毛利。

DeepSeek 的 Harness 正在複製當年瀏覽器擴充套件的路徑，用「萬物皆插件」把開發者生態綁進自己的 Agent 框架。700 多個第三方插件不是小數字，代表開發者已經開始把日常工作流、記憶、甚至從 Claude Code 搬家的工具都往 DeepSeek 身上堆。這對 Anthropic 和 OpenAI 的開發者黏性構成直接壓力，因為切換成本正在被社群自己降低。接下來要看的是這些插件有沒有真的進入企業開發流程，還是只是 GitHub 上的玩票。

DeepSeek 把自家編程代理框架開源，直接對上 OpenAI 的 Codex，等於在 AI 應用層掀起一場開放架構對封閉架構的競爭。DSH 的 Cordis 底座讓開發者能像樂高一樣抽換模型、工具和策略，這對企業來說代表更低的鎖定風險，也讓 DeepSeek 有機會從模型供應商變成開發者生態系的基礎設施。但要注意，這套框架目前主要服務開發者，短期內對營收的直接貢獻有限，真正的變數是它能否吸引足夠多的企業與開發者，把 DeepSeek 的 API 用量和生態黏著度拉起來。

DeepSeek 這次不是只打價格戰，而是直接挑戰最強閉源模型。V4 Pro 正式版在多個 Agent 基準上逼近 Fable 5，代表中國開源陣營的後訓練能力已經追到第一梯隊。這對整個 AI 模型競爭格局是實質改變：以前大家覺得開源只能靠便宜搶市場，現在連性能都開始貼身肉搏。對投資人來說，最直接的影響是閉源模型的溢價空間可能被壓縮，Anthropic 和 OpenAI 的定價權會受到考驗。接下來要看的是企業客戶會不會真的因為性價比轉單，以及 DeepSeek 的 API 用量和營收能不能跟上。

梁文鋒財富暴增不是單純個人致富故事，而是 DeepSeek 估值被資本市場大幅重估的訊號。一年內淨資產從 10 億美元跳到 395 億美元，代表市場對中國 AI 模型公司的定價邏輯正在改變，不再只看營收，而是把技術領先和算力資產直接反映在估值上。這對全球 AI 競爭格局有實質意義，因為 DeepSeek 的崛起已經讓矽谷巨頭感受到壓力，也讓中國 AI 公司在資本市場獲得更高認可。接下來要觀察的是 DeepSeek 的商業化進度、算力投資回報，以及這波估值重估能否被後續融資或營收數字支撐。

這份報告直接告訴我們，AI 產業的資金面還在加溫，但方向正在轉彎。第 2 季全球創投金額雖比第 1 季歷史高點回落，但仍是史上第二高，而且資金明顯往少數頭部公司集中，Anthropic 一筆就吃掉 650 億美元。更關鍵的是，KPMG 點出投資人不再只押注基礎模型，開始往能實際落地、創造營收的應用場景移動，機器人、具身智慧、自主系統被點名是下一波焦點。這對台灣供應鏈的意義是：純粹賣鏟子的硬體需求不會消失，但未來能接到更多訂單的，會是能跟著應用端一起迭代的零組件、散熱、機構件與系統組裝廠。

這條新聞真正暴露的是：高質量訓練數據的生產瓶頸，正在從「人類標註」轉向「AI 自我出題」。BigBang-V1 用 35B 參數在多項科研基準上打敗 1T 大模型，證明數據品質與自我進化管線的價值可能比參數規模更重要。這對整個 AI 模型訓練的典範是一記警鐘——如果數據層 RSI 跑通，未來模型軍備競賽的關鍵可能不再是誰買更多 GPU，而是誰能讓數據生產系統跟著模型一起進化。

DeepSeek 自己畫出「斬殺線」後又自己漲價，這等於公開承認：AI 模型的 token 不是越便宜越好，規模大到一個程度，基礎設施成本會反過來逼你調價。這不是一家公司的問題，而是整個中國 AI 行業的定價邏輯正在集體轉向——智譜 API 定價已漲 83%、月之暗面 Kimi K3 漲三到四倍，但調用量照樣暴增。這告訴我們，模型推理的邊際成本不是零，當調用量衝到單日 8 兆 token，再多 MoE 省下的算力也擋不住機器採購的物理極限。

