☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
短短一个月内，DeepSeek再度成为资本市场的焦点。
据《金融时报》援引知情人士透露，DeepSeek正与潜在新投资者展开初步接洽，拟启动新一轮融资，投前估值约为710亿美元。相较上一轮约520亿美元的投后估值，涨幅达37%左右。
消息指出，此次快速推进融资，主要源于市场对其未来资本开支大幅攀升的预期——包括自建数据中心、批量采购人工智能芯片等。同时，公司正显著加码对具备自主任务执行能力的AI Agent的研发投入，这也进一步推高了对算力资源的需求。
对于一家刚刚完成首轮融资的大模型企业而言，如此短周期内即启动下一轮融资，明显偏离了传统科技企业的融资节奏。
多数人的第一反应是：DeepSeek为何如此“急迫”地寻求资金？
若套用互联网公司的成长逻辑，这一疑问确有其合理性。一家刚完成数十亿美元融资的企业，理论上短期内并不面临现金流压力，更无需仓促开启新一轮募资。
但若将视野拉至全球AI产业层面，便会发现，这并非DeepSeek的单点行为，而是几乎所有头部AI公司正在同步推进的战略动作。
OpenAI官宣建设Stargate超级数据中心；Meta宣布将在未来数年部署14GW算力基础设施，并将AI基建投资提升至1450亿美元；Anthropic持续扩充算力储备，且已启动自研AI芯片评估；Google加速TPU迭代进程；Amazon不断升级Trainium芯片；与此同时，DeepSeek与智谱也被曝正联合攻关面向推理场景的ASIC芯片。
一个清晰的新趋势已然浮现：当下的大模型公司，正集体从“模型驱动型”组织，向“AI基础设施型”平台演进。
过去三年，行业比拼的是参数规模、模型性能与智能上限；而如今，决胜关键已转向Token单位成本、总算力规模、芯片自主能力、数据中心效能及AI生态完整性。
DeepSeek此轮再融资，真正押注的并非下一代模型本身，而是未来数年稳居全球AI第一梯队的入场资格。
DeepSeek为何必须加速融资？因为AI已迈入“推理时代”
细察本轮融资的用途规划，不难发现高度趋同的方向：建设自有数据中心、扩大AI芯片采购、扩建推理集群、深化AI Agent研发、推进AGI长期布局，以及启动专用推理芯片研发。
这意味着，大模型企业的资本消耗逻辑已发生根本性转变。
此前数年，AI公司的核心支出集中于模型训练环节。一次基础模型预训练可能耗资数亿美元，但完成后往往进入较长的应用沉淀期，因此资本开支虽大，却呈现明显的阶段性特征。
而今，随着AI步入Agent主导阶段，整个产业正由“训练优先”全面转向“推理优先”。
基础模型训练一年或仅数次；但一旦上线，日均推理请求可达数十亿乃至数百亿次。AI程序员、AI客服、AI办公助手、AI设计师、AI研究员……每一个Agent都在持续调用模型，每一次调用都意味着GPU持续运转、电力持续消耗、数据中心全天候负载。
对DeepSeek而言，这一转变尤为剧烈。
过去一年，凭借极具竞争力的API定价与优异的模型表现，DeepSeek迅速在全球开发者群体中建立影响力。大量海外开发者迁移至其平台，企业客户接入数量激增，API调用量呈爆发式增长。然而，用户规模的跃升，也直接导致推理成本呈指数级攀升。
DeepSeek最耀眼的成绩，恰恰构成了它当前最严峻的成本挑战。
传统互联网企业的逻辑是“用户越多，边际成本越低”；而今天的大模型公司则直面全新现实：用户越多，推理开销越大，资本投入越重。
这也是过去一年频繁出现DeepSeek服务器繁忙、API调用排队等现象的根本原因——并非模型能力不足，而是推理需求的增长速度已远超算力扩容节奏。
因此，本轮融资的核心目的，并非用于下一代模型训练，而是为未来三至五年提前构建规模化、高效率的推理基础设施。
对当下大模型公司而言，资金所购得的，早已不止是GPU硬件，更是不可逆的时间窗口。
全球AI巨头为何纷纷投身“造芯”浪潮？
近几个月，全球AI领域出现一个意味深长的现象：
OpenAI发布首款定制推理芯片Jalapeño；Anthropic启动自研AI芯片可行性研究；Meta推出Iris芯片，并确立每半年迭代一代的技术路线；Google持续推进TPU演进；Amazon持续优化Trainium芯片；DeepSeek与智谱亦相继被证实正联手开发面向推理场景的ASIC芯片。
几乎所有顶级模型公司，正不约而同踏上“芯片自研”之路。
答案并非GPU已落后。英伟达GPU仍是当前大模型训练最成熟、生态最完备的选择。真正改变的，是底层商业逻辑。
