梁文锋、唐杰和杨植麟的重要性，不只是三位中国创业者分别做出了受到全球关注的 AI 模型。DeepSeek、Z.ai 和 Moonshot AI 合在一起，扩大了人们对“前沿竞争”的定义：模型能力固然重要，但开放程度、推理成本、开发者能否直接使用，以及交付这些能力所需的算力，同样决定竞争力。

这并不意味着中国已经超过硅谷。更稳妥的结论是，前沿 AI 市场正在变得不再由美国公司独占；一个模型不必是闭源的、极其昂贵的，也不必由美国上市科技巨头支持，才有可能影响全球市场预期。

三位创始人，三条进入前沿 AI 的路径

梁文锋：DeepSeek 的效率优先路线

梁文锋曾在浙江大学学习电子与通信工程，之后参与创办人工智能量化对冲基金幻方（High-Flyer）。他于 2023 年成立 DeepSeek，将金融领域形成的数学优化和计算效率思维带入基础模型研究。 4144

2025 年 1 月发布的 DeepSeek-R1，成为公司的标志性成果。这款推理模型开放提供可下载权重，并被定位为领先闭源系统的低成本替代方案。DeepSeek 自己公布的成本和性能数据，不能完全替代独立评测，但足以促使投资者重新审视 AI 训练与推理的经济规律。 172226

市场反应尤其剧烈。英伟达单日市值蒸发 5930 亿美元，投资者开始质疑：前沿 AI 是否真的需要整个行业此前假定的、规模巨大且持续增长的硬件预算。随后这轮抛售部分回撤，因此更适合被理解为市场预期的快速重估，而不是先进芯片需求已经消失的证据。 1718

梁文锋的理念也颇具辨识度。据路透社报道，他曾表示 DeepSeek 的优先目标是长期通用人工智能（AGI），而不是最大化短期利润；公司也可能继续开放其最先进的模型。 33 目前已有证据不足以可靠确认 DeepSeek 的完整融资情况、估值、上市计划或梁文锋个人财富，这些内容不宜当作定论。

唐杰：Z.ai 从科研走向企业

唐杰是清华大学计算机科学教授，也是 Z.ai（前身为智谱 AI）的联合创始人兼首席科学家。Z.ai 于 2019 年由清华大学研究成果在北京商业化成立，并从 2021 年开始发布 GLM 系列模型。 4950

相比 DeepSeek，Z.ai 的路线更具制度化特征：它把大学科研基础与商业和企业服务目标结合起来。GLM 系列近年来越来越重视推理、编程、工具调用和智能体工作流。美国人工智能标准与创新中心（CAISI）报告称，GLM-5.2 于 2026 年 6 月 16 日以开放权重模型形式发布。 49

唐杰曾表示，DeepSeek-R1 的出现意味着早期以聊天为中心的阶段正在结束，随着 AI 智能体发展，编程和推理会变得更加重要。 52 这也解释了 Z.ai 的定位：它不只是在比拼聊天流畅度，而是希望模型能够处理更长、更复杂的任务，并与软件工具协同工作。

Z.ai 还体现了 AI 公司从私人研究机构走向资本市场公司的变化。据报道，截至 2025 年年中，公司融资约 12.5 亿美元；美国政府公开评估则称，Z.ai 已于 2026 年 1 月 8 日完成香港 IPO。 4950 由于公开报道中的市值估算存在差异，这些数字不应被视为相互等同或最终确定的结果。关于唐杰个人财富的可靠证据同样不足。

杨植麟：Moonshot AI 押注长上下文

杨植麟曾就读于清华大学，并在卡内基梅隆大学完成博士学位。相关报道还提到，他在联合创办北京的 Moonshot AI 之前，曾在 Google 和 Meta 从事研究工作。 2712

Moonshot 最初凭借 Kimi 获得关注，其产品形象与长上下文交互密切相关。Kimi K3 则把这条路线推进到更大规模的开放权重系统：相关来源称，它是一款拥有 2.8 万亿参数、上下文窗口最高达 100 万 token 的混合专家模型。 15

K3 先通过 Moonshot 的产品和 API 提供服务，随后才开放模型权重。这让 Moonshot 将面向消费者的聊天产品与更广泛的开发者平台战略连接起来。 2 模型规模当然值得关注，但参数数量本身并不能直接证明智能水平、运行成本或实际用途。独立排行榜可以帮助比较，但排名会变化，也不能取代对可靠性、编程、安全性和真实智能体任务的全面测试。