DeepSeek 用 1.4 億認購宇樹 IPO，鎖三年，這不只是財務投資，而是大模型公司第一次用資本綁定機器人硬體出海口。公告裡把合作範圍寫得很清楚：模型架構、智算集群、資料中心營運，DeepSeek 都要提供技術支援，宇樹則優先採購 DeepSeek 的模型訓練服務。這等於是把「AI 大腦＋機器人身體」的具身智慧路線，從概念直接推進到綁定供應鏈的階段。

中國 AI 模型不再只是偶爾突襲，而是形成一套能重複產出前沿模型的系統。DeepSeek V4 Flash 執行複雜任務只要 0.03 美元，Anthropic Claude Fable 5 卻要 3.15 美元，價差超過 100 倍。這直接威脅 OpenAI 和 Anthropic 的高毛利商業模式，尤其兩家都在籌備上市、估值目標上看兆美元。字節跳動的 Seedance 更用近乎免費的折扣搶佔影片生成市場，趁 OpenAI 擱置 Sora 的空窗期擴大市佔。

DeepSeek 用一次後訓練更新，就把 V4 Flash 的程式與推理能力拉到幾乎追上 GPT-5.6 等級，但價格只有對手百分之一。這不是單純的價格戰，而是直接改寫開發者生態的遊戲規則：當開源模型性能差距縮小到個位數，海外平台開始倒貼搶人，代表開發者主力模型正在換軌。對台灣投資人來說，最直接的訊號是：AI 應用層的算力成本結構正在崩解，過去靠高價 API 支撐的雲端模型營收預期，可能面臨下修。

AI 模型的價格戰正在從「降價搶客」變成「誰能賠最少」的消耗戰。OpenAI 才剛把旗艦模型價格砍到腳踝，DeepSeek 立刻用更低的價格反擊，這告訴我們，模型推理成本下降的速度比市場預期更快，但這也代表雲端廠商和模型實驗室的獲利門檻正在被快速拉高。對台灣供應鏈來說，短期內推理需求可能因低價而暴增，輝達、台積電、廣達等硬體廠商有機會因為用量放大；但中長期若價格戰侵蝕到模型開發商的投資支出能力，可能會壓縮高階訓練晶片的需求。

DeepSeek 用同一套模型架構、沒加參數，就把分數拉高 10 分，這告訴我們中國團隊在訓練效率與資料品質上的進步速度比市場想的更快。更關鍵的是成本：OpenAI 今天才剛把 GPT-5.6 Luna 降價八成，DeepSeek 的每任務成本還是只有它的四成，而且快取折扣給到 98%，比業界常見的 90% 更激進。這對 API 價格戰是火上加油，也讓開源陣營的競爭力再往上拉。

DeepSeek 在首輪融資剛完成數週後就啟動第二輪，估值還比首輪再漲四成，顯示資本市場對它的追捧還沒退燒。但現在簽約前突然喊停，而且原因指向內部文件外洩造成的信任裂痕，這就不是單純的估值或資金需求問題了。對投資人來說，這代表 DeepSeek 的治理與資訊控管能力正在被市場檢視，而這會直接影響它後續的 IPO 節奏與估值定錨。另外，騰訊、寧德時代等首輪大股東的態度會不會因此轉變，以及國家隊資金是否會重新評估風險，都是接下來要追蹤的關鍵。

中國AI公司開始自己蓋資料中心，不再只是跟雲端業者租算力，這代表AI競賽進入重資本階段，也讓烏蘭察布這個原本只是備份儲存的地方變成亞洲成長最快的算力聚落。高盛報告點出12.5吉瓦的承諾容量，超過OpenAI星際之門的10吉瓦，但水資源短缺已經讓當地夜間停水，環境限制可能反過來卡住擴張。接下來要看這些資料中心實際落地的進度、電力與水的供給能否跟上，以及中國AI公司自建基礎設施會不會排擠對阿里雲、華為雲等雲端服務的採購。

