DeepSeek这把枪 已经抵在硅谷后脑勺上

DeepSeek V4 发布后的几天，硅谷那边一直在发酵，也带来了几个更尖锐的问题讨论：模型效率、芯片格局、IPO 时点、开源对闭源的挤压。

4月29日，来自硅谷 101 的视频博客，请到芯片架构师肖志斌和前 OpenAI 研究员 Jenny Xiao，两人聊了一个多小时，把整件事彻底聊透了。

被开源超越，你的商业价值归零

对谈里最狠的一句话，是 Jenny 去年就提出的概念——kill line（死亡线），开源模型给闭源基础模型公司画的死亡线。

"If you're a foundation model company and you get surpassed by open source, the value of your business is essentially zero."

如果你是一家基础模型公司，被开源模型超越了，你的商业价值直接归零。

这不是技术竞争，这是生死线。

Jenny 拿 Anthropic 举了个例子：如果有一天 Claude 不再是编程最好的模型，谁还会用 Claude Code？

顺着这个逻辑，4月24日 DeepSeek V4 一发布，硅谷所有闭源公司的股价和估值都面临一个灵魂拷问：你的模型，现在还配卖这个价吗？

拿价格说话最直观：

GPT-5.5 比 GPT-5.4 贵了整整 2 倍，长文本Pro版本每百万 token 180 美元。

同一天，DeepSeek V4 发布。输入 1元/百万 token，输出 24元/百万 token。Flash 版更狠：输入 0.2元/百万 token，输出 2元/百万 token。

一个贵了两倍，一个便宜了十倍。

基础模型公司的估值是二元的——你的存在理由就是模型最强。一旦不再最强，估值直接归零。 哪怕你叫 OpenAI。

钱太多，反而不会省钱

Jenny 在对谈里戳破了一个硅谷不敢面对的真相：

"硅谷公司钱太多，反而没动力优化效率。中国模型厂商被资源倒逼，更早进入 token efficiency 创新。"

资源约束，反而成了创新加速器。

OpenAI 从第一天就信奉"move fast, break things"，GPU 放开买，infra 疯狂建。Anthropic 反而克制，怕收入跟不上，被采购成本拖死。

结果呢？同等收入下，Anthropic 的资本效率显著高于 OpenAI。

更麻烦的是，OpenAI 同时在打硬件部门、自研芯片、购物 App 几条战线，核心 ChatGPT 体验反而没做好。从去年底开始，副线项目一批批砍，Sora 也在里面。

投资人心态彻底变了。以前看 AI 公司是"曲线还在指数增长，继续投钱"。现在问的是：

"再投 10 亿、100 亿，边际收益在哪？ROI 在哪？"

DeepSeek 给出的答案很直接：继续扩 infra 的 ROI，可能已经不划算了。

创新都是被逼出来的。便宜本身，就是技术革命的前提。

每一次工业革命，推动变革的不只是技术有多牛，还在于技术有多便宜。只有便宜到普通人用得起，技术才能真正改变世界。

没有效率，AGI 只能是个 demo

肖志斌读完 V4 论文认为："方向意料之内，工程完成度意外。"

V4 所有的技术优化，其实都瞄准了同一个靶心——token efficiency（词元效率）。

它用了三把刀：

• Muon 优化器：部分训练模块替换掉传统 Adam，收敛速度进一步拉高

三件事合在一起，指向同一个结果：每个 token 的生成成本更低了，每次推理占用的内存更少了。

计算成本降到硅谷模型的1/3，内存占用只有 1/10。

但 V4 真正让人细思极恐的地方，远不止"省钱"这么简单。

Jenny 在对谈里反复提醒：Chatbot 时代，token 消耗有限，模型贵一点用户也能忍。但 Agent 时代完全是另一套逻辑——长任务拆解、多工具调用、反复反思和规划，token 消耗是 chatbot 的 10 到 100 倍。

如果每个 token 都价格不菲，模型就没法长时间深度思考，更不可能大规模服务用户。

所以她抛出了那句定调的话：

没有效率，AGI 只能是个 demo。有了效率，AGI 才能成为真正的产品。

到了 Agent 时代，效率本身就是智能的一部分。

Anthropic凭什么反超到1万亿？专注 > 什么都做

这段时间 Anthropic 估值反超 OpenAI，冲上 1 万亿美元。

Jenny 把原因列了三条，但本质就五个字：专注 > 什么都做。

第一，Claude Code。

为什么 Claude Code 是 Anthropic 的"定义时刻"？

Anthropic 的模型一直很好，但 Claude Code 才是真正驱动收入的那个产品。OpenClaw 创始人 Peter Steinberger 直接写了一篇文章：《Claude Code 就是我的电脑》。

一旦模型能写代码，就能做通用任务——更新 CRM、转发邮件、搭自动化流程，底层全是代码。

Jenny 的判断很锋利：编程是通向 AGI 最重要的一步。谁拿下编程，谁就可能成为 AGI 时代的主导玩家。

第二，企业信任。

Jenny 基金里的企业客户反复说同一句话：选 Anthropic，因为它有安全承诺。加上 Anthropic 起诉五角大楼那件事，企业接受了它传递的信号。

第三，不做多余的事。

OpenAI 想做"一个所有人的所有东西"，结果战线分散，技术领先丢了。Anthropic 只打三条线：安全、企业、编程。

硅谷投资人认一个死理：企业收入优先于消费收入。 Anthropic 收入高度集中在企业，这恰恰是美国资本市场最爱的故事。

英伟达：短期安全，长期推理市场必然分化

说到芯片，目前都觉得 DeepSeek 在"去英伟达化"。

但实际情况要更细分。

训练阶段：DeepSeek V4 庞大体量的预训练，毫无疑问是在庞大的 NVIDIA 集群上完成的。V4 英文技术报告第16页，20页提到的 TCGenO5，以及 MegaMoE² 等关键算子，都是深度绑定 CUDA 生态的底层优化。

适配阶段：华为昇腾对外宣传的是"0-day适配续训练/推理"，AMD 宣传的是"在 ROCm 上集成优化"。

注意一个关键措辞——"适配"。

这意味着，模型已经在 NVIDIA 集群上训练定型了。昇腾和 AMD 所做的，是在事后用自己的软件栈去"对接"这个已经训练好的模型。是后向兼容，不是原生替代。

从这个角度看，短期之内，英伟达在训练端的护城河比很多人想的要深。 CUDA 生态不是一两年能搬走的。

但长期呢？推理市场确实在松动。

V4 把长上下文 attention 成本打下来后，大规模推理的门槛大幅降低。推理不再是"谁卡多谁赢"，而是"谁架构匹配谁赢"。Google TPU、AMD、云厂商自研芯片，甚至国产算力，都在这条线上找机会。

那个让硅谷失眠的"80/20"信号

Jenny 投资组合里有个数据：80% 的任务，跑在中小开源模型上。只有 20% 最复杂的任务，用到闭源模型。

往前推一年，没人会信这个比例。

现在硅谷每天都能刷到这种信息："我们手里有 1000 万美元的 OpenAI 股票，你们基金在买吗？或者认识谁在买吗？"

4月29日那期硅谷101最后，Jenny 用一句话给整件事定了性：

"DeepSeek 像一把抵在硅谷模型公司背后的枪。这些公司如果跑得不够快，DeepSeek 会追上来，把它们的业务彻底摧毁。"

这把枪，已经上膛了。