Moonshot 的融资数据同样处于变化之中。《TechCrunch》报道，公司在 2026 年 5 月完成约 20 亿美元融资，估值达到 200 亿美元；之后的报道则称其估值可能超过 300 亿美元，并正在为潜在的香港上市做准备。这些都是私募市场报道中的估值，不是经过审计的公开市场市值。 41215 目前也没有足够可靠的证据确认杨植麟的个人财富。

这场挑战为何不只是简单的“中美 AI 竞赛”？

1. 能力必须放在成本旁边衡量

DeepSeek 把高效推理推上了舞台中央；Z.ai 强调编程、企业部署和智能体；Moonshot 则把长上下文、超大规模开放权重模型与产品分发结合起来。三者路径不同，却都把行业引向同一个问题：开发者每花一美元训练或运行模型，究竟能获得多少有用能力？

这种比较并不完全严谨。公司公布的训练成本往往属于自报数据，可能没有计入数据、工程、硬件获取、评测和部署等成本。但它带来的战略影响是真实的：DeepSeek 迫使投资者和 AI 实验室重新思考前沿模型的成本曲线。 1722

2. 开放权重给开发者更多选择

可下载的模型权重可以让开发者自行部署、微调或集成模型，而不必完全依赖专有 API。即使这些中国公司在海外分发渠道上的能力相对有限，DeepSeek、GLM 和 Kimi 仍可以借此进入全球软件生态。

不过，“开放权重”不等于“完全开源”。模型权重可能已经公开，但训练数据、数据处理方式、训练代码以及完整研发流程仍然没有披露。这一区别会影响可复现性、许可、模型安全和治理。

3. 市场冲击已经传导到 AI 实验室之外

DeepSeek 在 2025 年 1 月发布 R1 后，美国科技公司估值受到影响，因为这一模型挑战了“更强 AI 必然需要同比例增加高端硬件”的假设。英伟达单日市值损失 5930 亿美元，说明模型层面的创新能够迅速影响基础设施层。 1718

Moonshot 的 K3 也引发了类似关注：一家中国公司能否发布达到最大型美国实验室规模、同时采用开放权重方式分发的模型？更准确的理解是，这些事件给既有判断施加了压力，而不是证明中国已经取得一场确定无疑的技术胜利。 14

决定下一阶段的限制因素

三家公司仍然面对一系列结构性难题：

• 算力与硬件： 出口管制以及获取顶级加速器的限制，使前沿模型训练和服务部署更加困难。效率技术可以缩小差距，却无法消除对芯片、电力、网络、工程人才和资本的需求。 45
• 商业化： 开放或低价模型可以快速扩散，却可能让模型创造者更难获得收入。技术关注度必须转化为可持续的企业服务、API 或消费者业务。
• 基准测试的不确定性： 单项或公司自报的榜单成绩，无法决定模型在可靠性、多语言质量、编程能力、安全性或智能体稳健性方面的表现。关于模型优越性的说法，需要独立复现。
• 信任与治理： 隐私、安全、内容限制和地缘政治审查，都可能限制模型在海外的采用，即使它在技术上具有吸引力。
• 资本市场压力： Z.ai 已经完成上市，其融资条件与仍属私营的 DeepSeek 不同；Moonshot 的 IPO 准备仍属于未来计划。可靠公开报道对 DeepSeek 的所有权结构和上市计划也缺乏清晰说明。 495015

结论：他们改变的是竞争格局，而非宣布胜负

梁文锋、唐杰和杨植麟并没有在执行一套统一的“中国 AI 战略”。梁文锋让效率和长期 AGI 研究成为 DeepSeek 的核心身份；唐杰正把大学孕育的基础模型研究推向编程、智能体和公开市场规模；杨植麟则围绕长上下文、超大规模混合专家系统和开放开发者分发建立 Moonshot。

三人的共同成果，是让前沿 AI 变得更加多元。他们扩大了开发者的选择，挑战了闭源模型基础设施的经济逻辑，也削弱了“中国必须永久落后于美国”的简单叙事。

但更谨慎的结论也更站得住脚：他们已经改变了竞争格局，却还没有证明这场改变能够持续。最终结果仍将取决于算力限制、基准测试的可信度、商业化能力，以及全球用户对这些模型的信任。