过去，GPU是差异化优势；如今，GPU正日益类比为互联网时代的通用服务器——它已成为可标准化采购的基础资源。决定AI公司长期竞争力的关键，已不再是“是否拥有GPU”，而是“生成每个Token的真实成本”。
使用 @youdotcom-oss/teams-anthropic 将 Anthropic Claude 模型（Opus、Sonnet、Haiku）添加到 Microsoft Teams.ai 应用程序中。可选集成 You.com MCP 服务器以进行网页搜索和内容提取。
随着AI Agent加速普及，推理正逐步超越训练，成为AI产业最大的算力消耗来源。相比通用GPU，针对特定模型架构定制的ASIC推理芯片，在功耗、能效比与单位成本方面具备显著优势，更契合未来海量推理任务的承载需求。
Google早在十余年前便布局TPU，核心目标正是降低Gemini模型及Google Cloud服务的推理成本；今日DeepSeek与智谱将首颗自研芯片落子推理ASIC，而非训练芯片，同样基于这一产业共识。
当然，“造芯”绝非坦途。
真正的难点不仅在于芯片设计本身，更在于软件生态构建。即便攻克制造工艺、HBM堆叠与先进封装等硬科技关卡，CUDA生态仍是当前AI产业最坚固的护城河。编译器、通信库、推理框架、开发工具链等，皆需长期积累与协同打磨。正因如此，全球主流AI芯片项目普遍选择从推理ASIC切入，而非贸然挑战训练GPU的复杂度。
即便如此，“自研芯片”仍成为全球头部模型公司的战略标配。
因为它锚定了未来最核心的能力——持续压降Token成本。
谁能将推理成本削减一半，谁就拥有了更大的价格弹性；谁能进一步下调API定价，谁就能吸引更广泛的开发者生态；更密集的调用又能反哺芯片研发摊销，最终形成自我强化的AI飞轮效应。
当下，大模型公司的竞争焦点，正悄然从“谁的模型更强”，转向“谁的智能更便宜”。
AI公司正越来越像Google，全栈竞争已成定局
如果说过去的大模型之争是一场算法竞赛，那么今天，它已全面升级为一场全栈能力的较量。
回溯Google的发展轨迹，其真正的护城河从来不只是搜索引擎，也不限于Gemini模型，而是搜索、Chrome浏览器、Android操作系统、Google Cloud、TPU芯片与自建数据中心共同构筑的垂直整合体系。
这种深度协同能力，使其得以持续优化计算效率、压缩服务成本，并不断加固技术壁垒。
如今，全球领先的大模型公司，几乎都在复制这条路径。
OpenAI在GPT系列模型之外，同步推进Stargate数据中心建设、自研芯片研发，并围绕Agent构建新一代智能平台；Meta正加速打造“Llama模型+Iris芯片+数据中心”的一体化架构；Anthropic在强化Claude模型的同时，持续夯实底层算力底座；DeepSeek正从模型层延伸至芯片与算力中心；智谱则一边开源GLM-5.2，一边推进推理芯片研发，并启动“Touch High（摸高）”AGI长期计划。
这些战略动作背后，折射出日益明确的行业共识：
未来的大模型公司，将不再只是模型提供方，而会成长为集模型、芯片、数据中心、云平台、Agent系统与开发生态于一体的AI基础设施平台。
模型是入口，芯片决定成本，数据中心支撑规模，云平台承载商业化，Agent塑造应用生态。
而AGI，则定义整个技术体系所能抵达的高度。
DeepSeek此次再融资，争夺的并非短期市场份额，而是未来十年AI基础设施领域的战略主动权。
710亿美元估值背后，买的是未来十年的入场资格
关于710亿美元估值是否合理，市场或将持续争论。
但比起数字本身，更值得重视的是DeepSeek此轮融资所释放的深层信号：AI竞争范式已然重构。
昔日，模型是绝对核心资产；今日，模型仅是AI基础设施体系中的一个关键模块。
真正决定长期竞争力的，是模型、芯片、数据中心、云平台、Agent与开发生态所构成的完整技术闭环。
更重要的是，AI行业最稀缺的资源，已不再是资金，而是时间。
模型可以快速迭代，芯片研发需两到三年，数据中心建设周期以年计，生态培育更需长期投入。一旦节奏滞后，极可能错失整代技术窗口。因此，DeepSeek的再次融资，并非资金告急，而是时不我待。
710亿美元，购买的不是今天的DeepSeek，而是未来十年参与全球AI基础设施竞争的一张通行证。
随着OpenAI、Anthropic、Google、Meta、DeepSeek、智谱等企业齐步迈向同一方向，我们或许正亲历AI产业真正意义上的第二场战争——它不再局限于模型之争，而是基础设施之战；不再止步于算法比拼，而是整个智能时代底层生产力体系的全面竞逐。
本文来自微信公众号“AI商业评论”，作者：有价值、有态度，36氪经授权发布。
