过去半年，DeepSeek 的资本动作明显提速。
4 月，公司启动首轮外部融资；6 月，首轮融资完成，融资 500 亿元，投后估值超过 3500 亿元；7 月，二轮融资暂停；8 月，融资重启，拟募资约 500 亿元；9 月，DeepSeek 进一步走向公开市场，据路透社报道，公司已选定中信证券推进科创板 IPO，并计划年内启动上市流程，对应估值约 5000 亿元。
对于 DeepSeek 而言，愿意提供资金的投资人从来不是少数。从互联网巨头、产业资本、国资基金到 VC、家族办公室，资本仍在争夺有限的投资份额。
为什么 DeepSeek 会在这个时间节点走向公开市场？IPO 又会怎样改变这家公司的经营逻辑？
钱的难题
AI 是一个烧钱的行业，这一点从未因 DeepSeek 的出现而改变。
但 DeepSeek 最特殊的地方，是它曾经用一种相对克制的方式，参与了一场全球最昂贵的技术竞争。
在很长一段时间里，DeepSeek 团队规模远小于美国头部 AI 实验室，资金主要来自幻方支持，创始人保持高度控制权，通过算法和工程效率尽可能压低训练与推理成本。
DeepSeek-R1 的出现一度证明，即便没有 OpenAI、Anthropic 式的巨额融资，中国公司也可能通过技术效率进入全球模型第一梯队。
当竞争成为持久战，成本结构也会随之改变。
首先是算力。前沿模型不仅需要周期性的预训练，还需要强化学习、后训练、模型评测以及不断增长的推理资源。随着用户规模扩大，算力支出也不再只发生在模型发布之前，而需要持续消耗在每一次调用。
科技媒体 The Information 披露，今年前七个月，DeepSeek 在 AI 基础设施相关的支出上花费了约 110 亿元，这些支出包括租用配备 AI 芯片的服务器、购买芯片及其他计算设备，2025 年这部分支出约为 12 亿元。
其次是业务边界和人员的扩张。
DeepSeek 已经不再只是训练基础模型。从近期招聘和公开披露看，其 Harness 团队一次性放出约 150 个招聘名额，岗位覆盖服务端开发、Agent 弹性计算研发等核心技术方向。公开信息显示，DeepSeek 目前员工规模约 300 人，这轮招聘规模相当于现有团队的一半。
收入增长也无法覆盖巨大的投入。The Information 数据显示，2026 年前七个月，DeepSeek 收入约 4.75 亿元，达到 2025 年全年收入的约 10 倍，但同期仍产生约 7.15 亿元净亏损。
路透社援引知情人士称，DeepSeek 此次 IPO 筹集的资金预计将用于扩大算力基础设施、模型研发以及吸引和留住人才。
但 DeepSeek 并不真的缺钱。
复杂的资本结构
如果 DeepSeek 的问题只是 " 有没有钱 "，答案反而相对简单——想投它的钱太多了。
在首轮融资中，DeepSeek 在首轮融资中设计了一套颇为特殊的交易结构。除少数机构外，大部分投资者并非直接持有 DeepSeek 股份，而是通过梁文锋控制的有限合伙企业间接进入。同时这些投资者没有投票权，并且面临五年锁定期。
其效果很清楚。DeepSeek 可以拿到外部资金，但尽可能把资本与公司控制权隔离开。
这保证了梁文锋对公司的高度控制需求。
然而，即便存在五年锁定期、外部投资人没有投票权，资本仍在寻找各种方式进入。金融时报称，一名香港家族办公室投资者表示，近期曾通过 8 个不同渠道收到 DeepSeek 的投资机会。
但当投资需求进一步放大而份额又极为有限，这套结构开始产生新的问题。
部分已经获得投资份额的机构通过设立 SPV（虎嗅注：特殊目的载体）引入其他出资人。简单来说，外部投资者并不直接持有 DeepSeek 股份，而是先投资一个专门为 DeepSeek 设立的载体，再由该载体向上一层 SPV 或基金出资。
随着类似结构不断嵌套，最终形成多层间接持股。一些中间载体收取 6% 至 15% 以上的前端费用，甚至要求最高 40% 的超额收益分成。
复杂的间接持股和层级，让最终资金来源和关联关系变得更难穿透。
金融时报称，梁文锋已开始亲自审核部分最终投资人，希望维持对公司的控制，并降低 IPO 前可能出现的治理风险。
所以 DeepSeek 现在面对的已经不只是融资问题。
一方面，它需要更长期的资本来源和股权流动性；另一方面，随着投资人和持股层级增加，如何在引入资本的同时维持清晰、稳定的控制权，已经成为新的治理问题。
IPO 不能自动解决这些矛盾，但它提供了一套更公开、标准化的框架。
公司获得持续融资工具，股东获得定价和退出机制，靠私人协议维持的资本与创始人关系，现在必须转化为公开的上市公司治理规则。
5000 亿估值之后，DeepSeek 靠什么继续定价？
目前市场给予 DeepSeek 的估值，很大程度建立在技术领先和未来可能性之上。
但是一家 5000 亿元估值的公司，不能、也无法永远只靠一次次模型突破获得定价。
R1 之后，DeepSeek 的新模型再没能复制当时的行业震动。
8 月延期上线的 DeepSeek V4 有所进步，官方称其在推理、Coding 等能力上达到开源领先水平，也继续保持了明显的成本优势，但没有像 R1 一样进一步缩小与美国最前沿模型之间的差距。
DeepSeek 的性价比叙事能够维持多久？
进入公开市场之后，投资者更加关注也不只是模型能力，更是公司经营能力，一切有关投入、收入、增长的问题。
