DeepSeek、Z.ai 與 Moonshot AI，如何改寫中國 AI 挑戰矽谷的方式？

梁文鋒、唐杰與楊植麟的重要性，不只是三位中國創辦人做出了受到全球關注的 AI 模型。DeepSeek、Z.ai 與 Moonshot AI 合在一起，正在擴大「前沿競爭」的定義：模型能力固然重要，但開放程度、推理成本、開發者能否取得，以及部署所需的運算資源，同樣成為衡量標準。

這並不代表中國已經超越矽谷，卻顯示 AI 市場正變得不再由美國業者獨佔。模型不一定要採取封閉 API、耗費極高成本，或依附一家美國上市科技巨頭，才有機會改變全球對 AI 的期待。

三位創辦人，三條進入前沿 AI 的路線

梁文鋒：DeepSeek 的效率優先挑戰

梁文鋒曾就讀浙江大學電子與通信工程相關科系，之後共同創辦 AI 量化對沖基金幻方（High-Flyer）。他在 2023 年成立 DeepSeek，把金融領域訓練出的數學最佳化與運算效率思維帶進基礎模型研究。 4144

DeepSeek-R1 於 2025 年 1 月發布，成為公司最具代表性的成果。這款推理模型提供可下載的模型權重，並被定位為領先封閉模型的低成本替代方案。DeepSeek 自行公布的成本與效能說法，不能完全取代獨立評測；但相關數據仍足以動搖投資人對 AI 訓練與推理經濟模式的既有想像。 172226

市場反應尤其劇烈。英偉達（Nvidia）單日市值蒸發 5,930 億美元，投資人開始質疑，前沿 AI 是否真的需要業界原先假設的龐大、且持續擴張的硬體預算。股價下跌其後部分收復，因此更適合被理解為市場快速重新評估預期，而不是先進 AI 晶片需求已經消失的證據。 1718

梁文鋒的理念也相當鮮明。路透社報導，他曾表示 DeepSeek 的優先事項是長期發展通用人工智慧（AGI），而不是追求短期利潤；公司也可能繼續開放最先進的模型。 33 不過，目前可取得的證據不足以可靠確認 DeepSeek 的完整融資情況、估值、上市計畫，以及梁文鋒的個人財富，這些都不宜當成定論。

唐杰：Z.ai 從研究走向企業市場

唐杰是清華大學電腦科學教授，也是 Z.ai（前稱智譜 AI）的共同創辦人與首席科學家。這家公司在 2019 年由清華研究團隊於北京分拆成立，並於 2021 年開始發布 GLM 模型系列。 4950

相較於 DeepSeek，Z.ai 的策略更具制度化色彩：它把大學研究基礎與商業、企業市場目標結合起來。GLM 系列近年的重點，逐漸轉向推理、程式編碼、工具使用與 AI 代理工作流程。美國國家標準暨技術研究院旗下的人工智慧標準與創新中心（CAISI）報告指出，GLM-5.2 於 2026 年 6 月 16 日以開放權重模型形式發布。 49

唐杰曾表示，DeepSeek-R1 的出現代表早期以聊天為中心的階段已告一段落；隨著 AI 代理發展，程式編碼與推理的重要性將提高。 52 這也有助於理解 Z.ai 的定位：它不只是在聊天流暢度上競爭，而是希望打造能處理較長任務、並與軟體工具互動的模型。

Z.ai 也反映出中國 AI 公司從私人研究團隊走向資本市場的轉變。報導稱，截至 2025 年年中，公司募資約 12.5 億美元；美國政府公開評估則表示，Z.ai 已於 2026 年 1 月 8 日完成香港 IPO。 4950 由於公開估值數字有所差異，不能將不同報導視為同一個確定數字。現有可靠證據同樣不足以確認唐杰的個人財富。

楊植麟：Moonshot AI 押注超長上下文

楊植麟曾就讀清華大學，後於卡內基美隆大學取得博士學位。相關報導也提到，他在共同創辦北京的 Moonshot AI 前，曾於 Google 與 Meta 從事研究工作。 2712

Moonshot 最初透過 Kimi 受到關注，其產品形象與超長上下文互動密切相關。Kimi K3 則把這條路線推向更大規模的開放權重系統：多個來源稱，K3 是一款擁有 2.8 兆參數的混合專家（Mixture of Experts，MoE）模型，上下文視窗最高可達 100 萬 tokens。 15

K3 先在 Moonshot 的產品與 API 上線，之後才釋出模型權重，把面向消費者的聊天產品與更廣泛的開發者平台策略連接起來。 2 模型規模固然引人注目，但參數數量本身不能直接證明智慧程度、運作成本或實際效用。獨立排行榜有助於比較，然而排名會變動，也不能取代對可靠性、程式編碼、安全性與真實 AI 代理任務的全面測試。

