DeepSeek、Z.ai、Moonshot AI：三位創辦人點樣改寫中國 AI 挑戰？

三位創辦人的重要性，唔只係佢哋做出咗幾個受矚目的中國 AI 模型。DeepSeek、Z.ai 同 Moonshot AI 一齊擴闊咗「前沿競爭」嘅定義：評估一個模型，唔可以淨係睇能力，仲要睇開放程度、推理成本、開發者能否使用，以及運行模型需要幾多算力。

呢個現象唔代表中國已經超越矽谷，但就顯示市場已經唔再係美國公司一枝獨秀。要影響全球 AI 預期，一個模型未必要完全封閉、成本極高，或者由美國上市科技巨企支持。

三位創辦人，三條進軍前沿 AI 嘅路

梁文鋒：DeepSeek 以效率挑戰行業假設

梁文鋒喺浙江大學修讀電子及通信工程，之後共同創辦人工智能量化對沖基金幻方（High-Flyer）。佢喺 2023 年成立 DeepSeek，將金融背景帶來嘅數學優化同計算效率思維，帶入基礎模型研究。4144

DeepSeek-R1 於 2025 年 1 月推出，成為公司最具代表性嘅成果。呢個推理模型提供可下載權重，定位係領先封閉模型嘅低成本替代方案。DeepSeek 自己公布嘅成本同性能數字，唔足以取代獨立評測，但已經足以令投資者重新思考 AI 訓練同推理嘅經濟模式。172226

市場反應尤其劇烈。英偉達（Nvidia）單日市值蒸發 5,930 億美元，投資者開始懷疑，前沿 AI 係咪一定要依賴業界原先假設中、持續膨脹嘅巨額硬件預算。股價之後部分收復失地，所以呢次震盪更適合理解為市場快速重估預期，而唔係先進晶片需求已經消失嘅證據。1718

梁文鋒嘅理念亦相當鮮明。路透社報道指，佢曾表示 DeepSeek 優先考慮長遠嘅通用人工智能（AGI），而唔係最大化短期盈利；公司亦可能繼續開放最先進嘅模型。33 至於 DeepSeek 完整融資規模、估值、上市計劃，以及梁文鋒個人財富，目前公開證據未夠可靠，唔應該當成已經確定嘅事實。

唐傑：Z.ai 由學術研究走向企業市場

唐傑係清華大學計算機科學教授，亦係 Z.ai（前稱智譜 AI，Zhipu AI）共同創辦人兼首席科學家。公司喺 2019 年由清華研究團隊於北京衍生出嚟，並於 2021 年開始推出 GLM 系列模型。4950

相較於 DeepSeek，Z.ai 嘅路線更加制度化：以大學研究為根基，同時發展商業同企業市場。GLM 系列近年越來越重視推理、編程、工具使用同 AI 代理工作流程。美國人工智能標準及創新中心（CAISI）報告指，GLM-5.2 於 2026 年 6 月 16 日以開放權重模型形式推出。49

唐傑曾表示，DeepSeek-R1 出現，代表早期以聊天為中心嘅階段大致告一段落；隨住 AI 代理發展，編程同推理會變得更加重要。52 呢個觀點有助理解 Z.ai 嘅定位：公司唔係只係同其他聊天機械人鬥語氣流暢，而係希望模型可以處理更長、更複雜嘅任務，並且同軟件工具互動。

Z.ai 亦反映 AI 公司由私人研究實驗室走向資本市場嘅轉變。有報道指，公司截至 2025 年年中籌集約 12.5 億美元；美國政府公開評估則指，公司已於 2026 年 1 月 8 日完成香港上市。4950 由於市場上對公司估值嘅公開估算差異頗大，唔應該將不同數字當成同一個、亦非最終確定嘅估值。至於唐傑個人財富，目前同樣缺乏足夠可靠證據。

楊植麟：Moonshot AI 押注超長上下文

楊植麟曾就讀清華大學，之後喺卡內基梅隆大學完成博士課程。報道亦指，佢共同創辦 Moonshot AI 之前，曾經喺 Google 同 Meta 從事研究工作。2712

Moonshot 最初憑 Kimi 受到關注，品牌特色一直同超長上下文互動緊密相關。公司嘅 Kimi K3 將呢條路線推向更大規模嘅開放權重系統：資料來源形容，K3 係一個擁有 2.8 萬億參數、上下文窗口最多達 100 萬 token 嘅混合專家模型。15

K3 先經 Moonshot 嘅產品同 API 提供使用，之後再開放模型權重，將面向消費者嘅聊天產品，連接到更廣泛嘅開發者平台策略。2 模型規模固然矚目，但單睇參數數量，唔能夠直接證明智能水平、運行成本或者實際用途。獨立排行榜可以協助比較，但排名會變動，亦唔可以取代對可靠性、編程、安全性同真實 AI 代理任務嘅全面測試。