騰訊把推薦系統架構統一建模的產業難題搬上 KDD Cup，等於公開承認現有模組化推薦架構在 GPU 時代遇到算力與維護瓶頸。工業賽道冠軍用 DeepSeek 網頁版就完成整套方案，這告訴我們兩件事：一是 DeepSeek 這類開源模型在複雜工程任務上的可用性已經高到能支撐競賽級產出，二是推薦系統的 Scaling Law 探索開始有具體架構與效率數據，不再只是口號。對騰訊廣告業務而言，若這套統一 Block 能落地，可能降低推理成本並提升廣告排序效率，直接影響其廣告營收與毛利。

DeepSeek 的 Harness 正在複製當年瀏覽器擴充套件的路徑，用「萬物皆插件」把開發者生態綁進自己的 Agent 框架。700 多個第三方插件不是小數字，代表開發者已經開始把日常工作流、記憶、甚至從 Claude Code 搬家的工具都往 DeepSeek 身上堆。這對 Anthropic 和 OpenAI 的開發者黏性構成直接壓力，因為切換成本正在被社群自己降低。接下來要看的是這些插件有沒有真的進入企業開發流程，還是只是 GitHub 上的玩票。

DeepSeek 把自家編程代理框架開源，直接對上 OpenAI 的 Codex，等於在 AI 應用層掀起一場開放架構對封閉架構的競爭。DSH 的 Cordis 底座讓開發者能像樂高一樣抽換模型、工具和策略，這對企業來說代表更低的鎖定風險，也讓 DeepSeek 有機會從模型供應商變成開發者生態系的基礎設施。但要注意，這套框架目前主要服務開發者，短期內對營收的直接貢獻有限，真正的變數是它能否吸引足夠多的企業與開發者，把 DeepSeek 的 API 用量和生態黏著度拉起來。

DeepSeek 這次不是只打價格戰，而是直接挑戰最強閉源模型。V4 Pro 正式版在多個 Agent 基準上逼近 Fable 5，代表中國開源陣營的後訓練能力已經追到第一梯隊。這對整個 AI 模型競爭格局是實質改變：以前大家覺得開源只能靠便宜搶市場，現在連性能都開始貼身肉搏。對投資人來說，最直接的影響是閉源模型的溢價空間可能被壓縮，Anthropic 和 OpenAI 的定價權會受到考驗。接下來要看的是企業客戶會不會真的因為性價比轉單，以及 DeepSeek 的 API 用量和營收能不能跟上。

梁文鋒財富暴增不是單純個人致富故事，而是 DeepSeek 估值被資本市場大幅重估的訊號。一年內淨資產從 10 億美元跳到 395 億美元，代表市場對中國 AI 模型公司的定價邏輯正在改變，不再只看營收，而是把技術領先和算力資產直接反映在估值上。這對全球 AI 競爭格局有實質意義，因為 DeepSeek 的崛起已經讓矽谷巨頭感受到壓力，也讓中國 AI 公司在資本市場獲得更高認可。接下來要觀察的是 DeepSeek 的商業化進度、算力投資回報，以及這波估值重估能否被後續融資或營收數字支撐。

這份報告直接告訴我們，AI 產業的資金面還在加溫，但方向正在轉彎。第 2 季全球創投金額雖比第 1 季歷史高點回落，但仍是史上第二高，而且資金明顯往少數頭部公司集中，Anthropic 一筆就吃掉 650 億美元。更關鍵的是，KPMG 點出投資人不再只押注基礎模型，開始往能實際落地、創造營收的應用場景移動，機器人、具身智慧、自主系統被點名是下一波焦點。這對台灣供應鏈的意義是：純粹賣鏟子的硬體需求不會消失，但未來能接到更多訂單的，會是能跟著應用端一起迭代的零組件、散熱、機構件與系統組裝廠。

這條新聞真正暴露的是：高質量訓練數據的生產瓶頸，正在從「人類標註」轉向「AI 自我出題」。BigBang-V1 用 35B 參數在多項科研基準上打敗 1T 大模型，證明數據品質與自我進化管線的價值可能比參數規模更重要。這對整個 AI 模型訓練的典範是一記警鐘——如果數據層 RSI 跑通，未來模型軍備競賽的關鍵可能不再是誰買更多 GPU，而是誰能讓數據生產系統跟著模型一起進化。