Moonshot 的融資數字同樣仍在變動。TechCrunch 報導，公司在 2026 年 5 月以約 200 億美元估值完成約 20 億美元融資；後續報導則稱估值可能超過 300 億美元，並準備潛在的香港上市。這些是報導中的私人市場估值，不是經審計的公開市場數字。 41215 目前也沒有足夠可靠的證據確認楊植麟的個人財富。

這場挑戰為何不只是簡單的美中 AI 競賽？

1. 能力開始與成本一起被衡量

DeepSeek 把高效率推理推上焦點；Z.ai 強調程式編碼、企業部署與 AI 代理；Moonshot 則把超長上下文、超大規模開放權重模型與產品分發結合起來。三者路線不同，卻共同把產業推向一個更實際的問題：開發者每投入一美元訓練或推理成本，究竟能取得多少有用的模型能力？

這不是一場完全公平的直接比較。企業公布的訓練成本常常只是自我申報，可能未包含資料、工程、硬體取得、評測與部署等費用。但它所造成的策略影響確實存在：DeepSeek 迫使投資人與 AI 實驗室重新思考前沿模型的成本曲線。 1722

2. 開放權重為開發者增加選項

可下載的模型權重，能讓開發者自行託管、微調，或整合至產品，而不必完全依賴專有 API。即使 DeepSeek、GLM 與 Kimi 的公司在海外分發方面受到限制，這種模式仍讓它們有機會進入全球軟體生態。

但「開放權重」不一定等於「完全開源」。公司可能公開模型權重，卻不公開訓練資料、資料處理方法、訓練程式碼與完整開發流程。這項差異會影響可重現性、授權、資安與治理，因此不能被忽略。

3. 市場震盪已經傳到 AI 實驗室之外

DeepSeek 在 2025 年 1 月發布 R1 後，影響了美國科技公司的估值，因為它挑戰了「更強大的 AI 必然需要按比例增加高階硬體」這項假設。英偉達單日市值下跌 5,930 億美元，顯示模型層的創新可以迅速傳導至基礎設施層。 1718

Moonshot 的 K3 也引發類似關注：一家中國公司可能發布具有超大規模、且採開放權重形式的模型，而這種規模過去通常與美國最大型 AI 實驗室聯繫在一起。不過，更穩妥的解讀是，這些事件對既有假設施加了壓力，而不是證明中國已經取得完整的技術勝利。 14

決定下一階段競爭的限制

三家公司仍面臨幾項結構性難題：

• 算力與硬體： 出口管制與高階加速器取得受限，讓前沿模型的訓練與服務更加困難。效率技術可以縮小差距，卻無法消除晶片、電力、網路、工程人才與資本的需求。 45
• 商業化： 開放或低價模型可以快速擴散，卻可能讓模型創造者更難直接取得收入。技術聲量必須轉化為持久的企業、API 或消費者業務。
• 基準測試的不確定性： 單一、狹窄或由公司自行公布的基準測試勝利，不能代表模型在可靠性、多語言品質、程式編碼、安全性或 AI 代理韌性方面全面領先。任何優勢主張都需要獨立重現。
• 信任與治理： 隱私、安全、內容限制與地緣政治審查，可能限制模型在海外的採用，即使技術上具備吸引力。
• 資本市場壓力： Z.ai 已完成上市，因此融資條件與私人公司 DeepSeek 不同；Moonshot 的 IPO 準備則仍屬未來計畫。DeepSeek 的所有權與上市安排，在可靠公開報導中仍不清楚。 495015

結論：它們改變了競爭格局，但尚未寫下勝負

梁文鋒、唐杰與楊植麟並沒有採取單一的「中國 AI 策略」。梁文鋒把效率與 AGI 長期研究放在 DeepSeek 的核心；唐杰則把大學孕育的基礎模型研究帶向程式編碼、AI 代理與公開市場規模；楊植麟則圍繞超長上下文、龐大的混合專家模型與開放的開發者分發建立 Moonshot。

三人的共同成果，是讓前沿 AI 變得更加多元。他們擴大了開發者可選擇的模型範圍，挑戰封閉模型基礎設施的經濟模式，也削弱了「中國注定長期落後美國」的看法。

但更審慎、也更站得住腳的結論是：他們確實改變了競爭 landscape，卻還沒有證明勝負已定。算力限制、基準測試可信度、商業化能力與使用者信任，才會決定這場改變能否持續。