Moonshot 嘅融資數字同樣仍然浮動。《TechCrunch》報道，公司喺 2026 年 5 月以約 20 億美元融資，估值約 200 億美元；其後報道就指，估值可能超過 300 億美元，並準備籌備潛在嘅香港上市。呢啲都係私人市場報道估算，唔係經審計嘅公開市場估值。41215 目前亦冇足夠可靠證據可以確認楊植麟個人財富。

點解呢場挑戰唔只係一場簡單嘅中美 AI 競賽？

1. 能力開始同成本一齊計

DeepSeek 將高效率推理推上焦點；Z.ai 強調編程、企業部署同 AI 代理；Moonshot 就將超長上下文、超大型開放權重模型同產品分發結合。三者路線唔一樣，但都將業界帶向同一個問題：開發者每花一蚊訓練或推理成本，可以得到幾多真正有用嘅能力？

當中比較並唔完全公平。公司公布嘅訓練成本往往屬於自我聲稱，亦可能未計入數據、工程、硬件取得、評估同部署成本。不過，佢帶來嘅策略影響係真實存在：DeepSeek 迫使投資者同 AI 實驗室重新檢視前沿模型嘅成本曲線假設。1722

2. 開放權重為開發者提供更多選擇

可下載模型權重，代表開發者可以自行部署、微調，或者將模型整合到產品，而唔需要完全依賴專有 API。即使公司喺海外分發方面未必擁有同等資源，DeepSeek、GLM 同 Kimi 仍然可以透過開發者社群進入全球軟件生態。

不過，「開放權重」唔一定等於「完全開源」。公司可以公開訓練完成嘅模型參數，但唔公開訓練數據、數據處理方法、訓練程式碼同完整開發流程。呢個分別會影響可重現性、授權、保安同治理。

3. 市場震盪已經由 AI 實驗室蔓延到基礎設施

DeepSeek 於 2025 年 1 月推出 R1，挑戰咗「更強 AI 必然需要按比例更多高端硬件」呢個假設。英偉達單日市值損失 5,930 億美元，顯示模型層面嘅創新可以幾快影響到晶片同基礎設施層。1718

Moonshot 嘅 K3 亦引發類似關注：一間中國公司能否推出具備超大規模、而且同時開放權重嘅模型，而呢種規模過去通常同最大型美國實驗室聯繫在一起？較穩妥嘅理解係，呢啲事件對既有假設構成壓力，但唔等於技術勝負已經分出。14

決定下一階段嘅幾個限制

三間公司仍然面對幾個結構性難題：

• 算力同硬件： 出口管制同高端加速器供應有限，令前沿模型訓練同服務更加困難。效率技術可以縮窄差距，但唔能夠消除晶片、電力、網絡、工程人才同資本嘅需要。45
• 商業化： 開放或者低價模型可以迅速普及，但亦可能令創辦公司更難將技術轉化成收入。技術聲勢最終要變成持續嘅企業、API 或消費者業務。
• 基準測試不確定： 單一或者由公司自行公布嘅基準測試勝出，唔代表模型喺可靠性、多語言能力、編程、安全性或 AI 代理穩定性方面全面領先。任何優越性聲稱都需要獨立重現。
• 信任同治理： 私隱、保安、內容限制同地緣政治審查，都可能限制海外採用，即使模型本身具備技術吸引力。
• 資本市場壓力： Z.ai 已經完成上市，融資位置同私人公司 DeepSeek 唔同；Moonshot 報道中嘅 IPO 準備則仍然屬於未來計劃。至於 DeepSeek 嘅股權結構同上市安排，可靠公開報道仍然未有清晰結論。495015

結語：佢哋改變咗競爭格局，但未代表勝負已定

梁文鋒、唐傑同楊植麟並非執行同一套中國 AI 策略。梁文鋒將效率同長線 AGI 研究放喺 DeepSeek 核心；唐傑就將大學出身嘅基礎模型研究推向編程、AI 代理同公開市場規模；楊植麟則圍繞超長上下文、超大型混合專家模型，以及面向開發者嘅開放分發建立 Moonshot。

三間公司加埋嘅成果，係令前沿 AI 變得更加多元。佢哋擴闊咗開發者嘅選擇，挑戰封閉模型基礎設施嘅成本邏輯，亦削弱「中國必然長期落後美國」呢個簡單假設。

但較審慎、亦較站得住腳嘅結論係：佢哋已經改變競爭格局，卻未能證明中國已經超越矽谷。算力限制、基準測試可信度、商業化能力同市場信任，先會決定呢場變化可以維持幾耐。