DeepSeek 计划在 10 月底前完成本轮融资，目标募资 500 亿元人民币（约合 75 亿美元），估值目标 5000 亿元人民币。
综合 | The Information 新浪财经
编辑 | Arti
收入增长的核心驱动力来自两方面。一是模型能力持续提升带来的用户规模扩张。本月早些时候发布的 DeepSeek V4.1-Flash，以及此前推出的 V4-Flash 模型，性能可对标规模更大的模型，吸引了全球寻求搭建 AI 自主智能体、同时控制成本的客户。
二是 8 月中旬的 API 提价。8 月 17 日零时起，DeepSeek V4 系列全新定价正式生效，取消统一计费模式，引入峰谷定价。旗舰模型 V4-Pro 高峰时段缓存命中输入、缓存未命中输入和输出价格较此前分别上涨 1100%、200% 和 350%。据知情人士透露，综合来看，模型调用价格上调至原来的 2.3 倍至 4.5 倍。
值得关注的是，尽管大幅提价，DeepSeek 模型的定价在主流大模型中仍处于低位。梁文锋在投资者会议上表示，调价并未造成客户流失，用户需求依旧强劲。
从盈利结构看，DeepSeek 在成本端展现出了显著的效率优势。据 The Information 报道，今年前七个月，其模型 API 调用业务毛利率高达 82.9%，高于同期 Anthropic 与 OpenAI 的水平。这背后是 DeepSeek 通过优化 AI 基础设施效率，减少完成任务所需芯片数量，压低了模型运行成本。
不过，梁文锋在会议上明确表示，尽管营收快速增长，但创收并非 DeepSeek 的优先目标。公司收入几乎全部来自模型 API 调用收费；其广受欢迎的对话机器人 App 免费使用且无广告，不产生任何收入。
DeepSeek 的融资节奏，是理解其资本化路径的关键线索。
2026 年 4 月，DeepSeek 启动成立近三年来的首轮外部融资。此前，创始人梁文锋曾多次公开强调不愿被资本裹挟，即便面对国内外顶级投资机构的橄榄枝也始终坚决拒绝。DeepSeek 由量化私募巨头幻方量化孵化，幻方量化巅峰时期资产管理规模突破 700 亿元，2025 年收益均值达 56.55%，为 DeepSeek 早期研发提供了充足的资金支持。
首轮融资于 6 月正式完成交割，募资超过 500 亿元，投后估值约 500 亿美元。其中梁文锋个人出资 200 亿元，是最大单一出资方。腾讯出资 100 亿元，宁德时代体系出资约 50 亿元，网易、京东及 IDG 资本各出资 30 亿元，国家人工智能产业投资基金出资 10 亿元。
时隔不到两个月，7 月中旬 DeepSeek 启动第二轮融资，投前估值升至 5000 亿元人民币，计划募资 500 亿元人民币。本轮融资阵容涵盖多家产业资本及国资平台，新晋入局方包括中芯聚源、博裕资本、CPE 源峰、合肥国资投资平台等机构；腾讯、宁德时代、IDG 资本等首轮老股东持续加码跟投。石溪资本、中芯聚源背后分别站着兆易创新、中芯国际等产业链巨头。
据资本市场业内人士分析，以 DeepSeek 当前 5000 亿元估值为基础，公司上市后整体市值区间有望落在 1.5 万亿至 2.5 万亿元之间。
在股权结构方面，本轮融资同步调整了股份锁定期规则以适配科创板上市监管要求。除国家人工智能产业投资基金外，其余首轮投资机构均为间接持股，对应股份锁定期为五年；为匹配上市申报标准，本轮新引入投资的股份锁定期有望缩短至三年，股权架构将进一步规范化。
融资推进的同时，DeepSeek 的上市筹备也在同步展开。
9 月 9 日，据路透社报道，DeepSeek 已选定中信证券，全面筹备科创板上市相关事宜，有望在本年度内正式递交 IPO 申报材料。21 世纪经济报道记者从知情人士处获悉，目前中信证券已与 DeepSeek 方面接洽并进入尽职调查阶段，但双方尚未签订正式的上市辅导协议。
从时间线看，DeepSeek 的资本化路径已经清晰：4 月启动首轮融资，6 月完成交割；7 月启动二轮融资，10 月底前完成交割；年内递交 IPO 申报材料，目标 2027 年正式挂牌。
团队规模也在快速扩张。DeepSeek 现有员工约 300 人，9 月 7 日，公司 Harness 团队公开对外招聘，新增岗位名额达 150 个，覆盖服务端开发、Agent 弹性计算研发等多个核心技术岗位，本次扩招人数相当于现有团队的半数规模。
在营收和融资高速推进的背后，算力短缺仍是 DeepSeek 面临的最大结构性约束。
据知情人士转述，梁文锋向投资者透露，公司把 70% 以上算力分配给模型训练，留给已有模型推理运行的算力不足 30%。这意味着，随着用户规模持续扩大，推理算力的供给瓶颈将愈发突出。
应对策略之一，是通过轻量化模型降低推理对高端芯片的依赖。梁文锋向投资者表示，内部测试显示，公司轻量化模型可在游戏显卡上稳定运行，能够处理用户绝大多数日常任务。如果更多借助游戏显卡承载推理任务，就可以缓解推理算力紧张的局面，同时不必把大量高端芯片从训练环节抽调出来。
在训练端，DeepSeek 正加速向国产芯片迁移。据彭博社报道，DeepSeek 希望采购更多华为高端芯片，但华为产能有限，高端存储器等零部件短缺制约了昇腾 950DT 的生产，且华为还须兼顾其他客户需求。训练顶级大模型可能需要约 5 万颗英伟达 GB300 芯片，若采用华为昇腾 950，则可能需要约 20 万颗。梁文锋此前曾预计，中国或在一年内降低对英伟达硬件的依赖，DeepSeek 与美国领先厂商的差距有望从 12 至 18 个月缩小至 3 至 6 个月。
从年化营收不足 5 亿美元到突破 10 亿美元，从首轮融资 500 亿元到二轮融资推进中，从拒绝资本到筹备科创板 IPO，DeepSeek 在过去五个月里完成了从一家技术驱动的研究机构向公众公司转型的关键步骤。
API 提价后客户未流失、毛利率 82.9% 高于 Anthropic 与 OpenAI，这些数据表明 DeepSeek 在模型能力和成本效率上已建立起一定的竞争壁垒。
但挑战同样清晰：70% 以上算力用于训练、推理算力不足 30% 的结构性矛盾，国产芯片产能能否跟上的不确定性，以及营收增长与亏损收窄之间能否形成持续的正向循环，都是上市后需要持续回答的命题。
