Kinesisk AI-laboratorium ryster investormarkedet: DeepSeek søger 30 milliarder kroner – og lover at prioritere forskning over profit

Blandt de potentielle investorer nævnes:

• Kinas Nationale AI-industriinvesteringsfond (undertiden kaldet ”Big Fund”), et statsstøttet organ oprettet for at understøtte strategiske teknologisektorer. ^WM
• Store kinesiske teknologivirksomheder som Tencent, der har været i dialog om deltagelse i runden. ^TW

Hvis aftalen gennemføres i den øvre ende af skalaen, vil den være blandt de største finansieringsrunder nogensinde for et kinesisk AI-selskab. ^Y

Det er vigtigt at understrege, at aftalen ikke er endelig, og både værdiansættelsen og investorkredsen kan ændre sig, før en eventuel aftale lukkes. ^W

Liang Wenfengs budskab til investorer: forskning først

DeepSeek’s salgstale til investorer adskiller sig fra mange AI-startup’ers. I stedet for at fremhæve umiddelbar omsætningsvækst har Liang angiveligt understreget, at selskabets hovedmål er at skubbe grænserne for AI-forskning. ^B

I møder med potentielle investorer har DeepSeek’s ledelse sagt, at selskabet vil:

• Fortsætte med at udgive open source-AI-modeller
• Fokusere på langsigtede gennembrud inden for kunstig generel intelligens (AGI)
• Undgå at prioritere kortsigtet kommercialiseringspres ^BE

Denne tilgang ligner en forskningslaboratoriestrategi snarere end en typisk venture-støttet softwarevirksomhed bygget op omkring hurtig kommercialisering.

Hvorfor DeepSeek har råd til denne strategi

En del af forklaringen på, at DeepSeek kan føre en forsknings-først-strategi, ligger i selskabets oprindelse.

Selskabet blev skabt af Liang Wenfeng, en kinesisk iværksætter, der tidligere var med til at stifte den kvantitative hedgefond High-Flyer. DeepSeek blev lanceret i 2023 som et AI-forskningsinitiativ i tilknytning til dette økosystem. ^EN

High-Flyer havde allerede investeret massivt i computerinfrastruktur og AI-forskning, hvilket hjalp DeepSeek med at udvikle tidlige modeller uden at være afhængig af ekstern risikovillig kapital. ^N

Denne baggrund gav startup'en en usædvanlig fleksibilitet sammenlignet med de fleste AI-selskaber, der hurtigt skal bevise deres kommercielle værdi.

Modellerne, der driver investorinteressen

Investorentusiasmen omkring DeepSeek stammer i høj grad fra selskabets hurtige tekniske fremskridt.

Selskabet fik global opmærksomhed efter udgivelsen af sin R1-ræsonneringsmodel, der viste konkurrencedygtig ydeevne – og angiveligt kostede langt mindre at træne end mange vestlige modeller. ^T

I april 2026 introducerede DeepSeek en forhåndsvisning af sin V4-model og fortsatte dermed strategien med at udgive dygtige AI-systemer til relativt lave omkostninger. ^E

Rapporter tyder på, at selskabet allerede forbereder V4.1, en opdatering der forventes at forbedre ydeevnen og fremskynde modeludgivelsescyklussen. ^N

Den nye kapital vil sandsynligvis blive brugt til at finansiere:

• Større computerinfrastruktur
• Hurtigere modeliteration
• Fastholdelse af talenter på et konkurrencepræget AI-rekrutteringsmarked

Hvorfor kapitalrunden betyder noget i det globale AI-kapløb

DeepSeeks kapitalforhandlinger finder sted på et tidspunkt, hvor regeringer og investorer i stigende grad betragter frontlinje-AI som en strategisk industri.

En stor kapitalrunde ledet af kinesiske statstilknyttede fonde vil sende et signal om stærk national opbakning til indenlandsk AI-forskning – og potentielt accelerere Kinas evne til at konkurrere med førende vestlige laboratorier.

Samtidig skiller DeepSeeks insisteren på open source-udgivelser sig ud i en branche, hvor mange frontlinjemodeller bliver mere lukkede og proprietære.

Hovedpointen

DeepSeek forsøger noget usædvanligt: at rejse milliarder af kroner, mens man udtrykkeligt fortæller investorer, at selskabet kan komme til at prioritere langsigtet forskning over kortsigtet profit.

Hvis finansieringsrunden lukkes i nærheden af de rapporterede beløb, vil det cementere startup'en som et af verdens højest værdiansatte AI-laboratorier – samtidig med at det tester, om investorer er villige til at bakke op om en strategi fokuseret på åbne modeller, hurtige forskningsfremskridt og den lange jagt på AGI frem for umiddelbar omsætning.