DeepSeek 自己畫出「斬殺線」後又自己漲價，這等於公開承認：AI 模型的 token 不是越便宜越好，規模大到一個程度，基礎設施成本會反過來逼你調價。這不是一家公司的問題，而是整個中國 AI 行業的定價邏輯正在集體轉向——智譜 API 定價已漲 83%、月之暗面 Kimi K3 漲三到四倍，但調用量照樣暴增。這告訴我們，模型推理的邊際成本不是零，當調用量衝到單日 8 兆 token，再多 MoE 省下的算力也擋不住機器採購的物理極限。

DeepSeek 用 1.4 億認購宇樹 IPO，鎖三年，這不只是財務投資，而是大模型公司第一次用資本綁定機器人硬體出海口。公告裡把合作範圍寫得很清楚：模型架構、智算集群、資料中心營運，DeepSeek 都要提供技術支援，宇樹則優先採購 DeepSeek 的模型訓練服務。這等於是把「AI 大腦＋機器人身體」的具身智慧路線，從概念直接推進到綁定供應鏈的階段。

中國 AI 模型不再只是偶爾突襲，而是形成一套能重複產出前沿模型的系統。DeepSeek V4 Flash 執行複雜任務只要 0.03 美元，Anthropic Claude Fable 5 卻要 3.15 美元，價差超過 100 倍。這直接威脅 OpenAI 和 Anthropic 的高毛利商業模式，尤其兩家都在籌備上市、估值目標上看兆美元。字節跳動的 Seedance 更用近乎免費的折扣搶佔影片生成市場，趁 OpenAI 擱置 Sora 的空窗期擴大市佔。

DeepSeek 用一次後訓練更新，就把 V4 Flash 的程式與推理能力拉到幾乎追上 GPT-5.6 等級，但價格只有對手百分之一。這不是單純的價格戰，而是直接改寫開發者生態的遊戲規則：當開源模型性能差距縮小到個位數，海外平台開始倒貼搶人，代表開發者主力模型正在換軌。對台灣投資人來說，最直接的訊號是：AI 應用層的算力成本結構正在崩解，過去靠高價 API 支撐的雲端模型營收預期，可能面臨下修。

AI 模型的價格戰正在從「降價搶客」變成「誰能賠最少」的消耗戰。OpenAI 才剛把旗艦模型價格砍到腳踝，DeepSeek 立刻用更低的價格反擊，這告訴我們，模型推理成本下降的速度比市場預期更快，但這也代表雲端廠商和模型實驗室的獲利門檻正在被快速拉高。對台灣供應鏈來說，短期內推理需求可能因低價而暴增，輝達、台積電、廣達等硬體廠商有機會因為用量放大；但中長期若價格戰侵蝕到模型開發商的投資支出能力，可能會壓縮高階訓練晶片的需求。

DeepSeek 用同一套模型架構、沒加參數，就把分數拉高 10 分，這告訴我們中國團隊在訓練效率與資料品質上的進步速度比市場想的更快。更關鍵的是成本：OpenAI 今天才剛把 GPT-5.6 Luna 降價八成，DeepSeek 的每任務成本還是只有它的四成，而且快取折扣給到 98%，比業界常見的 90% 更激進。這對 API 價格戰是火上加油，也讓開源陣營的競爭力再往上拉。

DeepSeek 在首輪融資剛完成數週後就啟動第二輪，估值還比首輪再漲四成，顯示資本市場對它的追捧還沒退燒。但現在簽約前突然喊停，而且原因指向內部文件外洩造成的信任裂痕，這就不是單純的估值或資金需求問題了。對投資人來說，這代表 DeepSeek 的治理與資訊控管能力正在被市場檢視，而這會直接影響它後續的 IPO 節奏與估值定錨。另外，騰訊、寧德時代等首輪大股東的態度會不會因此轉變，以及國家隊資金是否會重新評估風險，都是接下來要追蹤的關鍵。