梁文锋、唐杰和杨植麟的重要性，不只是三位中国创业者分别做出了受到全球关注的 AI 模型。DeepSeek、Z.ai 和 Moonshot AI 合在一起，扩大了人们对“前沿竞争”的定义：模型能力固然重要，但开放程度、推理成本、开发者能否直接使用，以及交付这些能力所需的算力，同样决定竞争力。

这并不意味着中国已经超过硅谷。更稳妥的结论是，前沿 AI 市场正在变得不再由美国公司独占；一个模型不必是闭源的、极其昂贵的，也不必由美国上市科技巨头支持，才有可能影响全球市场预期。

三位创始人，三条进入前沿 AI 的路径

梁文锋：DeepSeek 的效率优先路线

梁文锋曾在浙江大学学习电子与通信工程，之后参与创办人工智能量化对冲基金幻方（High-Flyer）。他于 2023 年成立 DeepSeek，将金融领域形成的数学优化和计算效率思维带入基础模型研究。 4144

2025 年 1 月发布的 DeepSeek-R1，成为公司的标志性成果。这款推理模型开放提供可下载权重，并被定位为领先闭源系统的低成本替代方案。DeepSeek 自己公布的成本和性能数据，不能完全替代独立评测，但足以促使投资者重新审视 AI 训练与推理的经济规律。 172226

市场反应尤其剧烈。英伟达单日市值蒸发 5930 亿美元，投资者开始质疑：前沿 AI 是否真的需要整个行业此前假定的、规模巨大且持续增长的硬件预算。随后这轮抛售部分回撤，因此更适合被理解为市场预期的快速重估，而不是先进芯片需求已经消失的证据。 1718

梁文锋的理念也颇具辨识度。据路透社报道，他曾表示 DeepSeek 的优先目标是长期通用人工智能（AGI），而不是最大化短期利润；公司也可能继续开放其最先进的模型。 33 目前已有证据不足以可靠确认 DeepSeek 的完整融资情况、估值、上市计划或梁文锋个人财富，这些内容不宜当作定论。

唐杰：Z.ai 从科研走向企业

唐杰是清华大学计算机科学教授，也是 Z.ai（前身为智谱 AI）的联合创始人兼首席科学家。Z.ai 于 2019 年由清华大学研究成果在北京商业化成立，并从 2021 年开始发布 GLM 系列模型。 4950

相比 DeepSeek，Z.ai 的路线更具制度化特征：它把大学科研基础与商业和企业服务目标结合起来。GLM 系列近年来越来越重视推理、编程、工具调用和智能体工作流。美国人工智能标准与创新中心（CAISI）报告称，GLM-5.2 于 2026 年 6 月 16 日以开放权重模型形式发布。 49

唐杰曾表示，DeepSeek-R1 的出现意味着早期以聊天为中心的阶段正在结束，随着 AI 智能体发展，编程和推理会变得更加重要。 52 这也解释了 Z.ai 的定位：它不只是在比拼聊天流畅度，而是希望模型能够处理更长、更复杂的任务，并与软件工具协同工作。

Z.ai 还体现了 AI 公司从私人研究机构走向资本市场公司的变化。据报道，截至 2025 年年中，公司融资约 12.5 亿美元；美国政府公开评估则称，Z.ai 已于 2026 年 1 月 8 日完成香港 IPO。 4950 由于公开报道中的市值估算存在差异，这些数字不应被视为相互等同或最终确定的结果。关于唐杰个人财富的可靠证据同样不足。

杨植麟：Moonshot AI 押注长上下文

杨植麟曾就读于清华大学，并在卡内基梅隆大学完成博士学位。相关报道还提到，他在联合创办北京的 Moonshot AI 之前，曾在 Google 和 Meta 从事研究工作。 2712

Moonshot 最初凭借 Kimi 获得关注，其产品形象与长上下文交互密切相关。Kimi K3 则把这条路线推进到更大规模的开放权重系统：相关来源称，它是一款拥有 2.8 万亿参数、上下文窗口最高达 100 万 token 的混合专家模型。 15

K3 先通过 Moonshot 的产品和 API 提供服务，随后才开放模型权重。这让 Moonshot 将面向消费者的聊天产品与更广泛的开发者平台战略连接起来。 2 模型规模当然值得关注，但参数数量本身并不能直接证明智能水平、运行成本或实际用途。独立排行榜可以帮助比较，但排名会变化，也不能取代对可靠性、编程、安全性和真实智能体任务的全面测试。

Moonshot 的融资数据同样处于变化之中。《TechCrunch》报道，公司在 2026 年 5 月完成约 20 亿美元融资，估值达到 200 亿美元；之后的报道则称其估值可能超过 300 亿美元，并正在为潜在的香港上市做准备。这些都是私募市场报道中的估值，不是经过审计的公开市场市值。 41215 目前也没有足够可靠的证据确认杨植麟的个人财富。

这场挑战为何不只是简单的“中美 AI 竞赛”？

1. 能力必须放在成本旁边衡量

DeepSeek 把高效推理推上了舞台中央；Z.ai 强调编程、企业部署和智能体；Moonshot 则把长上下文、超大规模开放权重模型与产品分发结合起来。三者路径不同，却都把行业引向同一个问题：开发者每花一美元训练或运行模型，究竟能获得多少有用能力？

这种比较并不完全严谨。公司公布的训练成本往往属于自报数据，可能没有计入数据、工程、硬件获取、评测和部署等成本。但它带来的战略影响是真实的：DeepSeek 迫使投资者和 AI 实验室重新思考前沿模型的成本曲线。 1722

2. 开放权重给开发者更多选择

可下载的模型权重可以让开发者自行部署、微调或集成模型，而不必完全依赖专有 API。即使这些中国公司在海外分发渠道上的能力相对有限，DeepSeek、GLM 和 Kimi 仍可以借此进入全球软件生态。

不过，“开放权重”不等于“完全开源”。模型权重可能已经公开，但训练数据、数据处理方式、训练代码以及完整研发流程仍然没有披露。这一区别会影响可复现性、许可、模型安全和治理。

3. 市场冲击已经传导到 AI 实验室之外

DeepSeek 在 2025 年 1 月发布 R1 后，美国科技公司估值受到影响，因为这一模型挑战了“更强 AI 必然需要同比例增加高端硬件”的假设。英伟达单日市值损失 5930 亿美元，说明模型层面的创新能够迅速影响基础设施层。 1718

Moonshot 的 K3 也引发了类似关注：一家中国公司能否发布达到最大型美国实验室规模、同时采用开放权重方式分发的模型？更准确的理解是，这些事件给既有判断施加了压力，而不是证明中国已经取得一场确定无疑的技术胜利。 14

决定下一阶段的限制因素

三家公司仍然面对一系列结构性难题：

• 算力与硬件： 出口管制以及获取顶级加速器的限制，使前沿模型训练和服务部署更加困难。效率技术可以缩小差距，却无法消除对芯片、电力、网络、工程人才和资本的需求。 45
• 商业化： 开放或低价模型可以快速扩散，却可能让模型创造者更难获得收入。技术关注度必须转化为可持续的企业服务、API 或消费者业务。
• 基准测试的不确定性： 单项或公司自报的榜单成绩，无法决定模型在可靠性、多语言质量、编程能力、安全性或智能体稳健性方面的表现。关于模型优越性的说法，需要独立复现。
• 信任与治理： 隐私、安全、内容限制和地缘政治审查，都可能限制模型在海外的采用，即使它在技术上具有吸引力。
• 资本市场压力： Z.ai 已经完成上市，其融资条件与仍属私营的 DeepSeek 不同；Moonshot 的 IPO 准备仍属于未来计划。可靠公开报道对 DeepSeek 的所有权结构和上市计划也缺乏清晰说明。 495015

结论：他们改变的是竞争格局，而非宣布胜负

梁文锋、唐杰和杨植麟并没有在执行一套统一的“中国 AI 战略”。梁文锋让效率和长期 AGI 研究成为 DeepSeek 的核心身份；唐杰正把大学孕育的基础模型研究推向编程、智能体和公开市场规模；杨植麟则围绕长上下文、超大规模混合专家系统和开放开发者分发建立 Moonshot。

三人的共同成果，是让前沿 AI 变得更加多元。他们扩大了开发者的选择，挑战了闭源模型基础设施的经济逻辑，也削弱了“中国必须永久落后于美国”的简单叙事。

但更谨慎的结论也更站得住脚：他们已经改变了竞争格局，却还没有证明这场改变能够持续。最终结果仍将取决于算力限制、基准测试的可信度、商业化能力，以及全球用户对这些模型的信任。